CN103229180B - 利用优化的地球模型表示提高计算效率的系统和方法 - Google Patents
利用优化的地球模型表示提高计算效率的系统和方法 Download PDFInfo
- Publication number
- CN103229180B CN103229180B CN201280003865.2A CN201280003865A CN103229180B CN 103229180 B CN103229180 B CN 103229180B CN 201280003865 A CN201280003865 A CN 201280003865A CN 103229180 B CN103229180 B CN 103229180B
- Authority
- CN
- China
- Prior art keywords
- processor
- memory
- look
- accordance
- level
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V11/00—Prospecting or detecting by methods combining techniques covered by two or more of main groups G01V1/00 - G01V9/00
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
- G06T9/001—Model-based coding, e.g. wire frame
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
- G06T9/005—Statistical coding, e.g. Huffman, run length coding
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/66—Subsurface modeling
- G01V2210/661—Model from sedimentation process modeling, e.g. from first principles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/66—Subsurface modeling
- G01V2210/665—Subsurface modeling using geostatistical modeling
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
- Image Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
提供了经由具有访问地球模型数据集的第一处理器的计算系统利用地球模型表示进行计算的方法和相应系统。该方法包括在第一处理器处压缩地球模型数据集以生成查找表和一组数据索引(即,被统称为“压缩地球模型表示”),其中,该查找表包括量化数据值。然后,通过将查找表存储在第一级(“快速”)存储器中,以及将索引存储在第二级(“较慢”、较大存储容量)存储器中,能够访问查找表和索引,以在第一处理器处有选择地解压压缩地球模型表示,使得第一处理器能够有效地进行所述计算。
Description
技术领域
本公开一般涉及地球模型数据的处理,尤其涉及利用地球模型表示来提高计算效率的系统和方法。
背景技术
诸如正演模拟和偏移的地震处理运算需要存储诸如速度、密度、各向异性参数等的地球模型参数。对于复杂模拟问题,地球模型参数的最佳存储需要大量的数据存储容量。
复杂地球模拟问题的已知方法使用诸如小波或JPEG压缩的标准压缩方法。然而,传统压缩方法主要是为了使所需数据存储的量最小而开发的,而不是为了使地球模拟的精度和计算效率最高或使解压的成本最低。
这样,需要在计算中使用地球模型数据集的最佳压缩和解压。通过最佳地解压和有选择地解压数据,能够在提高计算效率的同时降低数据存储要求和成本。
发明内容
本发明公开了一种由访问原始地球模型数据集的第一计算机处理器利用地球模型表示进行计算的方法。举例来说,原始地球模型数据集可包括未压缩或先前压缩的地球模型数据。第一处理器可操作与至少两个存储器通信,即,第一级存储器和第二级存储器,其中,第二级存储器比第一级存储器慢但具有更大的存储容量。
依照本发明的一个实施例,该方法包括通过使用第一处理器来压缩地球模型数据集以生成查找表和多个数据索引(即,查找表和索引被统称为“压缩地球模型表示”)的步骤,其中,所述查找表包括量化数据值。所述查找表被存储在第一级存储器中,以及所述索引被存储在第二级存储器中。然后,该方法包括从第一级存储器中访问所述查找表和从第二级存储器中访问所述索引,以在第一处理器处有选择地解压所述压缩地球模型表示和使得第一处理器能够经由利用解压后的地球模型表示进行计算的步骤。
本发明的方法允许原始地球模型数据集的单次压缩,使得它可被存储在计算机处理器的本地存储器中,并在需要时使用查找表被重复地有选择地解压。通过访问查找表和索引以及处理器处的解压,解压后的地球模型数据只驻留在进行计算的处理器上,因此决不会从外部存储器读取。这样,与传统上从/到外部存储设备存储和访问地球模型数据或跨越相互通信的多个计算节点或处理器来分解和分配地球模拟问题相比,大大增加了能够驻留在处理设备的本地存储器中的地球模型的尺寸、提高了能够访问地球模型数据的速率、以及提高了计算性能。依照本发明,在计算期间可以访问地球模型数据的某个所选子集而不解压整个数据集。
有利的是,本发明可被用于提高需要使用地震模型数据的计算的速度和降低计算的成本,所述计算包括但不限于地震成像、正演模拟、地震偏移、波形反演和道内插。由于解压只需要使用第一级(快速)存储器来执行单次查找,所以该方法最适合能够在处理器处重复地和有效地进行的解压。倘若结果是查找表和多个索引值,则压缩被执行一次并且可以是任意复杂的。
地球模型数据集的压缩可以包括用于优化要在计算中使用的重要或优选地球模型数据值的表示的非均匀量化。根据采用的地球模型的类型,非均匀量化技术可以包括立方、自适应或引导自适应技术中的一种或其组合。查找表的地球模型数据值可以代表所选地球模型参数,并包括导出值、标量值和矢量值中的一种或多种。
