基于MPI+OpenMP的三维声波方程正演模拟

针对三维声波方程数值模拟的大计算量和大内存消耗问题,研究并实现了基于MPI+OpenMP的三维声波方程数值模拟并行算法,在PC-Cluster的计算节点间采用基于MPI的按炮分任务的多进程并行模式,在计算节点内采用基于OpenMP的按空间分任务的多线程并行模式,以有效地利用计算和存储资源。3D-Overthrust模型的实验结果显示,基于MPI+OpenMP的三维声波方程数值模拟并行算法的计算效率与基于MPI的按炮分任务并行计算模式相当,但其内存消耗远远低于后者,其更适合于基于大模型或实际模型的三维模拟。     

海洋-声学-探测模型的并行预报技术研究

针对声纳探测性能预报的需求,建立了海洋-声学-探测模型,实现了并行计算。该模型将海洋数值预报模式、声学模式与海洋观测资源进行整合,辅以战术需求,实现了对水声环境和声纳探测性能的动态预报和估计。同时,结合高性能计算机系统,设计并实现了模型的并行算法,结果表明,该程序具有较高的并行性能,较好地满足了声纳探测性能预报对实效性的要求,为形成业务化海洋水声环境预报能力打下了良好的基础。     

基于FIO-COM的海洋声学预报系统的构建与应用

将海洋模式与声传播模型结合在一起,设计开发了一种适用于高性能计算机的全球海洋声学预报系统FIO-GOAFS,该系统以自然资源部第一海洋研究所全球0.1°分辨率海浪-潮流-环流耦合模式（FIO-COM）为基础,利用海洋模式预报的温、盐、深参数计算声速剖面,并对声速剖面进行水声环境特征诊断,之后将海洋模式与水下声场传播模型协同连接,结合地声模型（海底地形和底质参数）,实现了全球海域的水声环境特征诊断及水下声场及相关结果的预报。海洋模型提供水下声学预报所需的水体声速、海浪波高等参数,地声模型提供海底地形、底质声速、密度以及衰减等参数,通过调用海洋-声学连接模块提取声传播路径的地形及海洋环境参数剖面,实现海洋模型和声学模型的有效连接。全球海洋声学预报系统在高性能计算机上并行实现,主要包括声场计算中的频点、方位角并行以及声学预报时针对地理空间区域的并行。最后,利用该系统预报并分析了全球海域的水声环境特性及声呐作用距离的季节变化和空间分布特征,为现代声呐的设计、操作和水下应用提供参考。     

基于Python的并行编程技术在海洋数值预报批量二维绘图中的应用

针对海洋数值预报产品批量二维绘图占用时间较长的瓶颈问题,在对当前流行的数值模式产品绘图软件进行对比研究的基础上,利用Python语言多种库函数对海洋数值预报产品批量二维绘图进行高效并行优化处理,并对多进程编程方法在不同规模下的并行效率进行了测试分析。实验结果表明:此批量二维绘图方案高效稳定,可为数值模式产品批量二维绘图业务化运行提供有效技术支撑。     

基于模糊C均值聚类的大尺寸图像目标检测加速方法

利用模糊C均值(FCM)聚类算法对大尺寸图像进行目标检测时,由于样本数量巨大,算法运行时间过长,不利于信息的及时处理。为提高大尺寸图像检测效率,给出了一个CPU+GPU平台下的详细加速方案。该方案利用CUDA并行技术,将FCM聚类等操作放在GPU端处理。同时,对只能在CPU端执行的操作,利用OpenMP技术并行。对四幅大尺寸(15884×3171)全极化SAR图像进行检测,平均加速约84.02倍。此外还利用MPI并行技术在双节点上实现了对四幅全极化图像的同时检测。     

POM海洋模式的并行算法

POM模式目前尚无正式发布的并行版本。通过对POM串行程序的数据流向分析,讨论了POM模式并行化所涉及的关键算法和主要技术问题;并基于消息传递接口(MPI),研发了POM模式的并行版本。测试结果表明,POM并行软件效率较高,达到了业务化要求,业已应用于国家海洋信息中心的再分析业务化系统中。     

基于MPI的LAGFD-WAM海浪数值模式并行算法研究

在LAGFD-WAM海浪串行数值模式基础上,利用MPI信息传递机制实现其并行化。通过对模拟区域合理划分,对数据采取分块加载,实现了各个节点的负载平衡;通过对算法的改进实现了粗粒度计算,大幅度减少了通信量,从而提高了程序的执行效率。对串行计算和并行计算的效率比较表明,本文建立的方法能够得到较高的加速比。对全球海浪模式,加速比和CPU数目大致呈线性关系。对高分辨率的区域海浪模式,在128 CPU条件下加速比可以达到91.9。     

双参数CFAR舰船检测算法两种实现方法之分析与比较

双参数CFAR舰船检测算法在编程实现时,有常规实现方法和基于积分图像的两种常见方法。对这两种实现方法的时间复杂度进行了详细的分析和比较,并通过数据实验验证了分析的正确性。分析表明,对于常用的检测窗口尺寸,常规实现方法的复杂度和执行时间均低于基于积分图像的实现方法。但若需要对同一幅图像,改变检测窗口尺寸进行多次检测时,后者则具有一定优势。在图像尺寸和参数已定的情况下,有助于研究人员在两种实现方法之间做出选择。此外还对两种实现方法进行了OpenMP并行实验,结果表明常规实现方法的并行效率略优于基于积分图像的实现方法,但两者均不理想。     

