CN106405641A - 叠前时间偏移方法和装置 - Google Patents
叠前时间偏移方法和装置 Download PDFInfo
- Publication number
- CN106405641A CN106405641A CN201610946011.8A CN201610946011A CN106405641A CN 106405641 A CN106405641 A CN 106405641A CN 201610946011 A CN201610946011 A CN 201610946011A CN 106405641 A CN106405641 A CN 106405641A
- Authority
- CN
- China
- Prior art keywords
- node
- ovt
- group
- task
- imaging
- 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.)
- Granted
Links
- 230000005012 migration Effects 0.000 title claims abstract description 46
- 238000013508 migration Methods 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000003384 imaging method Methods 0.000 claims abstract description 139
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000013507 mapping Methods 0.000 claims abstract description 4
- 238000009826 distribution Methods 0.000 claims description 25
- 230000008569 process Effects 0.000 claims description 8
- 238000011084 recovery Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract description 7
- 230000001133 acceleration Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 1
- 238000013506 data mapping Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Processing Of Solid Wastes (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种叠前时间偏移方法和装置,其中,该方法包括:将待偏移地震数据映射到五维坐标空间,其中,五维坐标空间对应的维度包括:CMP线号、CMP、记录时间、炮检距和方向角;将映射到五维坐标空间的待偏移地震数据沿着炮检距和方位角两个维度进行分解,得到M个OVT片数据;将M个OVT片数据划分为N个OVT域成像任务;将N个OVT域成像任务分配至多个计算节点组进行偏移成像,其中,在每个计算节点组中,按照各个计算节点的处理能力为组内的各个计算节点分配任务,在每个计算节点中,CPU和GPU按照各自的处理能力申请任务。本发明解决了现有的叠前偏移成像中计算耗时长的问题,达到了简单高效完成叠前时间偏移的技术效果。
Description
技术领域
本发明涉及地震勘探技术领域,特别涉及一种叠前时间偏移方法和装置。
背景技术
叠前时间偏移技术是地震资料处理技术之一,它能提供时间域中人们可见的最为准确的地震构造成像资料,在发现规模油田中有着十分重要的作用。
随着地震勘探正在迈入PB级数据时代,地震资料的处理周期越来越长,其中,叠前时间偏移是地震资料处理中最为费时的环节,一般需要占据整个处理周期的40%左右的时间。
然而,如果想要缩短处理周期以提高叠前时间偏移的计算效率,仅仅依靠增加CPU核数和计算节点数显然是不合适的。
针对上述问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种叠前时间偏移方法,以简单有效地提高叠前时间偏移的计算效率,该方法包括:
将待偏移地震数据映射到五维坐标空间,其中,所述五维坐标空间对应的维度包括:CMP线号、CMP、记录时间、炮检距和方向角;