地球模型数据集的压缩还可以包括用于随机化查找表的量化数据值的抖动步骤。该抖动可被执行以提高可能与实际正被压缩的地球模型数据值不同的地下介质的大规模属性的精度。例如,在地球模型速度数据的压缩中,可以使用抖动来更好地保留通过地下介质的慢度的分布,或更好地保留各向异性参数之间的关系。
可选地,以及依照本发明的另一个实施例,提供具有第一级存储器和第二级存储器的第二“加速”处理器,第二级存储器比第一级存储器大而慢。有利的是,所述查找表被取而代之地存储在第二处理器的第一级存储器中,所述索引被取而代之地存储在第二处理器的第二级存储器中。然后,分别从第二处理器的第一级存储器和第二级存储器中访问查找表和索引,以便取代第一处理器而在第二处理器处有选择地解压压缩地球模型表示。这使第二处理器能够利用地球模型表示来提供更有效计算。
依照本发明的另一个实施例,一种利用地球模型表示进行计算的系统包括第一级存储器、比第一级存储器慢但具有更大存储容量的第二级存储器、和访问地球模型数据集的第一处理器,其中,第一处理器可操作与第一级存储器和第二级存储器通信。所述系统进一步包括可被第一处理器访问并包括计算机可读代码的计算机可读介质,以便:(1)在第一处理器处压缩地球模型数据集以生成压缩地球模型表示,其中,所述压缩地球模型表示包括多个数据索引和具有量化数据值的查找表;(2)将查找表存储在第一级存储器中;(3)将索引存储在第二级存储器中;以及(4)从第一级存储器访问查找表和从第二级存储器访问索引,以在第一处理器处有选择地解压所述压缩地球模型表示,以便第一处理器能够利用解压后的地球模型表示进行计算。
第一处理器可以是中央处理单元(CPU),第一级存储器可以是诸如一级(L1)高速缓冲存储器的高速缓冲存储器,以及第二级存储器可以是随机访问存储器(RAM)。
在另一个实施例中,所述系统进一步包括与第一处理器通信的第二处理器,第二处理器具有第一级存储器和第二级存储器,第二处理器的第二级存储器比第一处理器的第一级存储器慢但具有更大存储容量。第一和第二处理器之一或两者可访问计算机可读介质,该计算机可读介质进一步包括计算机可读代码,以便:(1)取代第一处理器的第一级存储器,将查找表存储在第二处理器的第一级存储器中;(2)取代第一处理器的第二级存储器,将索引存储在第二处理器的第二级存储器中;以及(3)分别从第二处理器的第一级和第二级存储器访问查找表和索引,以取代第一处理器在第二处理器处有选择地解压所述压缩地球模型表示,以便取代第一处理器能够由第二处理器来进行所述计算。
第二处理器可以是图形处理单元(GPU),第一级存储器可以包括共享存储器,以及第二级存储器可以包括全局存储器。或者,第二处理器可以是现场可编程门阵列(FPGA),第一级存储器可以包括块RAM(BRAM),以及第二级存储器可以包括动态RAM(DRAM)存储器。
依照本发明的又一个实施例,一种制品包括具有计算机可读代码的计算机可读介质,该计算机可读代码用于执行利用地球模型表示进行计算的方法。该方法包含:(1)在第一处理器处压缩地球模型数据集以生成压缩地球模型表示,其中,压缩地球模型表示包括多个数据索引和具有量化数据值的查找表;(2)将查找表存储在第一级存储器中;(3)将索引存储在第二级存储器中;以及(4)从第一级存储器访问查找表和从第二级存储器访问索引,以在第一处理器处有选择地解压所述压缩地球模型表示,以便第一处理器能够进行计算。
可选地,该制品还可以包括计算机可读代码,用于:(1)取代第一处理器的第一级存储器,将查找表存储在第二处理器的第一级存储器中;(2)取代第一处理器的第二级存储器,将索引存储在第二处理器的第二级存储器中;以及(3)分别从第二处理器的第一级和第二级存储器访问查找表和索引,以取代第一处理器,在第二处理器处有选择地解压所述压缩地球模型表示,以便取代第一处理器,能够由第二处理器进行计算。
附图说明
本发明的详细描述将参照如例示在附图中的本发明特定实施例作出。附图只描绘了本发明的典型实施例,因此不应该认为限制其范围。
图1例示了依照本发明的实施例,被配置成通过利用地球模型表示来提高计算的效率的系统;
图2是依照本发明的实施例,利用地球模型表示进行计算的方法的流程图;
图3是示出当量化未压缩的地球模型数据时应用加权随机抖动的效果的图形;
图4示出了采样原始(未压缩)地球模型数据参数、解压后的地球模型表示(无抖动)、和解压后的地球模型表示(有抖动);
图5示出了图5的采样原始(未压缩)地球模型数据参数以及与解压后的地球模型表示(无抖动)之间和与解压后的地球模型表示(有抖动)之间的差异;
图6是示出不同量化方案对地球模型数据箱分布的影响的图形;以及
图7是利用量化方案不同的地球模型表示的声学正演模拟结果的误差的比较。
具体实施方式
本发明可在要由计算机执行的系统和计算机方法的一般背景下描述和实现。这样的计算机可执行指令可以包括可被用于执行特定任务和处理抽象数据类型的程序、例程、对象、部件、数据结构、和计算机软件技术。本发明的软件实现可以用不同语言编码以便应用在各种计算平台和环境中。应该懂得,本发明的范围和基本原理不局限于任何特定的计算机软件技术。
此外,本领域的普通技术人员应该懂得,本发明可以使用硬件和软件配置的任何一种或其组合来实施,包括但不限于具有单处理器和/或多处理器计算机处理系统的系统、手持设备、可编程消费电子产品、小型计算机、大型计算机、超级计算机等,本发明也可在由通过一个或多个数据通信网络链接的服务器或其它处理设备执行任务的分布式计算环境中实施。在分布式计算环境中,程序模块可以处在包括存储设备的本地和远程计算机存储介质两者中。
此外,诸如CD、预记录盘或其它等效设备的与计算机处理器一起使用的制品可以包括计算机程序存储介质和记录在上面引导计算机处理器来促进本发明的实现和实施的程序。这样的设备和制品也在本发明的精神和范围之内。
现在参照附图描述本发明的实施例。本发明可以以许多方式实现,包括,例如,系统(包括计算机处理系统)、方法(包括计算机实现方法)、装置、计算机可读介质、计算机程序产品、图形用户界面、门户网站、或有形地固定在计算机可读存储器中的数据结构。下面讨论本发明的几个实施例。附图只例示了本发明的典型实施例,因此不应该认为限制其范围和宽度。
