本文關(guān)鍵詞：并行衛(wèi)星云導(dǎo)風(fēng)算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：在科技高度發(fā)達(dá)的今天,超級(jí)計(jì)算機(jī)設(shè)計(jì)和制造能力是一個(gè)國家科技和國力水平的重要指標(biāo),同時(shí)也是社會(huì)進(jìn)步、科技進(jìn)步的體現(xiàn),其中并行計(jì)算技術(shù)是高性能計(jì)算領(lǐng)域的基石。隨著信息技術(shù)的發(fā)展,數(shù)據(jù)呈現(xiàn)出前所未有的增長速度,面對浩瀚的數(shù)據(jù)海洋,如何利用這些數(shù)據(jù)服務(wù)人類已經(jīng)成為政府和科學(xué)家們的共識(shí)。而并行計(jì)算以其強(qiáng)大的計(jì)算能力,為處理這些海量的信息化數(shù)據(jù)提供了有力的技術(shù)支撐。并行計(jì)算技術(shù)目前已經(jīng)在多個(gè)領(lǐng)域起到了不可替代的作用,如氣象預(yù)報(bào)、生物科學(xué)計(jì)算、計(jì)算機(jī)仿真、航空航天等。隨著氣象衛(wèi)星所載設(shè)備的不斷技術(shù)升級(jí)和更新?lián)Q代,從衛(wèi)星下發(fā)到地球上的遙感資料越來越豐富,但挑戰(zhàn)隨之而來,如何快速處理數(shù)據(jù)產(chǎn)出高密度、高精度、高實(shí)時(shí)性的遙感產(chǎn)品是目前亟待解決的問題。本文針對氣象領(lǐng)域中一種重要的衛(wèi)星遙感反演產(chǎn)品——云導(dǎo)風(fēng),分別基于Open MP多核并行、GPU眾核并行和MPI集群并行提出了三種云導(dǎo)風(fēng)反演的并行加速方法。本文通過分析云導(dǎo)風(fēng)反演串行算法,我們使用分治法的思想將衛(wèi)星云圖中大量風(fēng)矢的反演任務(wù)按一定策略分配給各計(jì)算單元,各計(jì)算單元并行執(zhí)行分配的任務(wù),即對風(fēng)矢反演分而治之,從而降低反演時(shí)間。在基于MPI集群并行加速的方案中提出一種基于性能預(yù)判的算法,以利MPI集群負(fù)載均衡。通過對使用這三種技術(shù)框架的并行方案進(jìn)行實(shí)驗(yàn)數(shù)據(jù)對比分析,使用這三種并行技術(shù)的對云導(dǎo)風(fēng)反演算法都起到了加速作用,基于Open MP、GPU和MPI的并行算法的加速比達(dá)到了4.96、112和14.96,其中GPU加速效果最為可觀。此外,本文還提出了一種云導(dǎo)風(fēng)反演的效率優(yōu)化算法,在反演風(fēng)矢精度損失極小的情況下,優(yōu)化后的算法執(zhí)行時(shí)間的加速比最高可達(dá)13以上。
【關(guān)鍵詞】：云導(dǎo)風(fēng) 風(fēng)矢 反演 并行計(jì)算 GPU MPI Open MP 加速比
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP751;TP338.6
【目錄】：