将映射到五维坐标空间的待偏移地震数据沿着炮检距和方位角两个维度进行分解,得到M个OVT片数据,其中,M为正整数;
将所述M个OVT片数据划分为N个OVT域成像任务,其中,N为大于等于M的正整数;
将所述N个OVT域成像任务分配至多个计算节点组进行偏移成像,其中,在每个计算节点组中,按照各个计算节点的处理能力为组内的各个计算节点分配任务,在每个计算节点中,CPU和GPU按照各自的处理能力申请任务。
在一个实施方式中,将所述M个OVT片数据划分为N个OVT域成像任务,包括:
计算所述M个OVT数据片中各个OVT数据片的成像空间的大小;
将所述M个OVT数据片中的每个OVT数据片划分为一个或多个成像空间小于等于预设空间大小阈值的OVT域成像任务,得到N个OVT域成像任务。
在一个实施方式中,所述预设空间大小阈值为2GB。
在一个实施方式中,将所述N个OVT域成像任务分配至多个计算节点组进行偏移成像,包括:
将参与计算的计算节点划分为多个计算节点组,其中,每个计算节点组中设置一个组长节点,除组长节点之外的节点作为组员节点;
每个计算节点组中的组长节点领取一个OVT域成像任务,并按照所在计算节点组的组员节点的处理能力,以地震数据道为单位为各个组员节点分配领取的OVT域成像任务;
每个计算节点组的组长节点在组员节点处理完成后,回收并输出组员节点的成像结果,并领取下一个OVT域成像任务,直至所有的OVT域成像任务已被领取。
在一个实施方式中,在按照所在计算节点组的组员节点的处理能力,以地震数据道为单位为各个组员节点分配领取的OVT域成像任务之后,所述方法还包括:
各个组员节点将领取的成像任务存储在各自的缓冲池内。
在一个实施方式中,在各个组员节点将领取的成像任务存储在各自的缓冲池内之后,所述方法包括:
每个组员节点按照以下方式对领取的成像任务进行处理:
组员节点中的CPU和GPU按照各自的处理能力从所述缓冲池内申请任务;
在组员节点所领取的成像任务完成之后,CPU回收所在计算节点的CPU和GPU的成像结果。
本发明实施例还提供了一种叠前时间偏移装置,以简单有效地提高叠前时间偏移的计算效率,该装置包括:
映射模块,用于将待偏移地震数据映射到五维坐标空间,其中,所述五维坐标空间对应的维度包括:CMP线号、CMP、记录时间、炮检距和方向角;
分解模块,用于将映射到五维坐标空间的待偏移地震数据沿着炮检距和方位角两个维度进行分解,得到M个OVT片数据,其中,M为正整数;
划分模块,用于将所述M个OVT片数据划分为N个OVT域成像任务,其中,N为大于等于M的正整数;
分配模块,用于将所述N个OVT域成像任务分配至多个计算节点组进行偏移成像,其中,在每个计算节点组中,按照各个计算节点的处理能力为组内的各个计算节点分配任务,在每个计算节点中,CPU和GPU按照各自的处理能力申请任务。
在一个实施方式中,所述划分模块包括:
计算单元,用于计算所述M个OVT数据片中各个OVT数据片的成像空间的大小;
划分单元,用于将所述M个OVT数据片中的每个OVT数据片划分为一个或多个成像空间小于等于预设空间大小阈值的OVT域成像任务,得到N个OVT域成像任务。
在一个实施方式中,所述预设空间大小阈值为2GB。
在一个实施方式中,所述分配模块包括:
分组单元,用于将参与计算的计算节点划分为多个计算节点组,其中,每个计算节点组中设置一个组长节点,除组长节点之外的节点作为组员节点;
分配单元,用于控制每个计算节点组中的组长节点领取一个OVT域成像任务,并按照所在计算节点组的组员节点的处理能力,以地震数据道为单位为各个组员节点分配领取的OVT域成像任务;
回收单元,用于控制每个计算节点组的组长节点在组员节点处理完成后,回收并输出组员节点的成像结果,并领取下一个OVT域成像任务,直至所有的OVT域成像任务已被领取。
在一个实施方式中,上述叠前时间偏移装置还包括:控制模块,用于在按照所在计算节点组的组员节点的处理能力,以地震数据道为单位为各个组员节点分配领取的OVT域成像任务之后,控制各个组员节点将领取的成像任务存储在各自的缓冲池内。
在一个实施方式中,所述控制模块还用于在控制各个组员节点将领取的成像任务存储在各自的缓冲池内之后,控制每个组员节点按照以下方式对领取的成像任务进行处理:组员节点中的CPU和GPU按照各自的处理能力从所述缓冲池内申请任务;在组员节点所领取的成像任务完成之后,CPU回收所在计算节点的CPU和GPU的成像结果。
在本发明实施例中,在每个计算节点组中,按照各个计算节点的处理能力为组内的各个计算节点分配任务,在每个计算节点中,CPU和GPU按照各自的处理能力申请任务,即,节点内CPU和GPU两类处理器共享和动态分发OVT域成像空间,完成同样的OVT域成像任务,并最终形成叠加成像结果输出。通过上述方式解决了现有的叠前偏移成像中计算耗时长的问题,达到了简单高效完成叠前时间偏移的技术效果。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,并不构成对本发明的限定。在附图中:
图1是根据本发明实施例的叠前时间偏移方法的方法流程图;
图2是根据本发明实施例的Occupancy对性能的影响示意图;
图3是根据本发明实施例的叠前时间偏移装置的结构框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施方式和附图,对本发明做进一步详细说明。在此,本发明的示意性实施方式及其说明用于解释本发明,但并不作为对本发明的限定。
发明人考虑到可以借助于GPU等协处理器来提升性能,并利用异构系统的能效优势,降低运行成本。三维Kirchhoff积分法偏移的基本思想是上世纪60年代地震勘探广泛使用的绕射叠加方法,三维Kirchhoff积分法偏移可以通过如下公式表示:
其中,R表示地面点(x0,y0,z0=0)到地下点(x,y,z)的距离,v表示地震波的传播速度。
为了缩短地震资料的处理周期,提高叠前时间偏移的计算效率,在本例中根据大规模CPU+GPU异构集群的体系结构特点和能效优势,实现了面向CPU+GPU异构架构的3DKirchhoff叠前时间偏移技术,能够适用于大规模工业生产的高效率低能耗的要求。该叠前时间偏移方法可以如图1所示,包括如下步骤:
步骤101:将待偏移地震数据映射到五维坐标空间,其中,所述五维坐标空间对应的维度包括:CMP线号、CMP、记录时间、炮检距和方向角;
即,可以是将叠前时间偏移算法的输入地震数据映射到五维坐标,(CMP line、CMP、记录时间、炮检距和方位角)空间内。
步骤102:将映射到五维坐标空间的待偏移地震数据沿着炮检距和方位角两个维度进行分解,得到M个OVT片数据,其中,M为正整数;
即,对输入的地震数据沿着炮检距和方位角二个维度进行分解,分解后单独的数据子集就是一个OVT片数据,数据子集的个数就是OVT个数,可以记为j。在实际实现的时候,可以直接将一个OVT片数据作为一个成像任务。
步骤103:将所述M个OVT片数据划分为N个OVT域成像任务,其中,N为大于等于M的正整数;
考虑到有时候一个OVT片数据对应的成像空间很大,GPU无法承载,因此可以先对一个OVT片数据对应的成像空间进行划分,以保证每个成像任务都是CPU和GPU可以承担的。具体地,可以按照以下公式计算一个OVT片的成像空间M:
M=CMP line数*CMP数*记录样点数*4/1024/1024/1024
然后,将M个OVT数据片中的每个OVT数据片划分为一个或多个成像空间小于等于预设空间大小阈值的OVT域成像任务,得到N个OVT域成像任务。
进一步的,因为考虑到GPU显存比较小,为了克服其显存小的障碍,可以设定预设空间大小阈值为2GB,即,划分得到的每个OVT域成像任务都是小于2GB的,这样,也就使得GPU也可以对OVT域成像任务进行处理,克服了GPU显存小的问题。
在一个实施方式中,可以通过以下公式计算作业个数n:
n=int(M/2)+1
即,将成像空间平均分为n等分,保证每一份成像空间都小于2GB,从而解决GPU显存过小不适合大规模计算的问题。
在进行成像空间划分后,所得到的总任务数m(即,上述N),可以按照以下公式计算得到:
其中,na表示第a个OVT片所分成的作业个数。
步骤104:将所述N个OVT域成像任务分配至多个计算节点组进行偏移成像,其中,在每个计算节点组中,按照各个计算节点的处理能力为组内的各个计算节点分配任务,在每个计算节点中,CPU和GPU按照各自的处理能力申请任务。
具体地,可以先将参与计算的计算节点划分为多个计算节点组,其中,每个计算节点组中设置一个组长节点,除组长节点之外的节点作为组员节点;然后,每个计算节点组中的组长节点领取一个OVT域成像任务,并按照所在计算节点组的组员节点的处理能力,以地震数据道为单位为各个组员节点分配领取的OVT域成像任务;每个计算节点组的组长节点在组员节点处理完成后,回收并输出组员节点的成像结果,并领取下一个OVT域成像任务,直至所有的OVT域成像任务已被领取。
在计算节点进行成像任务处理的时候,各个的组员节点可以将领取的成像任务存储在各自的缓冲池内,然后每个组员节点中的CPU和GPU按照各自的处理能力从所在计算节点的缓冲池内申请任务,当这个计算节点所领取的成像任务被CPU和GPU领取并完成之后,CPU可以回收所在计算节点的CPU和GPU的成像结果。
举例而言,将参与计算的节点分成若干组,选定组内的第一个节点作为“组长”(Group leader)节点,其它节点作为“组员”(Group member)节点。