图1是被配置成提高诸如正演模拟和偏移的利用地球模型数据的计算的效率的计算系统100的方框图。计算系统100包括至少一个计算设备或处理器芯片10,其具有与第一级存储设备14和外部的第二级存储设备20耦合的诸如中央处理单元(CPU)12的通用计算机处理器12,其中,第二级存储设备20比第一级存储设备14慢但具有更大的存储容量。举例来说,第一级存储设备14可以是CPU12的芯片上一级高速缓冲存储器。第一级存储设备14优选的是可用于CPU12的最快存储设备,并且能够存储至少千字节的数据。举例来说,第二级存储设备20可以是与第一处理器芯片10耦合的随机访问存储设备。
系统10进一步包括存储原始地球模型数据的数据存储设备或数据库40、和允许计算设备10和数据库40之间的通信的总线50。举例来说但非限制性地,来自数据库40的地球模型数据可以包含声学模型参数、垂直横向各向同性(VTI)模型参数、倾斜横向各向同性(TTI)模型参数、可变密度TTI模型参数、弹性模型参数、或粘弹性模型参数。
可选地,“加速”卡30可以经由总线50可操作地与处理器芯片10和数据库40耦合。加速卡30包括加速芯片32,加速芯片32又包括计算设备或第二处理器34、芯片上存储设备36、和与芯片上存储设备36耦合的加速卡存储设备38。加速芯片上存储设备36是第一级存储器,以及加速卡存储设备38是第二级存储器,其中,第二加速卡存储设备38比芯片上存储设备36慢但具有更大的存储容量。在本发明的一个实施例中,加速计算设备32是图形处理单元(GPU),第一级存储器36是GPU共享存储器,以及第二级存储器38是GPU全局存储器。在本发明的另一个实施例中,加速计算设备32是现场可编程门阵列(FPGA),第一级存储器36是块RAM(BRAM),以及第二级存储器38是动态(DRAM)存储器。
图2是可以通过参照图1所述的系统100实现的利用地球模型表示进行计算的方法200的流程图。依照本发明的一个实施例,方法200包括从数据源40访问原始地球模型数据集的步骤210,举例来说,原始地球模型数据集可以是未压缩或先前压缩的地球模型数据集;以及压缩地球模型数据集的步骤220。由CPU12所执行的压缩步骤220生成具有量化数据值的查找表和感兴趣体积中的每个点的多个数据索引。依照本发明,压缩形式的地球模型参数可以用查找表和对于体积中的每个点进入该表的索引来表示(其中查找表和索引被统称为“压缩地球模型表示”。例如,当将以IEEE单精度浮点(4个字节)存储的地球模型参数量化成256个值时,则体积中的每个点将需要8-位索引(1个字节),给出接近4:1的有效压缩比。这样,利用c-条目表格压缩N3-点模型所需的实际存储器将等于[log2(c)]×N3个位。
查找表的数据值可以是标量值、矢量值和导出值中的一种或其组合,并代表数据库40中的未压缩地球模型数据的均匀或非均匀量化值。标量值是单个量,矢量值是有关联并且能够被并行地“共同压缩”或“共同解压”的多个量,以及导出值是从查找表和单个索引(q)中确定的多个值(例如,sineq,cosineq)。非均匀量化值可以,例如,通过使用如下参照图6所述的立方、自适应、引导自适应量化技术来确定。量化值也可以在压缩步骤220期间被随机化,以防止未压缩地球模型数据集中的梯度被变换成压缩地球模型表示中的人为锐利边缘。对于地球模型数据集的某些地球模型参数,压缩算法可以考虑有关那些参数之间的一致性的约束和/或物理规则。地球模型数据集的矢量值可被并行地压缩(“共同压缩”,以及压缩地球模型表示的矢量值可被并行地解压(“共同解压”)。
再次参照图2,然后将查找表存储在第一级存储器14中(步骤230),以及将索引存储在第二级存储器20中(步骤240)。然后,由CPU12从它们各自的存储器中访问查找表和索引,并且将两者用于有选择地解压所述压缩地球模型表示(步骤250)。然后在CPU12处使用解压后的地球模型表示来进行诸如正演模拟和偏移的计算。
在配备加速卡30的情况下,可以将查找表存储在加速芯片32的第一级存储器36中,以及将索引存储在加速芯片32的第二级存储器38中。优选的是,例如,在FPGA是加速处理器34的情况下,FPGA处理器34将查找表和索引用于解压地球模型表示,以便在FPGA处理器34处进行本身利用解压后的地球模型表示的计算。
在,例如,使用诸如速度、密度、各向异性参数等的许多地球模型参数的情况下,如参照图2所述的方法200有利于进行诸如正演模拟或偏移的地震处理运算。对于复杂地球模拟问题,解压后的模型参数需要本地存储器中的大量数据存储。本发明的方法比传统方法更有效在于能够只进行一次压缩,而在计算(例如,正演模拟、偏移等)的过程中,通过从第一级(快速)存储器中访问查找表能够有效地进行多次解压。因为在利用地球模型数据的计算期间通常不改变地球模型,所以可将压缩方案设计成复杂的并只执行一次,而可将解压方案设计成简单的并尽可能地快。压缩方案还允许随机访问压缩体,而不要求解压整个体积(或体积块)以便访问地球模型的单个点。
依照本发明的一个实施例,压缩步骤220可以实现将给定点的地球模型参数量化成通过8-位查找索引在查找表中表示的至少256个唯一值的4:1压缩。因此,取代存储整个32-位值,只需为每个点存储8-位索引,从而在存储要求方面实现4倍降低。使用更少数量的索引位能够实现更高的压缩比,而在查找索引中使用更多数量的位能够实现更低的压缩比。解压只需单次表查找—非常廉价的操作。在CPU上,能够将查找表存储在高速缓存中,在GPU上,能够将查找表存储在共享存储器中,或在FPGA上,能够将查找表存储在单个“块RAM”中。
举例来说,利用8-位索引,能够使用具有芯片上双端口BRAM的诸如XilinxTMVirtex-5FGPA的单加速处理芯片来进行两个并行解压操作。利用这样的BRAM,能够通过每个周期两次并行存储器访问来存储512个32-位值。利用4:1压缩比,每个BRAM能够存储两个不同的256-尺寸地球模型解压查找表。例如,单个BRAM能够被用于解压B(浮力)地球模型阵列的一个点和K(体积模量)地球模型阵列的一个点。由于各个地球模型点是独立的,所以并行地解压多个点仅仅需要使用多个BRAM,例如,4个BRAM可被用于并行地解压4个B和K值。
