CN110781446A - 海洋中尺度涡旋拉格朗日平均涡度偏差快速计算方法 - Google Patents
海洋中尺度涡旋拉格朗日平均涡度偏差快速计算方法 Download PDFInfo
- Publication number
- CN110781446A CN110781446A CN201910890328.8A CN201910890328A CN110781446A CN 110781446 A CN110781446 A CN 110781446A CN 201910890328 A CN201910890328 A CN 201910890328A CN 110781446 A CN110781446 A CN 110781446A
- Authority
- CN
- China
- Prior art keywords
- vorticity
- gpu
- time
- deviation
- calculation
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000010354 integration Effects 0.000 claims abstract description 20
- 239000002245 particle Substances 0.000 claims abstract description 17
- 230000001133 acceleration Effects 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 125000004122 cyclic group Chemical group 0.000 claims 1
- IYLGZMTXKJYONK-ACLXAEORSA-N (12s,15r)-15-hydroxy-11,16-dioxo-15,20-dihydrosenecionan-12-yl acetate Chemical compound O1C(=O)[C@](CC)(O)C[C@@H](C)[C@](C)(OC(C)=O)C(=O)OCC2=CCN3[C@H]2[C@H]1CC3 IYLGZMTXKJYONK-ACLXAEORSA-N 0.000 abstract 1
- IYLGZMTXKJYONK-UHFFFAOYSA-N ruwenine Natural products O1C(=O)C(CC)(O)CC(C)C(C)(OC(C)=O)C(=O)OCC2=CCN3C2C1CC3 IYLGZMTXKJYONK-UHFFFAOYSA-N 0.000 abstract 1
- 239000011159 matrix material Substances 0.000 description 3
- 238000011160 research Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明针对基于海表面二维流场数据的海洋中尺度涡旋拉格朗日平均涡度偏差的计算,研究对计算过程的加速方法,包括使用GPU对粒子积分过程加速和在加速流程中进行沿时间轴的梯形积分,方法内容新颖,目标明确,对全球高空间分辨率长时间跨度的矢量场计算有借鉴意义。同时,解决了常微分方程求解和等值线提取耗时过长、内存占用率过大等问题,具有很好的鲁棒性和客观性。
Description
技术领域
本发明基于海洋表面速度场数据结合朗格朗日平均涡度偏差相关研究进行大数据分析,属于遥感大数据处理和物理海洋交叉学科领域。
背景技术
在湍流中,拉格朗日平均涡度偏差(Lagrangian-averaged vorticitydeviation, 简称LAVD)是计算旋转拟序拉格朗日涡旋(Rotationally coherentLagrangian vortices, 简称RCLVs)的基础,它是一种能有效表示涡旋物质输运的拟序结构,在椭圆形拉格朗日计算方法中,LAVD计算步骤相对简单,但由于与时间的高度相关性依旧能有效保证其在物质运输研究领域的可靠性,使用LAVD方法探索对温盐等海洋物质运输过程带来的海洋流系结构和大气对流变化有着重要意义。
在每个细分的时间节点上计算研究区域每个网格点的LAVD值是一个繁冗的流程,并且非常依赖于计算机的计算能力。全球产品需要更大的计算机内存空间和更强的计算能力来满足高时空分辨率的海表面流场数据。
目前的LAVD的计算特别是龙格库塔积分在处理大数据时耗时太长,高空间分辨率数据对计算机的内存要求很高,高时间分辨率数据对计算机的计算能力要求很高,这直接影响用户获得最后涡旋结构的效率,且大大降低了分析海洋物质输运的进度。特别是针对全球长时间跨度的数据来说,计算的时间复杂度将呈倍数增长,这样的时耗大大延缓了科研进程。本发明在计算LAVD场过程中利用该流程只涉及简单的数值计算的特点,结合GPU计算并行度高、内存带宽高和运行速度快的优点,对积分过程进行加速。
发明内容
本发明的目的是提出一种根据高时空分辨率海洋速度场数据快速计算全球LAVD的方法,通过使用GPU并行加速计算的特点,对计算过程进行加速,大大缩短计算时间,快速获得计算结果,从而高效率、高可信度地模拟全球拉格朗日平均涡度偏差。
本发明的技术方案包括如下步骤:
1.加速龙格库塔积分和涡度计算
在整个计算流程中,本发明利用GPU计算速度快、并行度高的优点,将四阶龙格库塔积分计算部分放入GPU线程中,对每个数据流根据时间步长进行迭代计算,将计算得到的坐标点位代入涡度计算公式计算当前时间节点和当前坐标位置的涡度。
主要涉及问题如下:
a.如何正确使用GPU加速LAVD的计算;
b.如何合理分配GPU线程使得加速效率更高。
2.快速获得LAVD场
把每次获得的坐标和涡度信息保存到内存,计算每个时间节点所有粒子点的平均涡度,根据粒子点本身涡度和全局平均涡度计算每个粒子点的涡度偏移,将当前涡度偏差网格随着时间的迭代进行梯形积分,最后获得LAVD场。
主要涉及问题如下:
a.如何进行GPU和CPU的通信;
b.如何在加速进程中进行沿时间轴的梯形积分。
附图说明
图1全球拉格朗日平均涡度偏差加速计算流程图