对划分后的多个节点组中的每个节点组一次分配一个任务,“组长”节点根据“组员”节点的能力以地震数据道为单位异步分发计算任务。
在节点内,CPU和GPU两类处理器完成同一OVT域任务的计算,其全部计算任务存放在本节点缓冲池内,CPU和GPU两类处理器之间按照各自的计算能力独立地从缓冲池中异步申请任务。
一个OVT域成像任务计算完毕,在节点内,CPU负责回收两类处理器的成像结果,在节点组内,“组长”节点负责回收所有“组员”节点的成像结果,“组长”节点输出成像结果并申请下一个OVT域任务,直至所有OVT域任务完成。
在上例中,通过面向CPU+GPU异构架构的OVT域3D Kirchhoff叠前时间偏移方法,通过多维度成像空间分解算法,节点内CPU、GPU两类处理器共享和动态分发OVT域成像空间,完成同样的OVT域成像任务,并最终形成叠加成像结果输出。
下面结合一具体实施例进行说明,该面向CPU+GPU异构架构的3D Kirchhoff叠前时间偏移方法的执行流程可以包括:
测试机器配置2路8核Intel Xeon E5-2670(共16个物理核)和2路Nvidia TeslaK20Xm,是两款处于同一时期的高性能处理器,测试数据的in-line范围为:490-600线,cross-line范围为:1~824,成像空间共有91464个面元。
首先,对输入数据按OVT号进行分解,一个节点组一次分配一个OVT片成像任务。在节点内,CPU和GPU两类处理器共同参与计算,其全部计算任务存放在本节点缓冲池内,CPU和GPU两类处理器之间按照各自计算能力独立从缓冲池中异步申请任务。
当一个共炮检距成像空间大于2GB时,通过公式(n=int(一个共炮检距成像空间/2)+1)将成像空间平均分为n等分,从而保证每一份成像空间都小于2GB。
对于GPU计算,叠前时间偏移将大量的参数存入常量内存(const memory),频繁访问的地震道预先存入纹理内存,大幅降低了访存延迟。设备占用率(occupancy)对性能也有非常重要的影响,较高的占用率意味着GPU流处理器有更多可并发执行的活动线程,利用与CPU超线程类似的技术原理,隐藏访存延迟。
如图2所示,占用率与叠前时间偏移性能的关系,占用率越高,叠前时间偏移的性能越高。通过最小化线程使用的寄存器数目和调整每block的线程数量两个手段可以提高占用率。
以CPU单核为基准,如表1所示为不同个数CPU加速比,展示了不同CPU-GPU设备组合,偏移10240个地震道的执行时间,及相应的加速比。作为基准的CPU版本代码做了充分的优化,2个CPU共16个物理核可以获得接近14.83倍(理论16倍)的加速,展现了良好的可扩展性。
表1
Architectures | Execution Time/ms | Real Speedup | theory Speedup |
1CPU-Core | 1390123 | 1.00 | |
2CPUs | 93759 | 14.83 | 16.0 |
如下表2所示为不同GPU数的加速比,2个GPU是1个GPU性能的1.94倍,和理论值2.0非常接近,说明GPU间任务划分策略达到了很好的负载均衡。
表2
Architectures | Execution Time/ms | Real Speedup | theory Speedup |
1GPU | 37933 | ||
2GPUs | 19567 | 1.94 | 2.0 |
如下表3所示为2个GPU相比2个CPU的加速比,取得了4.80倍的加速效果。由于叠前时间偏移在GPU间、CPU间都接近线性扩展,那么1个Tesla K20Xm GPU相当于4.8个Xeon E5-2670CPU性能。
表3
Architectures | Execution Time/ms | Real Speedup | theory Speedup |
2CPUs | 93759 | ||
2GPUs | 19567 | 4.80 |
如下表4所示为CPU-GPU协同节点相比纯CPU节点的加速比,取得了5.23倍的加速效果,接近5.8倍的理论值,也就是说一个协同节点相当于5.23个CPU节点。证明了异构设备间任务划分以及实现策略的有效性。
表4
Architectures | Execution Time/ms | Real Speedup | theory Speedup |
2CPUs | 93759 | ||
2CPUs+2GPUs | 17920 | 5.23 | 5.80 |