MASNUM 海浪模式的代码现代化优化

海洋数值模式当前已经成为海洋研究和预测的核心工具,其高分辨率。多物理过程的发展趋势对数值模式计算速度也提出了越来越高的要求。为了使得海洋数值模式更好的适应计算机基础架构,充分发挥现代化计算机体系的计算特点,提高计算效率,本文提出了一种简单易行且有效的代码现代化优化方案,并以MASNUM海浪模式为例进行了测试。首先利用诊断工具Intel Vtune Amplifier XE和Intel Trace Analyzer Collector,对模式的性能和负载均衡性进行了分析;之后,针对热点函数,在单节点上制定了4个优化步骤,包括编译器选项优化,串行和标量优化,向量化和OpenMP并行优化。结果表明,经过优化后,单节点内模式的计算速度可以提高1.95倍,多节点的模式强扩展性呈线性。这表明本文提出的代码现代化方案是一种行之有效的优化方法。     

基于不规则矩形划分的高效海洋环流数值模式并行算法

使用序列化和不规则矩形划分的方法,开发了基于消息传递接口(MPI)的环流数值模式并行算法,并通过邻近点交换策略(NPES)进一步提升了计算效率。在HP C7000刀片系统上设计了两个实验,数值结果表明,使用了NPES的并行版本(PVN)的计算效率要高于原并行版本(PV)。在第二个实验中当进程数为100时PVN的计算效率仍可达到0.9以上,然而此时PV的计算效率已迅速下降至0.39。并用环流模式的PVN版本对一个高分辨率的区域进行了模拟,效果较好。该算法具备普适性,可用于其它环流模式的高效并行。     

水声宽带信号波形预报技术研究

为了实现远程水下目标微弱信号检测,掌握远程传输后信号波形的特征,水声宽带信号波形预报技术是研究水下信号精细化特征研究的重要突破口之一.针对宽带信号,采用波束位移射线简正波(BDRM)频域合成波形预报算法和 BELLHOP 射线时域波形预报算法,获得宽带信号远程波形预报模型,并在浅海负跃层和深海声道两种典型海洋环境下,利用上述两种宽带波形预报算法,仿真计算了宽带信号远程波形,比较了两种波形预报算法精度.结果表明,在一定条件下,两种模型具有同等计算精度,可满足不同条件下的信号波形预报需求.     

VC++与Matlab混合编程的图像处理

主要讨论了VC 与M atlab混合编程的两种常规方式,给出了利用M atlab数学函数库混合编程的实现方法,指出了常规方式存在不足的同时,提出了另外两种方法,实现了利用M atlab数学函数库和编译器结合VC 混合编程的新方法,充分发挥了VC 有效运算速率与M atlab强大矩阵运算的优点。实验结果说明本文所提方案可行,适用于图像处理。     

一种水声组网定位一体化系统设计与实现

水声网络已在海洋信息立体化获取、传输、感知领域中得到广泛研究和应用,水声网络节点的位置是水声网络协议设计、多样化应用中常常需要的重要信息。依托全球定位系统定位、采用常规水声定位技术获取水声网络节点位置等解决方案存在着无法直接水下应用、多节点需多次定位效率低、需要精确时间同步等问题。提出一种水声组网定位一体化方案,该方案利用水声网络运行过程中网络节点互联互通进行的交互可以直接通过应答测距方式进行节点位置解算,从而实现在不影响网络通信的情况下,无需精确同步的通信定位一体化功能。给出了系统组网通信、测距、定位、误差校正等核心环节的设计过程,设计了一套小规模水声网络通信定位试验系统,并开展湖试试验。湖试试验结果初步表明了该系统组网、定位一体化的有效性。     

基于WRF模式的青岛近海能见度算法比较研究

采用GFS背景场资料和ADAS资料同化系统,使用WRF模式对2014—2016年青岛近海17个海雾个例进行了模拟,分析了3种能见度算法的预报效果。结果表明,FSL(Forecast Systems Laboratory)算法对于沿海站、岸基站雾的预报较SW99(Steolinga and Warner 1999)算法有优势;对于海岛站而言,SW99算法则优于FSL算法。混合算法CVIS(Combined Visibility)较单一算法预报雾准确率有所提高。3种能见度算法基本上是高估能见度的,SW99算法能见度预报均方根误差最大。另外,SW99算法对沿海站、岸基站雾开始时间预报较实况多偏晚,结束时间预报较实况多偏早,持续时间预报较实况多偏短。     

