分布式水文模型的GPU并行化及快速模拟技术

分布式水文模型对流域水文过程的应用深度及广度不断加深,常与数值天气及气候预报相结合,面临巨大的计算量。近年来GPU技术的进步使普通电脑能够实现高效而又廉价的并行计算。提出了资料插值、单元产流以及单元汇流采用GPU并行计算,马斯京根法河道汇流采用一种非并行的递归方法。基于笔记本电脑和NVIDIA GPU/CUDA结合C#语言,由分布式新安江模型在沂河流域的模拟应用表明,降水量空间插值及新安江产流的并行执行效率为普通CPU上C#的8~9倍。使用直接递归法实现马斯京根汇流演算比以往采用汇流次序表的执行效率提升0.5~0.9倍。     

一种基于横向或纵向扫描线处理的填洼算法

针对传统PlanchouDarbous算法采用递归执行方式导致处理效率低下等问题,该文提出了一种适合基于CUDA的GPU并行执行的DEM洼地填充算法。此算法采用淹没-排水思路,多次推进式扫描完成排水;在串行执行和并行执行两种方式下,算法处理有所差异,其中串行算法代码更短;串行算法的时间复杂度为O(n),测试结果表明串行执行时快于PlanchonDarboux算法,且在CUDA环境下的并行执行用时不到串行执行用时的一半。算法思路简单,易于编程实现。     

多核并行环境中矢量数据格式的转换算法

针对目前对VCT格式转换的并行算法研究较少的现状,该文以VCT向shapefile格式转换为例,探索多核并行环境中进行VCT格式向其他矢量数据格式快速转换的方法:在深入探索VCT与shapefile格式特点的基础上,通过构建索引、数据解析转换,完成由VCT向shapefile格式的转换;并设计出一种顾及负载均衡的数据划分方法,通过评估不同类型图层的复杂度实现不同类型矢量数据的均衡划分,实现了VCT向shapefile格式转换的并行算法。最后利用某地土地利用VCT文件进行算法测试,结果表明该算法转换结果正确,取得了良好的加速比,并基本达到负载均衡。     

格网DEM侵蚀学坡长并行计算方法

针对现有侵蚀学坡长串行算法在处理大区域海量数据时计算能力的不足,基于消息传递接口(MPI)并行化工具,提出了一种格网DEM的侵蚀学坡长并行计算方法,采用缓冲区更新计算策略,解决了并行计算过程中的数据依赖性问题。选取陕北黄土高原的两组不同分辨率的DEM数据对并行算法进行了测试,结果表明,提出的并行计算方法可以有效降低侵蚀学坡长的计算时间,并取得了较好的并行效率。     

基于WebGL的三维符号绘制技术研究

随着社会的进步、时代的发展,人们越来越关注有关部门对应急事件的处理效率和办事效果。面对变化莫测的突发情况、纷繁复杂的任务要求,多部门联合办公成为解决应急事件的关键所在。利用Web GL技术直接调用计算机图形处理器(GPU)进行三维符号的快速绘制,可以实现各部门指挥系统符号的统一并实现跨平台使用,有效提高了有关部门对应急事件的处理效率和办事效果。     

基于GPU的HOTPANTS并行优化

HOTPANTS是天文领域的重要工具,它主要是天文图像相减技术的具体实现,在凌日行星观测、引力透镜观测、寻找超新星以及发现天文现象的数据处理中发挥着重要作用。现阶段HOTPANTS经常被用在天文实时观测数据处理的流水线上,但是HOTPANTS在处理大规模的天文图像(7 K×7 K-10 K×10 K)时十分耗时。在分析HOTPANTS的性能瓶颈之后,提出并实现了基于图形处理器(Graphic Processing Unit,GPU)的HOTPANTS的并行优化方法。优化的HOTPANTS在处理大规模图像时,整体性能提升了2~3.5倍,卷积部分计算效率提升了6~13倍,并且通过图形处理器优化之后HOTPANTS的误差在天文领域是可以接受的。     

VLBI相位校正信号提取的软件实现方法

从VLBI相关处理结果中提取的延迟值包括了天线、终端等设备的时延,必须对其加以修正,最终结果才能达到精度要求。提取相位校正信号,可以消除这些设备引入的时延,从而校正同一波前信号到达基线两端的几何时延。该文介绍了提取相位校正信号的原理、算法及软件实现方法。软件采用多线程和SSE技术,具备4台站多通道全部相位校正信号提取能力。     

DEM与地形分析的并行计算

总结了数字高程模型构建、特征提取等并行算法的研究进展,概述了不同并行算法的主要内容;探讨了DTA并行技术在海量地形数据可视化和高性能地学计算的应用,随着DEM的需求日益增大,高精度、高分辨率DEM产品及其附加服务也逐步产品化。最后,通过分析并行计算发展的关键问题,提出DTA并行技术的研究趋势及研究意义,合适的数据划分和结果融合策略、通用并行算法、容错机制和负载均衡策略的设计是今后研究的重要内容,尤其是如何在多种计算模式共同发展的背景下利用并行计算解决地学难题,从而得到更接近现实世界地理环境的模拟,并扩大数字地形分析的应用范围。     

基于CUDA的海量点云数据kNN查询算法

通过激光扫描技术获得的点云数据量十分巨大,如何利用k最近邻域(k-nearest neighbors,kNN)查询重建海量点云中各采样点间的拓扑关系,对点云数据的后续处理至关重要。在深入研究GPU编程技术的基础上,将GPU通用计算引入到点云数据的kNN查询问题中,提出一种通过CUDA实现的基于外存的双层查询结构。试验结果表明,该方法与传统算法相比在查询效率上有较大提升,最大增幅可达53.8%。