基于同一发明构思,本发明实施例中还提供了一种叠前时间偏移装置,如下面的实施例所述。由于叠前时间偏移装置解决问题的原理与叠前时间偏移方法相似,因此叠前时间偏移装置的实施可以参见叠前时间偏移方法的实施,重复之处不再赘述。以下所使用的,术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。图3是本发明实施例的叠前时间偏移装置的一种结构框图,如图3所示可以包括:映射模块301、分解模块302、划分模块303和分配模块304,下面对该结构进行说明。
映射模块301,用于将待偏移地震数据映射到五维坐标空间,其中,所述五维坐标空间对应的维度包括:CMP线号、CMP、记录时间、炮检距和方向角;
分解模块302,用于将映射到五维坐标空间的待偏移地震数据沿着炮检距和方位角两个维度进行分解,得到M个OVT片数据,其中,M为正整数;
划分模块303,用于将所述M个OVT片数据划分为N个OVT域成像任务,其中,N为大于等于M的正整数;
分配模块304,用于将所述N个OVT域成像任务分配至多个计算节点组进行偏移成像,其中,在每个计算节点组中,按照各个计算节点的处理能力为组内的各个计算节点分配任务,在每个计算节点中,CPU和GPU按照各自的处理能力申请任务。
在一个实施方式中,上述划分模块303可以包括:计算单元,用于计算所述M个OVT数据片中各个OVT数据片的成像空间的大小;划分单元,用于将所述M个OVT数据片中的每个OVT数据片划分为一个或多个成像空间小于等于预设空间大小阈值的OVT域成像任务,得到N个OVT域成像任务。
在一个实施方式中,所述预设空间大小阈值为2GB。
在一个实施方式中,分配模块304可以包括:分组单元,用于将参与计算的计算节点划分为多个计算节点组,其中,每个计算节点组中设置一个组长节点,除组长节点之外的节点作为组员节点;分配单元,用于控制每个计算节点组中的组长节点领取一个OVT域成像任务,并按照所在计算节点组的组员节点的处理能力,以地震数据道为单位为各个组员节点分配领取的OVT域成像任务;回收单元,用于控制每个计算节点组的组长节点在组员节点处理完成后,回收并输出组员节点的成像结果,并领取下一个OVT域成像任务,直至所有的OVT域成像任务已被领取。
在一个实施方式中,上述叠前时间偏移装置还可以包括:控制模块,用于在按照所在计算节点组的组员节点的处理能力,以地震数据道为单位为各个组员节点分配领取的OVT域成像任务之后,控制各个组员节点将领取的成像任务存储在各自的缓冲池内。
在一个实施方式中,所述控制模块还用于在控制各个组员节点将领取的成像任务存储在各自的缓冲池内之后,控制每个组员节点按照以下方式对领取的成像任务进行处理:组员节点中的CPU和GPU按照各自的处理能力从所述缓冲池内申请任务;在组员节点所领取的成像任务完成之后,CPU回收所在计算节点的CPU和GPU的成像结果。
从以上的描述中,可以看出,本发明实施例实现了如下技术效果:在每个计算节点组中,按照各个计算节点的处理能力为组内的各个计算节点分配任务,在每个计算节点中,CPU和GPU按照各自的处理能力申请任务,即,节点内CPU和GPU两类处理器共享和动态分发OVT域成像空间,完成同样的OVT域成像任务,并最终形成叠加成像结果输出。通过上述方式解决了现有的叠前偏移成像中计算耗时长的问题,达到了简单高效完成叠前时间偏移的技术效果。
显然,本领域的技术人员应该明白,上述的本发明实施例的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明实施例不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (12)
1.一种叠前时间偏移方法,其特征在于,包括:
将待偏移地震数据映射到五维坐标空间,其中,所述五维坐标空间对应的维度包括:CMP线号、CMP、记录时间、炮检距和方向角;
将映射到五维坐标空间的待偏移地震数据沿着炮检距和方位角两个维度进行分解,得到M个OVT片数据,其中,M为正整数;
将所述M个OVT片数据划分为N个OVT域成像任务,其中,N为大于等于M的正整数;
将所述N个OVT域成像任务分配至多个计算节点组进行偏移成像,其中,在每个计算节点组中,按照各个计算节点的处理能力为组内的各个计算节点分配任务,在每个计算节点中,CPU和GPU按照各自的处理能力申请任务。
2.根据权利要求1所述的方法,其特征在于,将所述M个OVT片数据划分为N个OVT域成像任务,包括:
计算所述M个OVT数据片中各个OVT数据片的成像空间的大小;
将所述M个OVT数据片中的每个OVT数据片划分为一个或多个成像空间小于等于预设空间大小阈值的OVT域成像任务,得到N个OVT域成像任务。
3.根据权利要求2所述的方法,其特征在于,所述预设空间大小阈值为2GB。