• 摘要4-5
• Abstract5-10
• 第1章 緒論10-17
• 1.1 研究背景及選題意義10-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-15
• 1.3 論文的主要工作15
• 1.4 論文的組織結(jié)構(gòu)15-17
• 第2章 基于GPU、MPI和OPENMP的并行計(jì)算17-27
• 2.1 OpenMPMP多核并行計(jì)算技術(shù)17-19
• 2.1.1 OpenMP多核并行計(jì)算介紹17-18
• 2.1.2 OpenMP多核并行計(jì)算模式18-19
• 2.2 GPU眾核并行計(jì)算技術(shù)19-22
• 2.2.1 GPU并行計(jì)算介紹19-21
• 2.2.2 GPU并行計(jì)算模式21-22
• 2.2.3 GPU并行計(jì)算基本函數(shù)22
• 2.3 MPI集群計(jì)算技術(shù)22-26
• 2.3.1 MPI集群計(jì)算介紹22-23
• 2.3.2 MPI標(biāo)準(zhǔn)的基本實(shí)現(xiàn)23-24
• 2.3.3 MPI并行程序基本結(jié)構(gòu)24-25
• 2.3.4 MPI通信模式25-26
• 2.3.5 MPI集群計(jì)算基本函數(shù)26
• 2.4 本章小結(jié)26-27
• 第3章 衛(wèi)星云導(dǎo)風(fēng)串行反演算法27-35
• 3.1 衛(wèi)星云圖資料介紹27-28
• 3.2 云導(dǎo)風(fēng)反演原理28-31
• 3.3 反演串行方法分析31-34
• 3.4 本章小結(jié)34-35
• 第4章 并行衛(wèi)星云導(dǎo)風(fēng)反演算法35-46
• 4.1 并行云導(dǎo)風(fēng)算法基本思想35-37
• 4.2 并行算法設(shè)計(jì)37-43
• 4.2.1 基于OpenMP的并行算法37-39
• 4.2.2 基于GPU的并行算法39-41
• 4.2.3 基于MPI的并行算法41-43
• 4.3 云導(dǎo)風(fēng)反演算法效率優(yōu)化43-45
• 4.4 本章小結(jié)45-46
• 第5章 實(shí)驗(yàn)與評(píng)測46-70
• 5.1 云導(dǎo)風(fēng)反演實(shí)驗(yàn)評(píng)測46-66
• 5.1.1 基于OpenMP的云導(dǎo)風(fēng)反演實(shí)驗(yàn)47-54
• 5.1.2 基于GPU的云導(dǎo)風(fēng)反演實(shí)驗(yàn)54-59
• 5.1.3 基于MPI的云導(dǎo)風(fēng)反演實(shí)驗(yàn)59-66
• 5.2 云導(dǎo)風(fēng)反演算法效率優(yōu)化實(shí)驗(yàn)66-69
• 5.2.1 精度對比67-68
• 5.2.2 性能對比68-69
• 5.3 本章小結(jié)69-70
• 第6章 總結(jié)與展望70-72
• 6.1 總結(jié)70
• 6.2 展望70-72
• 參考文獻(xiàn)72-76
• 作者簡介及在校期間所取得的科研成果76-77
• 致謝77

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 胥秀峰;鮑廣宇;黃海燕;吳亞寧;;基于CMP系統(tǒng)的并行編程模式研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2014年07期

2 張寧新;陳忠;郭莉莉;謝庭;;高分辨率遙感影像居民區(qū)檢測算法研究[J];計(jì)算機(jī)工程與科學(xué);2013年11期

3 方留楊;王密;李德仁;;CPU和GPU協(xié)同處理的光學(xué)衛(wèi)星遙感影像正射校正方法[J];測繪學(xué)報(bào);2013年05期

4 薛諶彬;龔建東;薛紀(jì)善;陶士偉;張華;;FY-2E衛(wèi)星云導(dǎo)風(fēng)定高誤差及在同化中的應(yīng)用[J];應(yīng)用氣象學(xué)報(bào);2011年06期

5 龍智勇;石漢青;黃思訓(xùn);;利用衛(wèi)星云圖反演云導(dǎo)風(fēng)的新思路[J];物理學(xué)報(bào);2011年05期

6 盧風(fēng)順;宋君強(qiáng);銀福康;張理論;;CPU/GPU協(xié)同并行計(jì)算研究綜述[J];計(jì)算機(jī)科學(xué);2011年03期

7 郭曉軍;王振會(huì);劉暢;李峰;;利用靜止衛(wèi)星窗區(qū)紅外亮溫反演晴空區(qū)風(fēng)場的初步研究[J];氣象與環(huán)境學(xué)報(bào);2010年03期

8 董犖;葛萬成;陳康力;;CUDA并行計(jì)算的應(yīng)用研究[J];信息技術(shù);2010年04期

9 張朝暉;劉俊起;徐勤建;;GPU并行計(jì)算技術(shù)分析與應(yīng)用[J];信息技術(shù);2009年11期

10 王振會(huì);楊艷蓉;肖穩(wěn)安;河惠卿;李峰;;TCFM技術(shù)的衛(wèi)星導(dǎo)風(fēng)數(shù)據(jù)在臺(tái)風(fēng)模擬中的應(yīng)用初探[J];遙感學(xué)報(bào);2009年03期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 白洪濤;基于GPU的高性能并行算法研究[D];吉林大學(xué);2010年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 劉冬;基于數(shù)學(xué)形態(tài)學(xué)的高分辨率遙感圖像道路信息并行提取方法研究[D];吉林大學(xué);2011年

  本文關(guān)鍵詞：并行衛(wèi)星云導(dǎo)風(fēng)算法研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：255754