基于粗细网格的有限元并行分析方法

并行计算己成为求解大规模岩土工程问题的一种强大趋势。探讨了粗细网格与预处理共轭梯度法结合的并行有限元算法。从多重网格刚度矩阵推得有效的预处理子。该算法在工作站机群上实现。用地基处理时土体强夯的数值模拟分析进行了数值测试,对其并行性能进行了详细分析。计算结果表明：该算法具有良好的并行加速比和效率,是一种有效的并行算法。     

河外H_2O超脉泽辐射

介绍了近年来河外Ｈ２Ｏ超脉泽的主要观测结果。Ｈ２Ｏ超脉泽通常起源于活动星系核中央的拱核盘。它们主要寄生在 Ｓｅｒｆｅｒｔ ２星系或低电离核区。至今为止，已有２０个星系探测到Ｈ２Ｏ超脉泽。脉泽辐射的各向同性光度为１０～６０００Ｌ⊙。所有超脉泽星系显示出核的活动，显然，脉泽是由核活动所产生的射电和Ｘ射线光子或激波来抽运的。Ｈ２Ｏ超脉泽倾向存在于高倾斜度的星系，这使得沿视线上的分子柱密度增高，产生足够大的放大光深。最有可能产生Ｈ２Ｏ超脉泽辐射的星系应有一个包含着射电源的侧向的分子盘以及一个适当的抽运机制。     

基于Web的地下管网溯源分析算法研究

利用.NetCore的并行运算机制,实现基于Web的高性能地下管网的溯源分析功能.实践证明当某点管网数据监测出现异常时,能够快速分析所有可能流经该点源头管网信息,并在地图上动态展示分析结果,达到快速定位查询管网源头的区域管理目的.     

多作业管理方式在风能资源数值模拟中的应用

通过对MM5和CALMET风能资源数值模拟耦合模式的计算流程分析,基于并行运算思想,设计了MM5和CALMET耦合模式模拟运算的多作业管理方式。在浙江省风能资源高分辨率数值模拟试验中,完成浙江区域1个月时间段的风能资源参数模拟运算,MM5和CALMET耦合模式在实施多作业管理方式前后,CALMET模式的运算时间由原来的1501.2 min缩短为149.5 min,运算时效提高了9倍;整个耦合模式的运算时间由原来的1709.9 min缩短为358.2 min,运算时效提高了4倍。数值模拟试验证实了多作业管理方式可在现有计算资源的基础上,大幅提高数值模式的运算时效,且随着数值模式模拟时间段的加长和模拟区域范围的扩大,多作业管理方式对数值模式运算功效的增强越加明显。     

基于Python的“地理处理”并行方案

在传统方式下,ArcGIS地理处理工具的执行过程不能充分利用高性能多核计算机的全部运算能力处理日益增加的地理数据,导致数据处理效率低下。本文在分析地理处理工具特点的基础上,充分利用Python语言的并行编程特点,构建具有通用性的地理处理任务并行运行解决方案。结合ArcGIS软件自身的特质,有效解决了并行运行所带来的数据竞争、数据共享与进程通讯等问题,达到了一定硬件环境条件下ArcGIS工具执行效率最大化的目的。通过典型地理处理任务中不同运行方式效率的对比测试与分析,证明了并行运行的有效性。     

基于三角网渐进式简化的等高线多尺度综合

提出了一种基于三角网渐进式简化的等高线多尺度综合方法,实验结果表明,其不仅可以较好地保留地形特征,而且可以完全避免等高线相交现象的产生.     

不同布缆方式锚碇沉管管段运动的数值模拟

通过建立波浪作用下锚碇沉管管段运动的时域数值计算模型,对锚碇沉管的运动响应及锚碇缆受力特性进行了研究。应用集中质量法求解锚碇缆力,应用四阶Runge-Kutta法求解管段时域运动方程,计算了在不同沉深、不同周期、不同波高和不同波向条件下沉管管段的运动幅值和锚碇缆力。数值计算的结果表明:锚碇沉管的锚碇缆对沉管管段的运动起到一定的约束作用,在沉放深度较浅、波浪周期较大时,锚碇缆对沉管管段运动幅度的制约更为明显。通过五种布缆方式的计算与分析,探讨了布缆方式对沉管管段运动响应及锚碇缆受力的影响,并给出了较为合理的布缆方案。     

A machine learning approach for predicting computational intensity and domain decomposition in parallel geoprocessing

ABSTRACT

High performance computing is required for fast geoprocessing of geospatial big data. Using spatial domains to represent computational intensity (CIT) and domain decomposition for parallelism are prominent strategies when designing parallel geoprocessing applications. Traditional domain decomposition is limited in evaluating the computational intensity, which often results in load imbalance and poor parallel performance. From the data science perspective, machine learning from Artificial Intelligence (AI) shows promise for better CIT evaluation. This paper proposes a machine learning approach for predicting computational intensity, followed by an optimized domain decomposition, which divides the spatial domain into balanced subdivisions based on the predicted CIT to achieve better parallel performance. The approach provides a reference framework on how various machine learning methods including feature selection and model training can be used in predicting computational intensity and optimizing parallel geoprocessing against different cases. Some comparative experiments between the approach and traditional methods were performed using the two cases, DEM generation from point clouds and spatial intersection on vector data. The results not only demonstrate the advantage of the approach, but also provide hints on how traditional GIS computation can be improved by the AI machine learning.     

双线平行盾构隧道施工引起的三维土体变形研究

基于双线水平平行盾构施工中土体损失引起的土体变形二维解析解,建立土体变形三维解析解。取不同的纵向位置作为变量,建立土体损失率沿纵向的变化方程;考虑先行隧道施工对后行隧道的影响,分别计算两条盾构隧道施工引起的土体变形,叠加得到双线平行盾构施工引起的土体总变形。其方法能够计算土体深层沉降和水平位移,较精确地反映土体三维变形。算例分析结果表明：预测值与实测值较为吻合;土体沉降随着离开挖面距离的增加而不断增大,最终在x = -40 m左右时趋于稳定;随着先行隧道与后行隧道开挖距离的接近,最大土体总沉降量逐渐增大;土体沉降会随着深度z的增大而略微增加,但沉降槽宽度将略微减小;随着两条隧道轴线水平距离L的增大,最大土体沉降逐渐减小,沉降曲线形状慢慢由V型转变成W型,不再符合正态分布规律。