4.根据权利要求2所述的方法,其特征在于,将所述N个OVT域成像任务分配至多个计算节点组进行偏移成像,包括:
将参与计算的计算节点划分为多个计算节点组,其中,每个计算节点组中设置一个组长节点,除组长节点之外的节点作为组员节点;
每个计算节点组中的组长节点领取一个OVT域成像任务,并按照所在计算节点组的组员节点的处理能力,以地震数据道为单位为各个组员节点分配领取的OVT域成像任务;
每个计算节点组的组长节点在组员节点处理完成后,回收并输出组员节点的成像结果,并领取下一个OVT域成像任务,直至所有的OVT域成像任务已被领取。
5.根据权利要求4所述的方法,其特征在于,在按照所在计算节点组的组员节点的处理能力,以地震数据道为单位为各个组员节点分配领取的OVT域成像任务之后,所述方法还包括:
各个组员节点将领取的成像任务存储在各自的缓冲池内。
6.根据权利要求5所述的方法,其特征在于,在各个组员节点将领取的成像任务存储在各自的缓冲池内之后,所述方法包括:
每个组员节点按照以下方式对领取的成像任务进行处理:
组员节点中的CPU和GPU按照各自的处理能力从所述缓冲池内申请任务;
在组员节点所领取的成像任务完成之后,CPU回收所在计算节点的CPU和GPU的成像结果。
7.一种叠前时间偏移装置,其特征在于,包括:
映射模块,用于将待偏移地震数据映射到五维坐标空间,其中,所述五维坐标空间对应的维度包括:CMP线号、CMP、记录时间、炮检距和方向角;
分解模块,用于将映射到五维坐标空间的待偏移地震数据沿着炮检距和方位角两个维度进行分解,得到M个OVT片数据,其中,M为正整数;
划分模块,用于将所述M个OVT片数据划分为N个OVT域成像任务,其中,N为大于等于M的正整数;
分配模块,用于将所述N个OVT域成像任务分配至多个计算节点组进行偏移成像,其中,在每个计算节点组中,按照各个计算节点的处理能力为组内的各个计算节点分配任务,在每个计算节点中,CPU和GPU按照各自的处理能力申请任务。
8.根据权利要求7所述的装置,其特征在于,所述划分模块包括:
计算单元,用于计算所述M个OVT数据片中各个OVT数据片的成像空间的大小;
划分单元,用于将所述M个OVT数据片中的每个OVT数据片划分为一个或多个成像空间小于等于预设空间大小阈值的OVT域成像任务,得到N个OVT域成像任务。
9.根据权利要求8所述的装置,其特征在于,所述预设空间大小阈值为2GB。
10.根据权利要求8所述的装置,其特征在于,所述分配模块包括:
分组单元,用于将参与计算的计算节点划分为多个计算节点组,其中,每个计算节点组中设置一个组长节点,除组长节点之外的节点作为组员节点;
分配单元,用于控制每个计算节点组中的组长节点领取一个OVT域成像任务,并按照所在计算节点组的组员节点的处理能力,以地震数据道为单位为各个组员节点分配领取的OVT域成像任务;
回收单元,用于控制每个计算节点组的组长节点在组员节点处理完成后,回收并输出组员节点的成像结果,并领取下一个OVT域成像任务,直至所有的OVT域成像任务已被领取。
11.根据权利要求10所述的装置,其特征在于,还包括:
控制模块,用于在按照所在计算节点组的组员节点的处理能力,以地震数据道为单位为各个组员节点分配领取的OVT域成像任务之后,控制各个组员节点将领取的成像任务存储在各自的缓冲池内。
12.根据权利要求11所述的装置,其特征在于,所述控制模块还用于在控制各个组员节点将领取的成像任务存储在各自的缓冲池内之后,控制每个组员节点按照以下方式对领取的成像任务进行处理:组员节点中的CPU和GPU按照各自的处理能力从所述缓冲池内申请任务;在组员节点所领取的成像任务完成之后,CPU回收所在计算节点的CPU和GPU的成像结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610946011.8A CN106405641B (zh) | 2016-10-26 | 2016-10-26 | 叠前时间偏移方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610946011.8A CN106405641B (zh) | 2016-10-26 | 2016-10-26 | 叠前时间偏移方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106405641A true CN106405641A (zh) | 2017-02-15 |
CN106405641B CN106405641B (zh) | 2018-06-01 |
Family
ID=58013973