图2 GPU加速求取LAVD场流程图。
具体实施方式
3.加速龙格库塔积分和涡度计算
根据海表面二维流场数据,获得计算所需的速度场网格数据。首先将速度场、待计算粒子网格和积分参数传入GPU,其中把每个粒子点分配到GPU的各个线程,全局参数作为全局变量供所有线程共享,粒子点坐标等信息作为局部变量提供给每个线程的局部内存。其次,将时间步长作为迭代步长进行龙格库塔积分,并将积分获得的坐标值代入涡度计算公式,获得当前时间该粒子点的涡度信息。每次积分完成后在CPU中对时间信息进行更新,并判断其是否超限,若超限则结束积分,若未超限则将更新的时间作为下一次积分时间点传回GPU,利用每个线程独立同步的特点,对所有粒子点进行相同的积分操作。在计算的同时,根据速度场的无效值保存出一个二值矩阵,在完成LAVD计算后,用二值矩阵进行LAVD场的掩膜,保证陆地和海洋信息的正确性。
4.快速获得LAVD场
在每次迭代中进行GPU与CPU的通信,通过数据流保存出当前时间节点粒子点坐标和涡度信息,计算全球涡度平均值,随后计算每个粒子点的涡度偏差,对每两次迭代所得的涡度偏差结果进行沿时间轴的梯形积分,此时保证内存的及时删除,以免造成内存泄露,保证进行梯形积分的矩阵中只存有两个时间节点的粒子点信息,其余时间节点的信息可以保存到文件中,以免大量占用内存而增长耗时,最后叠加梯形积分结果获得LAVD场。
Claims (3)
1.海洋中尺度涡旋拉格朗日平均涡度偏差快速计算方法 其主要特征如下:
(1)基于海表面二维流场数据,使用GPU加速方法对初始粒子网格点在时间轴上进行常微分方程求解,快速获得每个细分时间节点的坐标和涡度;
(2)在细分时间节点进行GPU-CPU通信,通过梯形积分得到全球网格的平均涡度偏差(Lagrangian-averaged vorticity deviation, LAVD)。
2.根据权利要求1所述建立高分辨率初始粒子网格点,将二维流场数据、粒子点、求解常微分方程所需的积分参数传入GPU,将所有粒子点分到不同GPU线程进行四阶龙格库塔积分,求解微分方程,采用cubic方式进行插值,根据当前时间节点的坐标值计算该点涡度,获得该时间节点的所有粒子网格点的坐标和涡度信息,利用GPU的优点,大大减少龙格库塔积分的计算时间,并通过外部循环保证内存正常工作,在快速计算积分的基础上,同时根据速度场插值计算每个点的涡度信息。
3.根据权利要求2将GPU中计算得到的涡度值通过GPU-stream传到内存并保存,实现与内存的通信,在循环积分过程中,计算每两个时间节点上的平均涡度和全球涡度偏差,并以两个时间节点和涡度偏差值作为梯形积分的基础,叠加所有梯形积分结果,获得最后的LAVD场,在保证计算结果正确性的基础上,为快速计算不同时间尺度LAVD提供一条捷径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910890328.8A CN110781446A (zh) | 2019-09-20 | 2019-09-20 | 海洋中尺度涡旋拉格朗日平均涡度偏差快速计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910890328.8A CN110781446A (zh) | 2019-09-20 | 2019-09-20 | 海洋中尺度涡旋拉格朗日平均涡度偏差快速计算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110781446A true CN110781446A (zh) | 2020-02-11 |
Family
ID=69383604
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910890328.8A Pending CN110781446A (zh) | 2019-09-20 | 2019-09-20 | 海洋中尺度涡旋拉格朗日平均涡度偏差快速计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110781446A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112102325A (zh) * | 2020-09-17 | 2020-12-18 | 中国科学院海洋研究所 | 基于深度学习和多源遥感数据的海洋异常中尺度涡识别方法 |
CN113159117A (zh) * | 2021-03-11 | 2021-07-23 | 中国科学院计算机网络信息中心 | 流线生成方法及装置 |
CN113850894A (zh) * | 2021-11-29 | 2021-12-28 | 中国海洋大学 | 一种基于Leaflet的全球涡旋轨迹动态可视化方法 |
CN113920173A (zh) * | 2021-10-18 | 2022-01-11 | 中国科学院深圳先进技术研究院 | 基于光流和拉格朗日涡度偏差的心脏血流涡度环识别方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106055890A (zh) * | 2016-05-26 | 2016-10-26 | 北京航空航天大学 | 一种使用gpu加速lcs计算的方法 |
CN108628804A (zh) * | 2018-04-11 | 2018-10-09 | 中国海洋大学 | 面向长时间跨度复杂海流数据拉格朗日拟序结构快速计算方法 |
-
2019
- 2019-09-20 CN CN201910890328.8A patent/CN110781446A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106055890A (zh) * | 2016-05-26 | 2016-10-26 | 北京航空航天大学 | 一种使用gpu加速lcs计算的方法 |
CN108628804A (zh) * | 2018-04-11 | 2018-10-09 | 中国海洋大学 | 面向长时间跨度复杂海流数据拉格朗日拟序结构快速计算方法 |