南海及邻近海域大气-海浪-海洋耦合精细化数值预报系统研制

本文主要介绍了南海及邻近海域大气-海浪-海洋耦合精细化数值预报系统的研制概况。预报区域为99°E~135°E,15°S~45°N,包括渤海、黄海、东海和南海及其周边海域。为了给耦合预报模式提供较准确的预报初始场,在预报开始之前,分别进行了海浪模式和海洋模式的前24小时同化后报模拟。海浪模式和海洋模式都采用了集合调整Kalman滤波同化方法,海浪模式同化了Jason-2有效波高数据;海洋模式同化了SST数据、MADT数据和ARGO剖面数据。为了改进海洋温度和盐度的模拟,我们在海洋模式的垂向混合方案中引入波致混合和内波致混合的作用。预报系统的运行主要包括两个阶段,首先海浪模式和海洋模式进行了2014年1月至2015年10月底的同化后报模拟,强迫场源自欧洲气象中心的六小时的再分析数据产品。然后耦合预报系统将同化后报模拟的结果作为初始场进行了14个月的耦合预报。预报产品包括大气产品（气温、风速风向、气压等）、海浪产品（有效波高和波向等）、海流产品（温度、盐度和海流等）。一系列观测资料的检验比较表明该大气-海浪-海洋耦合精细化数值预报系统的预报结果较为可靠,可以为南海及周边海洋资源开发和安全保障提供数据和信息产品服务。     

一种分布式环境下高效查询算法

很多交互系统需要实时返回潜在的数据空间中最重要的前k条记录,即为top-k查询。当今大数据时代,面对海量更加复杂的数据,输出这种top-k记录是一个非常具有挑战性的问题。传统的方案主要采用基于阈值的方法,然而对分布式系统来说,这些方法是比较耗时的,并且需要巨大的通信量。随着网络流量的增加,这些问题会变得无法解决。本文提出了一种新颖的top-k算法PCMRA(Data Partitioning and COIT Indexing Top-k query Algorithm based on MapReduce)。该解决方案构造了预处理结构COIT(候选对象索引表),并采用数据分割策略和并行编程框架MapReduce,一轮通信就可以完成top-k查询。此外本文还对算法给出了正确性证明和理论分析,并且实验表明该算法仅需要较小的空间开销和较短的时间代价,即可筛选出较少的候选对象,大幅度节约了计算和通信资源,并且算法具有良好的可扩展性。     

一个基于GPU并行加速的海啸数值模型

地震海啸通常发生在大洋板块向陆地板块俯冲的区域,距离震源最近的国家和地区往往在震后5～20 min之内就会遭受到海啸袭击。因此,及时的海啸预警和准确的海啸预报结果对于民众和决策者都至关重要。为了提升海啸预警效率,缩短海啸预报时间,本研究对COMCOT海啸数值模型进行了基于图形计算单元GPU的二次并行开发。将原模型中海啸传播计算模块通过CUDA＿C语言编写内核函数整体移植到GPU上并行加速,CPU负责模型其他代码的执行。为了减少CPU和GPU之间的数据通信,将吸收边界和变量更新函数一并改写。仅在需要输出的时间节点,GPU向CPU传递结果,其他时间步长,CPU和GPU之间只有指令和少量参数传输,基本可视为零耗时。基于GPU并行加速的COMCOT较串行版本效率提升超过67倍,加速性能显著优于基于CPU共享内存的OpenMP并行版本。交叉使用常水深和真实地形,采用均匀滑移海啸源和有限元海啸源对模型的计算结果进行了较为全面的分析检验,相对误差最大不超过1%,为大范围的越洋海啸实时计算提供了有力工具。     

第一猜测谱运行范围对MPI方法SAR海浪方向谱反演结果的影响

欧空局相继发射的多颗海洋卫星专门设计了波模式SAR数据,提供了27a全球二维海浪的连续观测。批量数据的精确反演对于海浪研究、海浪预报、海洋产业和军事活动至关重要。本文使用ORSI/OUC研发的基于MPI方法的卫星SAR海浪方向谱反演程序,研究了第一猜测谱运行范围对反演结果的影响。对西北太平洋17 000幅波模式SAR数据进行批量处理,发现反演程序中MPI非线性反演方法第一猜测谱的运行范围对反演结果的能量密度、波长、传播方向和谱形结构有程度不同的影响,文中给出一个实例。进而选择10°S~70°N,90°E~170°W运行范围,利用NOAA/NDBC浮标数据,对17 000个反演的海浪方向谱数据进行同步印证,相对误差为4.5%,均方根误差为0.52m,偏差为0.01m。     

海中平均声场的数值模拟Ⅰ

水声传播规律是海洋声学研究的基本课题.利用电子计算机进行声场的数值模拟是研究声传播规律的重要方法,数值模拟也是声场数值预报的基础,近年来得到了迅速发展.国外已提出了许多种声场数值模拟方法[1-6],各种方法有不同的适用范围.     

MPI环境下基于边界校正方法的海洋模型的并行化

基于区域分解技术,设计了一种针对海洋模型的边界校正方法,该方法不需要对原有海洋模型进行较大改动,只需要利用消息传递接口(message passing interface,MPI)编写子区域间的数据传输模块,即可实现原有海洋模型的并行化。相对于重新开发并行系统,该方法能够较快把原有模型的串行解决方案转化为并行解决方案,并且并行化后的海洋模型能够获得较高的加速比。