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610946011.8A Active CN106405641B (zh) | 2016-10-26 | 2016-10-26 | 叠前时间偏移方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106405641B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108828668A (zh) * | 2018-03-27 | 2018-11-16 | 中国石油天然气集团有限公司 | 一种叠前时间偏移数据处理方法及装置 |
CN112578452A (zh) * | 2019-09-27 | 2021-03-30 | 中国石油化工股份有限公司 | 一种gpu加速的ovt域叠前深度偏移方法及系统 |
CN113589361A (zh) * | 2020-04-30 | 2021-11-02 | 中国石油化工股份有限公司 | 一种地震数据炮检距向量片快速划分方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080137478A1 (en) * | 2006-11-01 | 2008-06-12 | Walter Sollner | Method for multi-azimuth prestack time migration for general heterogeneous, anisotropic media |
US20130279292A1 (en) * | 2012-04-19 | 2013-10-24 | Cggveritas Services Sa | Seismic data processing including predicting multiples using a reverse time demigration |
CN103713314A (zh) * | 2012-09-28 | 2014-04-09 | 中国石油化工股份有限公司 | 一种叠前时间偏移并行处理方法 |
CN105403913A (zh) * | 2015-10-30 | 2016-03-16 | 中国石油天然气集团公司 | 叠前深度偏移方法和装置 |
-
2016
- 2016-10-26 CN CN201610946011.8A patent/CN106405641B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080137478A1 (en) * | 2006-11-01 | 2008-06-12 | Walter Sollner | Method for multi-azimuth prestack time migration for general heterogeneous, anisotropic media |
US20130279292A1 (en) * | 2012-04-19 | 2013-10-24 | Cggveritas Services Sa | Seismic data processing including predicting multiples using a reverse time demigration |
CN103713314A (zh) * | 2012-09-28 | 2014-04-09 | 中国石油化工股份有限公司 | 一种叠前时间偏移并行处理方法 |
CN105403913A (zh) * | 2015-10-30 | 2016-03-16 | 中国石油天然气集团公司 | 叠前深度偏移方法和装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108828668A (zh) * | 2018-03-27 | 2018-11-16 | 中国石油天然气集团有限公司 | 一种叠前时间偏移数据处理方法及装置 |
CN108828668B (zh) * | 2018-03-27 | 2020-04-10 | 中国石油天然气集团有限公司 | 一种叠前时间偏移数据处理方法及装置 |
CN112578452A (zh) * | 2019-09-27 | 2021-03-30 | 中国石油化工股份有限公司 | 一种gpu加速的ovt域叠前深度偏移方法及系统 |
CN112578452B (zh) * | 2019-09-27 | 2024-06-18 | 中国石油化工股份有限公司 | 一种gpu加速的ovt域叠前深度偏移方法及系统 |
