<i id="ju5tb"><option id="ju5tb"><listing id="ju5tb"></listing></option></i>
    <delect id="ju5tb"></delect>
    <optgroup id="ju5tb"><tt id="ju5tb"><tr id="ju5tb"></tr></tt></optgroup><thead id="ju5tb"><del id="ju5tb"><video id="ju5tb"></video></del></thead>

        <object id="ju5tb"><option id="ju5tb"><small id="ju5tb"></small></option></object>
          <thead id="ju5tb"><ol id="ju5tb"></ol></thead><object id="ju5tb"></object>
            熱門標簽:代寫本科論文 寫作發表 工程師論文 代寫一篇論文多少錢
            當前位置: 代寫一篇論文多少錢 > 計算機論文 > 水利信息處理系統中GPU并行計算的運用

            水利信息處理系統中GPU并行計算的運用

            時間:2019-07-15 13:28作者:曼切
            本文導讀:這是一篇關于水利信息處理系統中GPU并行計算的運用的文章,GPU并行計算是水利信息化發展的新趨勢, 隨著水利信息化的不斷發展及水利系統中數字化技術的運用, 出現了大量獨立、多源的數據, 怎樣高效運算這些數據, 是水利系統中要解決的主要問題。

              摘    要: 本文介紹了GPU并行計算, 說明了GPU并行計算在水動力學模型及分布式水文模型上均已有很好的應用。本文就GPU在水文模型中、在智慧水務大數據中、在水庫調度中及在中長期水文預報中的應用前景進行了研究。

              關鍵詞: GPU; 并行計算; 水利系統;

              我國有很多著名的大型水利工程, 如小浪底水利樞紐、三峽水利樞紐、南水北調工程等。由于工程規模的擴大, 其計算量也越來越大。最精簡的模型的復雜計算甚至需要數十天, 嚴重影響了水利的發展, 很多人的設想及理論由于計算能力的局限性而無法展開工作。這些復雜的計算及數據處理需要GPU并行計算進行, 基于GPU的并行計算在計算效率及成本上有明顯優勢。GPU擁有超強的并行計算能力, 而水利系統中的算法及模型大都具有并行性, 這恰恰是GPU并行計算得以應用的前提條件。GPU并行計算在水利系統的應用處于起步階段, 有很好的發展前景。

              一、GPU并行計算

              隨著GPU的出現, 和圖形相關的處理就交給了GPU。開始GPU只在圖像顯示中應用, 如今由于GPU中計算能力的提高及計算架構的不斷完善, 逐漸利用圖形處理器計算原本由中央處理器完成的計算任務。GPU最直觀的特點是計算單元眾多, 這決定了GPU非常適用于計算, 如應用于矩陣的運算。GPU的可編程性、運算能力提高迅速。目前GPU并行計算廣泛應用于人工智能、大數據, 想借助提高主頻來增強計算能力的方式已經不能滿足海量數據的計算量需求, 最近幾年, 電腦的渲染技術已經發展到GPU加速渲染。應用領域非常廣泛, 如:仿真動畫、3D電子游戲、虛擬漫游、流體模擬等。

              二、GPU并行計算的應用

              水動力學模型能夠模擬水量、水速等要素, 它在河流泥沙沖淤、計算通航水流、洪水潰壩模擬等方面均有廣泛的應用。鑒于這些問題很復雜, 計算量大、要求的精度高, 傳統的串行計算方式已無法解決, 因此, 水動力學模型從串行轉向了并行, GPU并行計算引入此模型, 大大提高了求解速度。

              水文模型的主要形式是分布式水文模型, 鑒于分布式水文模型龐大的計算量及天然的并行性, GPU并行計算會更多地應用于該模型之中。GPU并行計算技術在水動力學模型及分布式水文模型中均有很好的應用, 目前, GPU并行計算在水動力模型中應用較多, 在分布式水文模型中的應用稍微少一點。主要是因為前者的理論比分布式水文模型更加成熟。但我們相信隨著分布式水文模型的日趨成熟, GPU并行計算也將在分布式水文模型中有更多的應用。