因为在CPU上(或可替代地在加速处理器上)进行原始地球模型数据集的压缩,所以可以针对特定地球模型优化压缩方案。下面将描述用于所选地球模型的示范性“定制”压缩方案。然而,与模型相关压缩方案无关,可以在压缩步骤220期间应用抖动,以避免由于地球模型的量化而大量引入假象。
图3是示出当量化来自数据库40的原始地球模型数据集时应用加权随机抖动的效果的图形。当原始数据300代表梯度时,简单的量化产生能够导致如302所示的地球物理假象的压缩地球模型表示。应用抖动304对这些假象加以校正。
依照本发明的实施例,抖动步骤如下工作。当在量化空间中不能精确地表示地球模型数据集值的情况下,利用随机值概率性地确定两个最近值之间的选择。这样的随机取舍防止了原始数据中的梯度被变换成压缩地球模型表示中的锐利边缘,并且在这样的人为锐利边缘产生的输出中避免假象。在特定区域,例如,平均波长上,能够保持介质的整体属性,这能够大大地提高地球模拟的总体精度。
图4示出了原始地球模型数据集400以及“无抖动离散化”402和“有抖动离散化”404对地球模型表示的影响。注意,区域412中的人为锐利边缘与区域410中的较平滑过渡。借助于抖动,如区域414所示,使锐利过渡最小化。图5示出了原始地球模型数据500与解压后的地球模型表示(无抖动)502和解压后的地球模型表示(有抖动)504之间的误差(差异)。
再次参照图2,压缩步骤220可以利用均匀和非均匀量化。一种简单压缩方案可以利用均匀量化从32-位浮点转换成压缩格式,例如,8-位。然而,对于这样的做法,地球模拟中的误差可能部分由于,例如,体积模量和浮力地球模型参数的均匀压缩而引起。例如,均匀地量化体积模量的影响能够导致其中根本不使用许多仓的数值的高度不均匀分布。已经发现体积模量与具有大约3倍范围的速度相比,具有大约为最小值的25倍的范围(即,最小值与最大值之差)。这意味着通过均匀量化,每个仓必须代表更多的值,这引起利用地球模型表示的计算的精度的显著损失。
这样,在压缩步骤220期间可以使用非均匀量化,以便最小化导致利用解压后的地球模型表示的计算的误差的压缩精度损失。依照本发明的一个实施例,可以将立方量化方法用作压缩步骤220的一部分。在声学各向同性模拟的情况下,例如,立方量化可以包括如下步骤:使用体积模量的最小值和最大值的立方根;在立方根域中均匀地定义仓;然后,求仓值的立方以导出体积模量的真实值。这种做法被设计成利用能够将体积模量与声学各向同性模型中的波速的立方相关联的事实。
可替代地,可将自适应量化用作非均匀量化的一种形式。举例来说,自适应量化做法可以包括如下步骤:把所有未压缩地球数据点放在一个仓中;以及重复地把包含最多(平方)误差的仓分成两个,直到达到期望仓数。
还公开了一种能够经由若干用户指定参数值,例如,水速度和盐速度被启动的引导自适应量化方法。将这些值指定给量化仓,并将与这些值不匹配的所有数据点放置在另一个仓中。接着,对每个仓计算总平方误差(即,量化值与原始值之间的平方绝对差之和),并将误差最大的量化仓分成两个仓。然后,在两个新仓之间重新分配来自原始仓的数值,以及重复该方法,直到已经达到期望量化仓数,或者直到所有仓中的总误差都是零。这种方法保证了诸如水速度的特别重要数值的精确表示,以及体积中的其它数值的总误差最小。
自适应方案与引导自适应方案之间的差异在于:后者实现了重复地把包含最多(平方)误差的仓分成两个直到达到期望仓数,但另外指定某些压缩值到任何给定参数范围的自适应策略。压缩值代表通过提供开始条件来引导自适应过程的地球参数的先验知识。这样,能够在间隔基础上调节压缩密度和容限。该方案可以带或不带如上所述的随机抖动取舍而运行。由于能够任意选择代表值,这种方法还特别利用了查表解压方法的简单。
类似逻辑可被应用于诸如弹性参数的其它地球模型参数,以使用更少位数来表示它们。并且,能够任意地选择多维参数空间中的代表值,以防止表示非物理参数值或导致计算不稳定的数值。
图6示出了依照本发明实施例,由均匀、立方和自适应量化方案产生的仓分布的比较。曲线610示出了均匀量化的代表性仓分布,曲线620示出了立方量化的代表性仓分布,以及曲线630示出了自适应量化的代表性仓分布。
图7示出了通过上述的均匀700、立方702和自适应量化方案,在利用地球模型表示的计算中引入的误差的比较。图7示出了通过三种不同压缩方案的地球模型压缩,CPU与CPU之间的差异(×100)。当使用误差度量评价时,立方方案702与均匀量化700相比在误差方面提供了2.1倍减小,而自适应方案704与均匀量化700相比在误差方面提供了7.2倍减小。
现在针对VTI各向异性、TTI、和可变密度TTI地球模型公开了示范性压缩方案。
对于VTI模拟的情况,三个地球模型参数需要量化:速度、η和Δ。η和Δ具有能够被用来提高它们的压缩比的有限范围和精度。因此,如下表1中所示,能够使用所示的不超过16位的压缩模型数据来存储所有三个VTI各向异性地球模型参数。η和Δ参数是非精确地已知的,并且对于它们的表示,只需低精度。
表1:VTI地球模型参数的压缩表示
相比之下,TTI地球模型具有五个模型参数。为了优化TTI模型的地球模型压缩,根据它们所知的相对精度,将不同水平的量化用于不同TTI模型参数。参见下表2。为速度(ft/s)保留最高精度。
表2:不同TTI地球模型参数的压缩水平
对于时间上四阶、空间上十二阶的应用,利用单精度运算来进行在表1中总结的TTI压缩。将六个波场体积用于计算,需要对于11个阵列每点4个字节或44×N3个字节(其中N是空间维度)的总存储要求。对于N=1000,需要44GB的存储器。通过使用均匀和非均匀量化的组合,为五个TTI模型参数实现了6-7倍的总压缩。当以这种方式压缩时,TTI地球模型参数的全集能用每点3个字节来表示,这将N=1000的计算所需的总存储器减小到27GB。如果另外我们还应用2:1波场压缩,则能将存储要求降低到15GB。
为了进一步优化利用地球模型表示的计算,多次解压每个模型“压缩值”,产生相同模型参数的不同形式。例如,从“压缩q”的相同输入中,我们可以解压生成q、和导出值sineq、sine2q、cosine2q—每个输出在FPGA上只需一个查找表。
对于可变密度TTI模拟应用,如下表3所示,需要另外的地球模型参数(密度)。可用通常是存储一个模型参数的位数并因此是存储一个模型参数的花费的32位来压缩6个地球模型参数。