Non-Patent Citations (2)
Title |
---|
朱鉴;张浩晨;陈炳丰;蔡瑞初;: "基于涡粒子的真实感烟雾快速模拟" * |
王昉: "非定常流场拉格朗日拟序结构可视计算关键技术研究" * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112102325A (zh) * | 2020-09-17 | 2020-12-18 | 中国科学院海洋研究所 | 基于深度学习和多源遥感数据的海洋异常中尺度涡识别方法 |
CN112102325B (zh) * | 2020-09-17 | 2021-11-09 | 中国科学院海洋研究所 | 基于深度学习和多源遥感数据的海洋异常中尺度涡识别方法 |
CN113159117A (zh) * | 2021-03-11 | 2021-07-23 | 中国科学院计算机网络信息中心 | 流线生成方法及装置 |
CN113920173A (zh) * | 2021-10-18 | 2022-01-11 | 中国科学院深圳先进技术研究院 | 基于光流和拉格朗日涡度偏差的心脏血流涡度环识别方法 |
WO2023065504A1 (zh) * | 2021-10-18 | 2023-04-27 | 中国科学院深圳先进技术研究院 | 基于光流和拉格朗日涡度偏差的心脏血流涡度环识别方法 |
CN113850894A (zh) * | 2021-11-29 | 2021-12-28 | 中国海洋大学 | 一种基于Leaflet的全球涡旋轨迹动态可视化方法 |
CN113850894B (zh) * | 2021-11-29 | 2022-03-08 | 中国海洋大学 | 一种基于Leaflet的全球涡旋轨迹动态可视化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110781446A (zh) | 海洋中尺度涡旋拉格朗日平均涡度偏差快速计算方法 | |
CN110411464B (zh) | 三维点云地图生成方法、装置、设备及存储介质 | |
Zhou et al. | Optimization of parallel iterated local search algorithms on graphics processing unit | |
CN107392875A (zh) | 一种基于k近邻域划分的点云数据去噪方法 | |
RU2012102394A (ru) | Способ вычисления физического значения, способ численного анализа, программа вычисления физического значения, программа численного анализа, устройство вычисления физического значения и устройство численного анализа | |
CN114792359B (zh) | 渲染网络训练和虚拟对象渲染方法、装置、设备及介质 | |
CN104658027A (zh) | 一种面向不规则海洋流场数据的三维流线动态可视化算法 | |
Ma et al. | 3DMAX-Net: A multi-scale spatial contextual network for 3D point cloud semantic segmentation | |
CN103345580A (zh) | 基于格子Boltzmann方法的并行CFD方法 | |
CN103810746A (zh) | 一种渲染任意方位3d模型的方法及装置 | |
Li et al. | Detail preservation and feature refinement for object detection | |
CN104200508A (zh) | 基于Intel众核架构对等模式的光线追踪加速方法 | |
CN116518979B (zh) | 一种无人机路径规划方法、系统、电子设备及介质 | |
CN109767492A (zh) | 一种变电站三维模型的间距计算方法 | |
CN104463940B (zh) | 一种基于gpu的混合树并行构建方法 | |
CN108508426B (zh) | 基于多核dsp的sar回波信号生成方法及回波模拟器 | |
CN115859755A (zh) | 一种定常流场矢量数据的可视化方法、装置、设备及介质 | |
Wenzel et al. | Accelerating navigation in the VecGeom geometry modeller | |
Cui | Dynamic migration algorithm of marine big data in cloud computing environment | |
CN109901164B (zh) | 一种合成孔径雷达的分布式后向投影成像方法 | |
CN102866881A (zh) | 矢量网络分析仪数据转换的一般化及并行化的实现方法 | |
Ying et al. | Multi-directional broad learning system for the unsupervised stereo matching method | |
CN105653501A (zh) | 一种加速克里金插值的方法 | |
CN103729867A (zh) | 基于bp反投影成像算法的硬件加速器以及数据处理方法 | |
Zhao et al. | A new K-DOPs collision detection algorithms improved by GA |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200211 |
|
RJ01 | Rejection of invention patent application after publication |