CN113589361A (zh) * | 2020-04-30 | 2021-11-02 | 中国石油化工股份有限公司 | 一种地震数据炮检距向量片快速划分方法 |
CN113589361B (zh) * | 2020-04-30 | 2024-03-15 | 中国石油化工股份有限公司 | 一种地震数据炮检距向量片快速划分方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106405641B (zh) | 2018-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10572225B1 (en) | Circuit arrangements and methods for performing multiply-and-accumulate operations | |
EP3179415A1 (en) | Systems and methods for a multi-core optimized recurrent neural network | |
US20200410327A1 (en) | Schedule-Aware Tensor Distribution Module | |
US20200042860A1 (en) | Data reuse method based on convolutional neural network accelerator | |
CN103605161B (zh) | 地震三维观测系统的共中心点面元属性的分析方法及装置 | |
CN104133240B (zh) | 大规模并行的克希霍夫叠前深度偏移方法及装置 | |
CN105930902A (zh) | 一种神经网络的处理方法、系统 | |
CN106405641B (zh) | 叠前时间偏移方法和装置 | |
Nishida et al. | Accelerating the dynamic programming for the optimal polygon triangulation on the GPU | |
CN105956666B (zh) | 一种机器学习方法及系统 | |
US11164032B2 (en) | Method of performing data processing operation | |
CN109726441B (zh) | 体和面混合gpu并行的计算电磁学dgtd方法 | |
CN110516316B (zh) | 一种间断伽辽金法求解欧拉方程的gpu加速方法 | |
CN102647588B (zh) | 一种用于分层搜索运动估计的gpu加速方法 | |
CN103698809B (zh) | 一种无加速比瓶颈的克希霍夫叠前时间偏移并行方法 | |
CN105403913A (zh) | 叠前深度偏移方法和装置 | |
US11106968B1 (en) | Circuit arrangements and methods for traversing input feature maps | |
Hou et al. | Fast inversion of probability tomography with gravity gradiometry data based on hybrid parallel programming | |
CN106971369A (zh) | 一种基于gpu的地形可视域分析的数据调度与分发方法 | |
CN106484532A (zh) | 面向sph流体模拟的gpgpu并行计算方法 | |
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 | |
EP3791261B1 (en) | Performing consecutive mac operations on a set of data using different kernels in a mac circuit | |
CN106526667B (zh) | 叠前时间偏移方法和装置 | |
Jiang et al. | A distributed dynamic parallel algorithm for SIFT feature extraction | |
Ajwani et al. | Geometric algorithms for private-cache chip multiprocessors |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |