一种基于CUDA的大数据量地理加权回归并行加速算法

针对传统地理加权回归（GWR）在大数据量计算中存在的计算效率低、内存占用大、数据规模受限等问题，本文提出了快速并行地理加权回归（FPGWR）算法，基于英伟达CUDA架构实现了GWR的并行加速，将串行过程分解为并行的独立回归计算模块，同时优化了内存使用模型，提高了算法的运行速度。对比FPGWR和传统GWR在不同数量级模拟数据上和真实数据上的运行速度，结果显示，FPGWR能够支持更大规模的样本量计算并有效提升运行效率，数据量越大加速效果越显著。