基于非规则类矩形剖分的高效并行海浪数值模式

针对MASNUM全球海浪数值模式,设计了一种负载近绝对均衡的非规则类矩形剖分及计算格点序列化排序与交换方案,建立了高效并行海浪数值模式.基于国家超算济南中心的神威蓝光平台,对建立的全球并行海浪模式进行了1°×1°,(1/2)°×(1/2)°,(1/4)°×(1/4)°和(1/8)°×(1/8)°四种不同水平分辨率的无IO并行测试,测试规模达到131072进程.测试结果表明:随着进程数目的增多,四种分辨率并行模式的计算速度均在提高.当进程数目为基准进程数目的4倍时,四种分辨率的加速效率均在80%以上;当进程数目达到8倍基准进程数目时,1°×1°,(1/2)°×(1/2)°和(1/4)°×(1/4)°三种分辨率加速效率都还在80%以上,而此时(1/8)°×(1/8)°分辨率使用131072进程的加速效率仍可达62%;当进程数目为24倍基准进程数目时,1°×1°分辨率的加速效率可达72%,(1/2)°×(1/2)°分辨率的加速效率为62%,而此时(1/4)°×(1/4)°分辨率使用98304进程的加速效率仍可达到38%.从加速比和加速效率来看,采用非规则类矩形剖分的并行方案可以使得全球海浪数值模式具有高并行效率.     

一种基于MPI的河流生态修复模拟并行算法

河流生态修复模拟评估过程中修复情景的大批量产生特性以及模拟计算结果的高精度要求,使得海量情景的模拟计算工作量巨大。为提高情景模拟计算速度和缩短决策时间,将并行计算技术引入河流生态修复模拟评估过程,设计了基于MPI的并行计算算法,实现了模拟计算的并行化处理。算法包括读取决策变量取值集合和约束条件集合、决策变量取值集合分解、情景生成、情景模拟、模拟结果写入文件等主要步骤,其中设计了自适应集合分解子算法,用以解决并行处理中的负载均衡问题。以永定河生态修复为例,在单机多核计算机平台上应用算法进行了对比实验,在4核平台上使模拟计算时间减少为串行时的近四分之一,加速比达3.8,在万级、十万级和百万级情景数量规模下均保持稳定一致的加速比。实验结果表明:该算法性能稳定,实用性强,可有效缩短海量情景模拟的计算时间,显著提高计算效率。     

单张卫星影像的建筑自动化三维重建

针对基于卫星影像的三维建模在建筑产业、城市规划、文化遗产保护、工业制造等领域中的应用问题,提出了一种基于深度学习的解决方案,着重探讨如何通过高效、迅速的方式生成单张卫星影像中的建筑模型。运用深度卷积网络模型提取建筑足迹,同时,引入了改进的道格拉斯-普克算法对建筑足迹进行规则化,并通过推算建筑高程和屋顶样式识别填充,对建筑模型进行完善。最终,通过综合上述参数输出,成功实现了在单张卫星影像中对建筑进行高效批量重建。     

基于协同计算的白洋淀湿地时序水体信息提取

白洋淀湿地是华北平原仅存的为数极少的湖泊型湿地之一,具有改善生态环境、保护生物多样性等功能。通过遥感手段进行白洋淀地区湿地变化研究,可为景观格局变化、生态环境分析及湿地保护等提供重要的信息支撑,具有非常重要的意义。本文在分析遥感大数据特点的基础上,对遥感应用中的大数据信息提取这一重要环节进行了分析,并以遥感信息计算为切入点,深入分析并总结了遥感大数据计算过程中的多种协同计算问题。结合白洋淀地区长时相遥感湿地水体提取与变化分析的应用需求,本文提出了基于协同计算方式下的白洋淀水体提取技术路线,并详细分析了水体信息计算过程中的几种重要的协同计算问题,提高了水体信息提取的精度。最后,根据白洋淀地区43期（1973-2015年）精确的水体提取信息,统计了白洋淀历史时期水体面积的变化,并指出该区域自1973年以来水体面积经历了“减少-增加-再减少-再增加”的变化过程。     

