重力全张量梯度数据的并行反演算法研究及应用

发布时间：2017-12-17 17:31

  本文关键词：重力全张量梯度数据的并行反演算法研究及应用

  更多相关文章： 重力全张量梯度数据(FTG) 三维密度反演 并行计算 MPI OpenMP CUDA 混合编程

【摘要】：重力全张量梯度数据是一种近年来被广泛应用于资源与地质勘探中的高精度数据,较传统重力异常数据包含更多的信息,且信噪比更高。尤其是随着对地壳勘探深度的不断增加,探测难度也在不断增大,这就要求数据的精度和数据量都要提高,通过更先进的处理与解释的方法和手段获取地下信息。为了能充分地发挥重力全张量梯度数据的精度优势,解决大数据量的地球物理反演带来的计算耗时长、占用计算机内存资源等问题,应联合计算机科学与地球科学,从利用并行计算的角度进行研究。地球物理反演是通过观测面上记录的地球物理场数据计算和求解地下地质构造的一种解释方法。通过反演,将重力全张量梯度数据中包含的物性信息反映出来;对于大规模的海量数据,使用并行计算来提高速度、解决内存问题,进而实现反演。因此,反演算法的有效性决定了其并行算法的作用。本文基于重力全张量梯度数据的反演原理,针对算法中的上述问题,研究并设计了多种并行算法及程序,取得了理想的结果。首先从地质体产生的重力异常及其梯度数据正演原理出发,选择基于长方体划分的方式将正演公式离散化,以此作为反演的理论基础。重加权聚焦反演和相关成像反演是用于计算地下密度的两种常用算法,目前基于这两种算法的研究通常只使用单一类型的数据,结果的空间分辨能力有待提升;计算中存在正演矩阵消耗大量内存、反演迭代停止难以控制等问题。本文提出了对重加权聚焦反演使用全张量、对相关成像反演使用三分量联合的方式,并改进了算法,提高解的唯一性,使改善的密度分布更加接近地下真实情况,包括:先验密度约束、多分量联合反演,使用决定系数作为迭代停止条件,以及为相关成像反演重新计算密度变化量和使用深度加权矩阵等。通过理论模型试验发现,和其他算法相比,基于重力全张量梯度数据的重加权聚焦反演和基于三分量梯度数据的相关成像反演的空间分辨能力均有所提高,二者在纵向、横向分辨率上各具优势,能更准确识别地质体边界并对相邻地质体进行划分;使用决定系数后,迭代计算能够在得到理想结果后停止,改善了结果的数值精度。在实测数据试验中,利用美国文顿盐丘地区的航空实测数据对算法进行检验,反演结果与其他学者的研究一致,符合地震、测井资料。以上试验证明了改进后的两种反演算法具有良好的可行性和可靠性,均具备一定的抗噪能力。其次,通过对并行计算技术基础的研究,阐述了涉及的并行计算机体系结构类型和并行程序设计模型和编程语言,为并行算法的设计提供理论参考。消息传递接口(MPI)和计算统一设备架构(CUDA)是两种目前主流的并行模式,且广泛应用于地球物理反演的并行算法中。现有的重加权聚焦反演和相关成像反演并行算法缺少关于联合反演的研究,通常只使用单GPU进行并行计算,使算法的加速能力和处理的数据规模有限。根据对两种反演的分析,计算中耗时的部分包括矩阵元素的计算与矩阵-向量乘法,反演中的迭代计算增加了这些耗时部分在总运行时间的比例。在以往的研究及应用中,缺少对大规模正演矩阵引起的内存占用、迭代计算中的内存优化等问题的考虑和程序性能的分析。本文针对上述问题,为重加权聚焦反演使用MPI实现并行计算,利用多节点的内存优势解决了正演矩阵的内存消耗问题,取得了良好的并行效率和可扩展性,最大加速比远高于100;相关成像反演算法的计算量较前者小,为其正演矩阵元素选择即时计算的方式,分别采用基于单GPU和多GPU的CUDA方法进行并行计算,获得了良好的加速效果,当数据量为100?100?20时,最快运行时间小于30分钟,并证明采用多GPU的算法相比单GPU具有更强的加速能力和处理更大数据量的能力;并行算法中采用了按行列划分的方式计算矩阵-向量乘法与矩阵元素,结合改进的反演算法,可减少不必要的进程间通信开销或GPU显存与计算机内存的数据传输;在性能测试中,根据各并行反演算法的特点,分别进行性能指标分析和相关公式推导,使分析的准确性得到提高,同时规范了分析的方法。为了进一步发挥计算机性能,使不同的并行算法均能在相应的计算机硬件上实现、打破单一模式的并行程序在加速性能上存在的瓶颈,联合多种不同的并行方法进行混合编程应成为解决海量数据反演问题的主要手段。本文选取MPI和CUDA以及开源多处理(Open MP)进行混合编程,对相关成像反演分别设计了基于MPI-Open MP、MPI-CUDA和Open MP-CUDA的并行程序,通过性能分析证明了上述混编程序均具有良好的加速能力,混合编程有助于进一步提高处理海量数据反演问题的能力;总结和对比了各并行算法的特点,为以后的研究和应用提供了分析依据。最后,依据文中反演算法及其并行程序各自的特点,选择重加权聚焦反演的MPI程序和相关成像反演的Open MP-CUDA程序构建了混合并行反演系统;该混合系统以集群机的图形处理节点和普通计算节点为平台,能够自动实现数据的输入输出与并行计算,可为输入数据智能地选择反演算法,充分发挥了高精度数据与改进的反演算法的空间分辨率的优势。综上,本文针对基于重力全张量梯度数据的反演算法进行改进,旨在改善密度分布的结果,提高空间分辨率,为并行计算提供准确的算法基础;设计的不同并行算法及程序具有良好的加速能力,能够解决大规模数据量引起的问题,满足深部勘探的高精度海量数据处理与解释的需要;经测试与分析,验证了改进的反演算法及其并行程序的有效性,具有理论意义和实际应用价值,为未来的研究提供了重要参考依据。
【学位授予单位】：吉林大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：TP338.6

【相似文献】

中国期刊全文数据库 前10条

1 郭莹;;数据空间关键问题探究[J];软件导刊;2012年07期

2 厉剑;张绍雄;刘俊杰;李成柱;;大数据引发信息时代新变革[J];大众科技;2013年12期

3 李斌;;大数据及其发展趋势研究[J];广西教育;2013年35期

4 张晓军;孟祥武;;数字化周期[J];计算机科学;2002年05期

5 崔晨;吴扬扬;;基于活动的数据空间数据关系发现[J];微型机与应用;2011年11期

6 贾云得;;微型数字存贮遥测装置数据预存贮方法[J];遥测遥控;1989年06期

7 靳小龙;王元卓;程学旗;;大数据的研究体系与现状[J];信息通信技术;2013年06期

8 朝乐门;;数据空间及其信息资源管理视角研究[J];情报理论与实践;2013年11期

9 黄一凡;;合并分区 数据无损有妙招[J];电脑爱好者;2011年23期

10 葛敬军;胡长军;刘歆;李扬;刘震宇;;面向领域科学数据的虚拟数据空间共享模型[J];小型微型计算机系统;2014年03期

中国重要会议论文全文数据库 前5条

1 李鸿奎;陈洪艳;;大连市房地产基础地理信息系统的设计和建设[A];中国地理信息系统协会第九届年会论文集[C];2005年

2 董彦磊;申德荣;寇月;聂铁铮;;数据空间中数据组织模型以及关联关系发现模型的研究[A];第26届中国数据库学术会议论文集（B辑）[C];2009年

3 庞怡;许洪光;张志敏;;针对海量科技信息的存储研究[A];信息时代——科技情报研究学术论文集（第三辑）[C];2008年

4 季承;;Oracle利用HWM高水标记收缩数据空间方案[A];2013电力行业信息化年会论文集[C];2013年

5 季承;;Oracle利用HWM高水标记收缩数据空间方案[A];2013电力行业信息化年会论文集[C];2013年

中国重要报纸全文数据库 前6条

1 牛泽亚;用户如何在数据空间里“被遗忘”？[N];人民邮电;2014年

2 风格;指引大数据未来发展方向的九大真理[N];中华读书报;2013年

3 录音整理 本报记者 刘文强 杨丰源;创新驱动，奋力奔向大数据时代[N];贵阳日报;2014年

4 中国人民大学信息学院 李玉坤;云计算与数据空间[N];中国计算机报;2008年

5 整理 本报记者 苏丹丹;把握大数据机遇 推动文化产业跨越发展[N];中国文化报;2013年

6 安徽国税局 赵为民;税务综合数据平台的设想[N];计算机世界;2007年

中国博士学位论文全文数据库 前10条

1 李晓娜;面向SaaS应用的多租户数据放置机制研究[D];山东大学;2015年

2 张德兵;基于机器学习的数据补全、标注和检索若干问题研究[D];浙江大学;2015年

3 刘思彤;空间文本数据的查询处理技术研究[D];清华大学;2015年

4 侯振隆;重力全张量梯度数据的并行反演算法研究及应用[D];吉林大学;2016年

5 姜朔;数据空间中数据集成若干关键问题研究[D];东华大学;2014年

6 陈鹏;面向情景感知计算的时空数据管理、查询、分析与相关算法研究[D];华东师范大学;2013年

7 杨丹;数据空间中基于语义的实体搜索关键技术研究[D];东北大学;2012年

8 王晓蕊;华北克拉通地球化学科学数据的管理及应用研究[D];中国地质大学;2008年

9 张晓东;数字河口平台建设关键技术研究[D];中国海洋大学;2009年

10 汪陈应;XML数据编码与存储管理关键技术研究[D];南开大学;2010年

中国硕士学位论文全文数据库 前10条

1 权西瑞;云环境下数据版权保护方法的研究[D];西安建筑科技大学;2015年

2 向兵;中药颗粒调剂设备中辅助硬件及自动封口机的设计[D];东北师范大学;2015年

3 朱跃龙;公安情报自动分类系统的设计与实现[D];电子科技大学;2015年

4 张鹏远;大数据分类存储及检索方法研究[D];西安电子科技大学;2014年

5 王梦佳;DOA下数据注册方法的初步研究与实现[D];成都理工大学;2015年

6 陈启伟;电机状态云监测系统研究与实现[D];浙江大学;2016年

7 崔晨;基于活动的数据空间的数据关系发现和数据重要性评价[D];华侨大学;2011年

8 童蓉;基于GIS的社区公共卫生信息平台应用研究[D];上海交通大学;2010年

9 刘莉;数据空间数据的相关性研究[D];华侨大学;2013年

10 赵宁;数据空间内面向语义的资源组织与管理模型研究[D];东北大学;2009年

，

本文编号：1300997