|
|
题目：
雅宝题库答案：
****此区域为收费内容**** 需支付 1 知识币后可查看，1币=0.01元查看答案
雅宝题库解析：
地震资料处理是地震勘探的重要组成部分，而地震成像是地震资料处理中的一个关键技术环节。地震成像具有数据量大、计算时间长的特点，并且随着油田三维高分辨率地震勘探的推广使用，地震数据的采集量的增加，使得地震成像所需的计算周期急剧变长。如何基于目前新兴的通用图形处理器(GPGPU)计算技术缩短地震成像的执行时间、提高生产效率是地震资料处理并行计算领域亟待解决的题目。 目前，计算机行业正在从只使用CPU的“中央处理时代”向CPU与GPU并用的“协同处理时代”过渡。为了顺应这一潮流，英伟达(NVIDIA)公司推出了“统一设备计算架构(CUDA)”并行计算架构与编程模型。它是一个完整的GPGPU解决方案，允许应用程序充分利用CPU和GPU各自的计算能力和优点来解决商业、工业以及科学方面的复杂计算题目，从而为大规模的数据计算应用提供了更加强大的计算能力。 本文的研究内容是在支持CUDA的集群上利用GPU-CPU协同计算技术设计并实现一个并行地震成像软件，达到充分利用GPU与CPU的计算能力、提高集群资源利用率、降低并行开销的目的。在众多地震成像的方法中，本文选用了克希霍夫叠前时间偏移(PKTM)方法，该方法从计算模式上看，与GPU的面向图形图像计算和流计算具有很大的相似性；从并行方法上看，更适合目前GPU的体系结构特点。根据计算平台的硬件层次结构，本文的主要工作可分为三个方面：首先，在GPU层面，采用CUDA编程模型实现了克希霍夫叠前时间偏移，并根据CUDA架构的特点对程序进行了性能优化。其次，在节点层面，采用多线程技术实现了GPU与CPU的异构协同计算。其中，GPU负责叠前时间偏移的处理、CPU负责地震数据预处理，协同计算模式使GPU与CPU可以同时处于忙碌状态，互相掩盖计算时间，提高软件的整体性能。最后，在集群层面，复用了已有软件的分布式架构，在此基础上，针对该架构的性能瓶颈，采用重新设计并行算法、软件流水线、分组广播等技术进行了性能优化。此外，本文还设计并实现了一个分布式程序的动态性能分析工具。 本文的最后通过一系列的实验数据展示了基于GPU-CPU异构协同计算技术的叠前时间偏移算法相对于原算法的性能提升效果，并验证了所采用的优化手段的可行性。结论表明，基于CUDA架构的GPU-CPU异构协同计算技术，可以高效地运用在叠前时间偏移计算中。这将使得石油勘探企业能够极大地减少生产成本，提高生产效益，进而为整个石油工业产生巨大的推动力。 |
上一篇：高速公路可视化建设管理系统的设计与实现下一篇：生物发光成像的光源估计与分析
|
发表于 2022-5-10 07:13:22
中发现Ni：
中发现Ni：
中发现Ni：
中发现Ni：
中发现Ni：
中发现Ni：
QQ登录