基于云计算的空间矢量数据并行处理

研究了提高空间矢量数据运算效率的分布式并行处理方法, 基于微软Azure云平台设计了适用于矢量数据并行处理的3种架构方式:中心负载均衡架构、分布式静态负载均衡架构、分布式动态负载均衡架构, 并分别搭建原型系统对小规模偏态分布数据和大规模数据进行叠置分析测试。试验结果表明, 基于Azure云的分布式动态负载均衡架构版本原型系统可大幅度提高计算效率, 对小规模偏态分布数据集可以达到超过10倍的加速比, 对大规模数据集的分析计算更是达到了超过40倍的加速比, 证明基于Azure云的分布式动态负载均衡架构方法是提高空间矢量数据分析效率的有效方法。     

异构环境下的快速质量引导相位解缠算法

提出了一种异构环境下的快速质量引导相位解缠算法。将干涉相位图进行分块,载入图形处理器(GPU)中共享存储器,实现干涉相位质量图的高密度并行计算。然后将质量图下载到主机内存,通过CPU进行量化质量引导,求解最终的解缠相位。该算法充分利用了GPU和CPU的计算特点实现快速质量引导相位求解。最后通过对InSAR和InSAS干涉相位图的解缠试验验证了所提算法的高效性。     

利用多任务级联网络解决6D Pose预测问题

针对基于单张RGB(red-green-blue)图像预测目标6D Pose的问题,设计了多任务级联结构的卷积神经网络(convolutional neural networks,CNN)和BBE(bounding box equation)算法实现快速高效的6D Pose预测.在LINE-MOD数据集上进行实验,并与...     

SA*：一种多线程路径规划算法

路径规划问题是路网交通应用中的一个基础问题。A*算法是一个求解点到点最短路径问题的高效算法。但随着路网数据规模的增长,A*难以保证求解的实时性。利用并行计算进行加速是常用的算法性能提高手段,然而A*算法是由一系列前后依赖的迭代步骤组成,因此难以进行直接的并行化。本文提出一种分段化搜索的改进A*算法（SA*）。该算法在搜索路径前先选择若干可能在最短路径上的结点作为导航点,然后多线程并行地分别求出导航点之间的最短路径,并拼接这些路径作为原问题的一个近似解。分段搜索本身可以减少路径规划的搜索空间,借助多线程并行则可以进一步提高求解速度。实验结果表明,在真实路网数据上,利用16核的机器,SA*的性能可以达到A*算法的10-30倍。     

并行处理技术在全球海量地理信息数据质量控制中的应用

针对全球海量地理信息数据成果数据量大、数据类型丰富、质量检查内容多的特点,本文将分布式并行计算技术、多线程技术应用到地理信息数据质量控制体系中,基于MapReduce框架实现了多源多时相海量数据并行质量控制,把算法结构由一个周期执行一个操作改造为一个周期执行多个操作的并行处理,从根本上解决重复操作多、计算慢的质量检查难题。选取核心矢量要素、DOM成果、DEM成果作为典型数据案例开展效率对比试验。试验结果表明,该技术方案的处理效率比传统技术方案提高2~3倍,有效地压缩了任务执行时间,节约了任务执行成本,实现了对海量地理信息数据的快速质量控制,保障了全球地理信息数据的成果质量。     

基于网格的高性能地理信息系统初探

网格技术不仅可以解决由于WebGIS缺少"集成"和"互操作"所造成异构GIS应用之间的数据共享与互操作问题;而且可以结合高性能计算手段解决GIS扩展应用中的高密集的计算问题。Grid GIS不仅能为应用提供丰富的各类GIS资源,而且为解决分布异构环境下的GIS共享以及互操作提供了可行的解决方案。然而如何利用Grid技术为那些异构GIS应用提供高性能计算服务,成为一个值得探索的问题。为此,本文初步探讨了基于Grid的高性能GIS的体系结构、整体布局等关键技术,同时对如何构建高性能的GIS服务节点提出了相应的解决办法。