表3:不同可变密度TTI模型参数的压缩水平
尽管上面针对可替代实施例对本发明作了描述,但可以预料,在阅读了本公开之后,还有的其它变更、修改和应用对于本领域的普通技术人员来说是显而易见的。例如,应当明白,本发明设想,可以在可能的程度上将任何实施例的一种或多种特征与任何其它实施例的一种或多种特征结合。因此,有意认为这样的公开是例示性的而非限制性的,以及所附权利要求书被解释了包括如在本发明的真正精神和范围之内的所有这样的应用、变更、修改和实施例。
Claims (29)
1.一种利用地球模型表示提高计算效率的方法,所述方法经由具有访问地球模型数据集的第一处理器的计算系统来执行,所述第一处理器可操作地与第一级存储器和第二级存储器通信,第二级存储器比第一级存储器慢但具有更大存储容量,所述方法包含:
经由第一处理器压缩地球模型数据集以生成压缩地球模型表示,所述压缩地球模型表示包含多个数据索引和包含量化数据值的查找表;
将所述查找表存储在第一级存储器中;
将所述索引存储在第二级存储器中;以及
从第一级存储器中访问所述查找表以及从第二级存储器中访问所述索引,以在第一处理器处有选择地解压所述压缩地球模型表示,以使第一处理器能够进行所述计算。
2.按照权利要求1所述的方法,其中,所述压缩步骤包含非均匀地量化地球模型数据集以生成至少一个数据值。
3.按照权利要求2所述的方法,其中,所述非均匀量化步骤包含使用立方量化。
4.按照权利要求2所述的方法,其中,所述非均匀量化步骤包含使用自适应量化。
5.按照权利要求2所述的方法,其中,所述非均匀量化步骤包含使用引导自适应量化。
6.按照权利要求1所述的方法,其中,所述压缩步骤包含均匀地量化地球模型数据集以生成至少一个数据值。
7.按照权利要求1所述的方法,其中,所述地球模型数据集包含多个地球模型参数,以及其中,所述压缩步骤包含压缩至少两个地球模型参数以保证与约束的一致性。
8.按照权利要求1所述的方法,其中,所述地球模型数据集包含通过多个矢量值表示的多个地球模型参数,以及其中,所述压缩步骤包含并行地压缩所述矢量值。
9.按照权利要求1所述的方法,其中,所述压缩地球模型表示包含多个矢量值,以及其中,并行地解压所述矢量值。
10.按照权利要求1所述的方法,其中,所述压缩步骤进一步包含:抖动查找表的量化数据值以提高计算的精度。
11.按照权利要求1所述的方法,其中,第一处理器包含中央处理单元(CPU),以及第一级存储器包含高速缓冲存储器。
12.按照权利要求1所述的方法,进一步包含:
与第一处理器通信的第二处理器,所述第二处理器具有第一级存储器和第二级存储器,所述第二处理器的第二级存储器比第二处理器的第一级存储器慢但具有更大存储容量;以及
其中,改为将所述查找表存储在第二处理器的第一级存储器中,改为将所述索引存储在第二处理器的第二级存储器中,以及其中,改为分别从第二处理器的第一级存储器和第二级存储器中访问所述查找表和索引,以取代第一处理器,在第二处理器处有选择地解压所述压缩地球模型表示,以及取代第一处理器,使第二处理器能够进行所述计算。
13.按照权利要求12所述的方法,其中,第二处理器包含图形处理单元(GPU),以及第二处理器的第一级存储器包含共享存储器。
14.按照权利要求12所述的方法,其中,第二处理器包含现场可编程门阵列(FPGA),以及第二处理器的第一级存储器包含块RAM(BRAM)。
15.按照权利要求1所述的方法,其中,所述查找表的数据值包含导出、标量和矢量值中的一种或多种。
16.按照权利要求1所述的方法,其中,所述地球模型数据集包含声学模型参数。
17.按照权利要求1所述的方法,其中,所述地球模型数据集包含垂直横向各向同性(VTI)模型参数。
18.按照权利要求1所述的方法,其中,所述地球模型数据集包含倾斜横向各向同性(TTI)模型参数。
19.按照权利要求1所述的方法,其中,所述地球模型数据集包含可变密度TTI模型参数。
20.按照权利要求1所述的方法,其中,所述地球模型数据集包含弹性模型参数。
21.按照权利要求1所述的方法,其中,所述地球模型数据集包含粘弹性模型参数。
22.按照权利要求1所述的方法,其中,所述计算包含地震处理。
23.一种利用地球模型表示提高计算效率的系统,包含:
第一级存储器;
比第一级存储器慢但具有更大存储容量的第二级存储器;
访问地球模型数据集的第一处理器,第一处理器可操作地与第一级存储器和第二级存储器通信;
其中,第一处理器被配置为:
在第一处理器处压缩所述地球模型数据集以生成压缩地球模型表示,所述压缩地球模型表示包含多个数据索引和包含量化数据值的查找表;
将所述查找表存储在第一级存储器中;
将所述索引存储在第二级存储器中;以及
从第一级存储器中访问所述查找表以及从第二级存储器中访问所述索引,以在第一处理器处有选择地解压所述压缩地球模型表示,以使得第一处理器能够进行所述计算。
24.按照权利要求23所述的系统,其中,第一处理器包含中央处理单元(CPU),以及第一级存储器包含一级(L1)高速缓冲存储器。
25.按照权利要求23所述的系统,进一步包含:
与第一处理器通信的第二处理器,第二处理器具有第一级存储器和第二级存储器,第二处理器的第二级存储器比第一处理器的第一级存储器慢但具有更大存储容量;以及
其中,第一处理器和第二处理器之一或两者被配置为:
取代第一处理器的第一级存储器,将所述查找表存储在第二处理器的第一级存储器中;
取代第一处理器的第二级存储器,将所述索引存储在第二处理器的第二级存储器中;以及
分别从第二处理器的第一级和第二级存储器中访问所述查找表和索引,以取代第一处理器在第二处理器处有选择地解压所述压缩地球模型表示,以取代第一处理器使得第二处理器能够进行所述计算。
26.按照权利要求25所述的系统,其中,第二处理器包含图形处理单元(GPU),以及第二处理器的第一级存储器包含共享存储器。
27.按照权利要求25所述的系统,其中,第二处理器包含现场可编程门阵列(FPGA),以及第二处理器的第一级存储器包含块RAM(BRAM)。
28.一种利用地球模型表示提高计算效率的装置,包含:
用于在第一处理器处压缩地球模型数据集以生成压缩地球模型表示的部件,所述压缩地球模型表示包括多个数据索引和包含量化数据值的查找表;
