采用动态负载均衡的LiDAR数据生成DEM并行算法

随着高性能计算的发展,并行技术已经广泛应用于LiDAR数据的分析处理。本文针对现有LiDAR数据生成DEM并行算法所存在的负载不均衡问题,设计并实现了动态负载均衡的LiDAR数据生成DEM并行算法。该算法采用主从式并行策略,管理进程负责LiDAR点云的高效自适应条带划分,计算进程负责LiDAR点云生成DEM的计算。本文设计了任务量的动态调度策略:首先,由所有进程并行创建任务量由大到小排列的待处理任务队列;然后,管理进程根据计算进程的反馈对待处理任务进行动态分配,以达到负载均衡。在24 核集群环境下,用30 GB(约12 亿点)LiDAR数据对本文算法进行测试,生成分辨率为1 m的格网DEM,算法加速比峰值达到15.16;同时,与静态调度策略进行对比实验,结果显示本文的动态负载均衡策略可更好地保证进程间的负载均衡,有效地提高了LiDAR生成DEM并行算法的整体效率。     

并行地理计算算法性能评测技术研究

从并行地理算法的正确性评测、性能评测、评测流程和评测工具实现等角度,研究了高性能集群环境下的评测技术。在正确性评测假设基础上,将评测用例在不同进程数环境下的计算结果与该算法在单进程环境下的运算结果逻辑求差得出相对误差,提出了问题规模计算方法。根据评测用例的问题规模确定评测用例的权重,提出了性能指标和评测流程,并通过评测工具自动获得同一个并行地理计算算法。在多个不同评测用例下的评测指标来衡量算法的计算误差与性能,形成评测报告。经实验验证,本文方法能较好地满足并行地理计算算法评测的需求,为并行空间分析算法性能优化提供技术保障。     

基于密度的线数据分组算法研究

目前,地理空间数据面临着由于数据量膨胀和计算量高速增长而引起算法效率低的问题,采用"分而治之"的数据分组策略提高运算效率已成为研究的热点。面向分布不均匀的线数据,本文提出了基于密度的线数据分组算法(简称LGAD)。首先,算法通过查找高密度区提取样本线段,保证了分组算法的起点落到高密区;其次,考虑线空间拓扑关系的复杂性,引用水平、垂直和夹角距离度量线段间距离,创建样本线段与其他线段的距离矩阵;最后,以距离矩阵和最优选择方法实现数据负载均衡分组。实验结果显示,对数据分组和分组后数据进行线段聚类的2个过程中,该算法体现了较好的时间优势,与串行计算相比,在分组数为2-12 时,平均比率达4.3,提高了应用的响应速度,具有较好的实际意义。     

地震精密水准网平差的一种高效算法研究

传统的地震水准网平差计算方法因需要进行大量的“零乘积”运算而致使运算效率低下，不适用于数据量较大的地震水准网计算工作。针对地震水准网平差计算过程中法方程系数具有对称正定的特性，利用变量循环重新编号法进一步提升运算效率。利用新算法进行数据平差计算，对比验证结果表明，与传统算法相比，地震精密水准网型越复杂，新算法节省的时间越多。     

云计算集群系统负载均衡算法的熵判定值

分析云计算集群系统与热力学系统的内在相似性,建立云计算集群系统的物理模型.从熵及广义复杂度两方面入手,探讨云计算集群系统均衡负载问题与能量的关系,推出云计算集群系统达到均衡状态所消耗的基本能量值.基于基本能量值,进一步推出云计算集群系统均衡负载的算法复杂度熵判定值,为后期负载均衡算法的改进提供参考标准.     

关于原码除法加减交替算法运算精度的探讨

通过对原码除法加减交替算法运算精度的研究,探讨了该算法在运算过程中存在的误差及产生的原因。针对提高运算精度给出两种修正方法,并在运算精度、运算速度和实现方法等方面进行对比。得到了较为实用的修正方法。     

全空间下并行矢量空间分析研究综述与展望

新一代并行空间分析将面临空间大数据分析和实时空间分析服务的挑战。矢量空间计算作为GIS系统中的重要组成部分,在并行化算法设计中存在负载不均,并行扩展性差,IO性能低等技术瓶颈。本文首先从应用需求和技术发展的演变历史回顾了矢量空间分析算法发展过程;然后,从研究现状的角度详细阐述了并行矢量空间分析计算的研究成果,总结了并行空间分析算法的算法特征和技术瓶颈,对不同并行编程模型进行了对比,并提出了并行空间分析算法的研发流程;最后,从发展前景的角度预测了全空间信息系统中基于多粒度时空对象的空间数据模型和计算方法的发展趋势,提出了以内存计算等技术实现存算一体化的新型空间数据模型和分析方法的技术趋势。     

基于计算网格的DEM空间分析系统

计算网格技术可以解决DEM空间分析中大数据量和高密度计算对计算资源的需求。计算网格平台Alche-mi给出了模型系统的架构设计和层次设计,将系统划分为DEM分析服务器、计算网格节点和空间数据库服务器;通过集中式空间数据库服务器和基于数据分解的方法设计了系统的并行算法。实例结果表明,应用网格技术可以显著提高大计算量DEM模型分析的运算效率,具有重要理论和现实意义。     

GPU加速的改进PAM聚类算法研究与应用

空间聚类是空间数据挖掘的重要方法,而K-Medoids是一种常用的空间聚类算法。K-Medoids聚类算法存在初始点选择问题,而且计算复杂。为了提高算法的有效性和时间效率,本文结合模拟退火算法思想,改进了传统的K-Medoids算法PAM,提出一种基于GPU计算的并行模拟退火PAM算法。类比矩阵乘法运算,定义了一种新的矩阵计算方法,可以有效减少数据在GPU全局内存和共享内存之间的传输,提高了算法在GPU中的执行效率。利用模拟退火算法搜索聚类中心点,保证了聚类结果的全局最优性。基于不同的数据集,将串行和并行模拟退火PAM算法以及已有的遗传PAM算法进行比较,结果表明并行模拟退火PAM算法聚类结果正确,且时间效率高。最后,应用本文改进算法对贵州省安监系统的安全监管隐患数据进行聚类分析,发现了隐患聚集中心,相关结果对政府的决策具有一定的实际应用价值。     

污水土地处理系统中氮迁移转化数学模拟

通过对氮素在土地系统中迁移转化的物理、化学机制的分析,建立了不同土壤环境带的分段数学模型。在沈阳西部污水慢速渗滤土地处理系统的实例计算中,进行了氮迁移转化的数学模拟。模拟过程中,建立了求解速度场的水量数学模型并同水质迁移转化的分段数学模型藕合,拟合效果较好。