用于将所述查找表存储在第一级存储器中的部件;
用于将所述压缩地球模型表示存储在第二级存储器中的部件,第二级存储器比第一级存储器慢但具有更大存储容量;以及
用于从第一级存储器中访问所述查找表以及从第二级存储器中访问所述索引,以在第一处理器处有选择地解压所述压缩地球模型表示,以使得第一处理器能够进行所述计算的部件。
29.按照权利要求28所述的装置,进一步包含:
用于取代第一处理器的第一级存储器,将所述查找表存储在第二处理器的第一级存储器中的部件;
用于取代第一处理器的第二级存储器,将所述索引存储在第二处理器的第二级存储器中的部件,第二处理器的第二级存储器比第二处理器的第一级存储器慢但具有更大存储容量;以及
用于分别从第二处理器的第一级存储器和第二级存储器中访问所述查找表和索引,以取代第一处理器,在第二处理器处有选择地解压所述压缩地球模型表示,以取代第一处理器,使得第二处理器能够进行所述计算的部件。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/075,329 | 2011-03-30 | ||
US13/075,329 US8798967B2 (en) | 2011-03-30 | 2011-03-30 | System and method for computations utilizing optimized earth model representations |
PCT/US2012/026872 WO2012161838A2 (en) | 2011-03-30 | 2012-02-28 | System and method for computations utilizing optimized earth model representations |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103229180A CN103229180A (zh) | 2013-07-31 |
CN103229180B true CN103229180B (zh) | 2016-05-04 |
Family
ID=46928389
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201280003865.2A Expired - Fee Related CN103229180B (zh) | 2011-03-30 | 2012-02-28 | 利用优化的地球模型表示提高计算效率的系统和方法 |
Country Status (7)
Country | Link |
---|---|
US (1) | US8798967B2 (zh) |
EP (1) | EP2691903A4 (zh) |
CN (1) | CN103229180B (zh) |
AU (1) | AU2012259389B2 (zh) |
BR (1) | BR112013009046B1 (zh) |
CA (1) | CA2817632C (zh) |
WO (1) | WO2012161838A2 (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100135115A1 (en) * | 2008-12-03 | 2010-06-03 | Chevron U.S.A. Inc. | Multiple anisotropic parameter inversion for a tti earth model |
US8990217B2 (en) * | 2011-07-13 | 2015-03-24 | International Business Machines Corporation | Lossless compression of high nominal-range data |
US20140169133A1 (en) * | 2012-12-13 | 2014-06-19 | Chevron U.S.A. Inc. | Memory-bound surface-related multiple prediction method for large datasets |
CA2922647A1 (en) | 2013-10-01 | 2015-04-09 | Landmark Graphics Corporation | In-situ wellbore, core and cuttings information system |
CN103901468B (zh) * | 2014-03-18 | 2017-05-17 | 中国石油集团川庆钻探工程有限公司地球物理勘探公司 | 地震数据的处理方法及其装置 |
KR20150121505A (ko) * | 2014-04-21 | 2015-10-29 | 삼성전자주식회사 | 데이터 중복 제거 방법 및 장치 |
KR102172321B1 (ko) * | 2014-05-20 | 2020-10-30 | 삼성전자주식회사 | 데이터 중복 제거 방법 |
US11163082B2 (en) | 2016-08-01 | 2021-11-02 | Baker Hughes Holdings Llc | Real-time pattern recognition and automatic interpretation of acoustic reflection images |
US10540200B2 (en) * | 2017-11-10 | 2020-01-21 | Advanced Micro Devices, Inc. | High performance context switching for virtualized FPGA accelerators |
US10447273B1 (en) | 2018-09-11 | 2019-10-15 | Advanced Micro Devices, Inc. | Dynamic virtualized field-programmable gate array resource control for performance and reliability |
CN110187385B (zh) * | 2019-06-27 | 2022-03-01 | 北京中油瑞飞信息技术有限责任公司 | 地震数据获取方法、地震数据处理方法及装置 |
CN114117596A (zh) * | 2021-11-15 | 2022-03-01 | 国能大渡河猴子岩发电有限公司 | 水利水电工程实时监控管理方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW243579B (en) * | 1993-09-14 | 1995-03-21 | Sony Co Ltd | Image compression device, image regeneration device, and painting device |
EP0766223A2 (en) * | 1995-09-28 | 1997-04-02 | Nec Corporation | Color image display apparatus and method therefor |
US6606584B1 (en) * | 1999-10-29 | 2003-08-12 | Intel Corporation | Defining a neighborhood of vertices in a 3D surface mesh |
CN1533509A (zh) * | 2002-03-12 | 2004-09-29 | 将可变压缩比用作背景噪声的函数对地震采集进行数据管理 | |
CN1671103A (zh) * | 2004-03-15 | 2005-09-21 | 微软公司 | 数据压缩 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6801883B1 (en) * | 2000-06-02 | 2004-10-05 | Unisys Corporation | Code type control of caching parameters |
US7130876B2 (en) * | 2001-11-30 | 2006-10-31 | General Instrument Corporation | Systems and methods for efficient quantization |
US20040225483A1 (en) * | 2003-02-24 | 2004-11-11 | Michal Okoniewski | Fdtd hardware acceleration system |
CN100524346C (zh) * | 2004-06-14 | 2009-08-05 | 普瑞科德公司 | 过滤数字图像的方法和系统、数字图像处理器 |
CN100478959C (zh) * | 2007-05-30 | 2009-04-15 | 北京航空航天大学 | 嵌入式数据库的存储管理方法 |
US20100223237A1 (en) * | 2007-11-05 | 2010-09-02 | University Of Florida Research Foundation, Inc. | Lossless data compression and real-time decompression |
US8060312B2 (en) * | 2008-03-24 | 2011-11-15 | Chevron U.S.A. Inc. | System and method for migrating seismic data |
-
2011
- 2011-03-30 US US13/075,329 patent/US8798967B2/en active Active
-
2012
- 2012-02-28 WO PCT/US2012/026872 patent/WO2012161838A2/en active Application Filing
- 2012-02-28 EP EP12789531.6A patent/EP2691903A4/en not_active Ceased
- 2012-02-28 CN CN201280003865.2A patent/CN103229180B/zh not_active Expired - Fee Related
- 2012-02-28 BR BR112013009046-4A patent/BR112013009046B1/pt active IP Right Grant
- 2012-02-28 AU AU2012259389A patent/AU2012259389B2/en active Active
- 2012-02-28 CA CA2817632A patent/CA2817632C/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW243579B (en) * | 1993-09-14 | 1995-03-21 | Sony Co Ltd | Image compression device, image regeneration device, and painting device |
EP0766223A2 (en) * | 1995-09-28 | 1997-04-02 | Nec Corporation | Color image display apparatus and method therefor |
US6606584B1 (en) * | 1999-10-29 | 2003-08-12 | Intel Corporation | Defining a neighborhood of vertices in a 3D surface mesh |
CN1533509A (zh) * | 2002-03-12 | 2004-09-29 | 将可变压缩比用作背景噪声的函数对地震采集进行数据管理 | |
CN1671103A (zh) * | 2004-03-15 | 2005-09-21 | 微软公司 | 数据压缩 |
Non-Patent Citations (2)
Title |
---|
A compressed memory hierarchy using an indirect index cache;Erik G.Hallnor et al.;《ACM International conference proceeding》;20040620;1-17 * |
一种索引结构的压缩存储及其查询处理技术;骆吉洲等;《计算机工程与应用》;20070831;第43卷(第8期);149-153 * |
Also Published As
Publication number | Publication date |
---|---|
CA2817632C (en) | 2019-01-22 |
EP2691903A4 (en) | 2015-10-28 |
US20120253762A1 (en) | 2012-10-04 |
CN103229180A (zh) | 2013-07-31 |
CA2817632A1 (en) | 2012-11-29 |
AU2012259389A8 (en) | 2015-06-11 |
AU2012259389B2 (en) | 2015-07-16 |
EP2691903A2 (en) | 2014-02-05 |
AU2012259389A1 (en) | 2013-04-04 |
WO2012161838A2 (en) | 2012-11-29 |
WO2012161838A8 (en) | 2013-06-13 |
BR112013009046A2 (pt) | 2016-07-26 |
US8798967B2 (en) | 2014-08-05 |
WO2012161838A3 (en) | 2013-04-04 |
BR112013009046B1 (pt) | 2020-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103229180B (zh) | 利用优化的地球模型表示提高计算效率的系统和方法 | |
CN110110851B (zh) | 一种lstm神经网络的fpga加速器及其加速方法 | |
Tao et al. | Significantly improving lossy compression for scientific data sets based on multidimensional prediction and error-controlled quantization | |
Park et al. | Weighted-entropy-based quantization for deep neural networks | |
US8922550B2 (en) | System and method for constructing a bounding volume hierarchical structure | |
CN109685198A (zh) | 用于量化神经网络的参数的方法和装置 | |
CN110880038A (zh) | 基于fpga的加速卷积计算的系统、卷积神经网络 | |
CN108229670A (zh) | 基于fpga的深度神经网络加速平台 | |
CN107122490B (zh) | 一种分组查询中聚合函数的数据处理方法及系统 | |
CN102033854A (zh) | 针对稀疏矩阵的数据存储方法及基于该方法的SpMV实现方法 | |
GB2507838A (en) | Compressing/decompressing vertex parameter data | |
CN104348490A (zh) | 一种基于效果优选的组合数据压缩算法 | |
US20170228894A1 (en) | System, method and computer program product for automatic optimization of 3d textured models for network transfer and real-time rendering | |
Morozov et al. | Efficient delaunay tessellation through KD tree decomposition | |
CN109902821A (zh) | 一种数据处理方法、装置及相关组件 | |
CN109446478A (zh) | 一种基于迭代和可重构方式的复协方差矩阵计算系统 | |
CN110569970B (zh) | 一种应用于卷积神经网络中硬件加速器的数据传输方法 | |
JP7095479B2 (ja) | 学習装置および学習方法 | |
Zhou et al. | A Parallel Scheme for Large‐scale Polygon Rasterization on CUDA‐enabled GPUs | |
CN113238284B (zh) | 一种重磁快速正演方法 | |
US20140089632A1 (en) | Division of numerical values based on summations and memory mapping in computing systems | |
Khoshniat et al. | Relative performance of geometric search algorithms for interpolating unstructured mesh data | |
CN112990458B (zh) | 卷积神经网络模型的压缩方法及装置 | |
Ponchio et al. | Interactive rendering of dynamic geometry | |
CN116755627A (zh) | 空间数据存储方法、装置、计算机设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160504 |