              1. 在水文模型中的應用

              水文模型中的參數通常都有某種特別的實際意義, 直接測定參數有一定的難度, 同時, 準確度也不夠, 參數率定是最佳的系統識別方式。如今, 水文參數率定有Simplex法、Rosenbrock法、粒子群算法、遺傳算法等方法。未來, 參數率定的電子自動化將會有很好的發展。水文模型參數率定的過程中要不斷重復地把參數代入模型計算, 然后用某種率定方法對演算結果進行尋優, 直至獲得最優參數, 整個尋優過程中有相當巨大的計算量。若有更多的率定參數, 參數空間的維數也會隨之增大, 用目前的率定方法計算極易造成局部最優解, 而且需要的時間長。如果引入GPU并行計算, 就能解決參數多和維度大的問題, 把整個參數率定過程分配到GPU并行計算中, 從而節約整個率定時間, 這樣容易求出全局最優解。

            水利信息處理系統中GPU并行計算的運用

              分布式水文模型通常與天氣預報相聯系, 是水文發展的主要方向, 具有特別大的計算量, 所以需要加速計算。因為分布式水文模型具有并行性, 所以可以利用GPU并行計算進行加速。GPU并行計算是解決水文模型問題的好方法。

              2. 在智慧水務中的應用

              智慧水務是城市水務管理和智慧城市發展的方向。GPU并行計算引入其中, 能充分展現出GPU并行計算在大數據中的計算優勢。目前智慧水務面臨的主要問題是數據采集和數據存儲涉及的信息量過大, 包含地理、經濟等大量的信息數據。水務大數據具有多源、多量、多態及多維的特點, 由于3S技術的快速發展, 用更多的采集信息方式獲取數據。如何處理特點和類型不同的大數據是目前迫切要解決的問題。處理大數據有兩種方式, 一種是提前儲存數據, 然后統一計算數據, 此種方式稱為批量計算, 另一種是將隨時出現的數據放入任務拓撲中進行實時計算, 最后輸出有效信息及數據, 此種方式稱為流式計算。GPU具有眾多的計算單元適合處理龐大、復雜的數據。

              3. 在水庫調度中的應用

              水庫調度具有約束條件多、多目標性、非線性、多維性的特點, 是承擔灌溉、工業和城鎮供水等水庫控制運用的較復雜問題。隨著水庫數量的增加及計算精度要求的提高, 常規算法在水庫調度中一直不太理想。因此, 人們研究如何改進模型算法和加速硬件, 可是算法改進滿足不了大規模的水庫優化調度問題的計算要求。加速硬件是處理水庫調度問題的發展方向。計算機技術的迅猛發展, 為GPU并行計算提供了有利條件, 人們將動態規劃及并行計算進行結合, 以OpenMP編程模式進行并行化運算, 運行效率得到了明顯提高。如果在水庫調度的計算中引入GPU并行計算, 其計算效率一定會大大地提高。

              4. 在中長期水文預報中的應用

              中長期水文預報是根據前期獲得的水文氣象資料, 用一定的方法, 對未來較長時間的水文要素進行科學的預測, 是介于氣象學、水文學等學科的邊緣學科。目前, 中長期水文預報的方法主要有數理統計法、物理成因法、天文氣象學法和智能計算方法共四種。智能計算方法是新穎的水文預報方法, 人們從大自然中的普遍原理獲得靈感模擬出很多智能計算方法, 比如模糊分析、人工神經網絡和混沌理論等。

              計算機技術的迅速發展使得智能計算方法在更多的水文預報模型中得以應用。很多智能計算方法都涉及神經網絡。神經網絡算法中用到很多如梯度值、激活值等這些參數, 參數值在每次計算迭代中都會變化, 這對于計算機設備的內存和網速的要求都很高。GPU在結構上優勢明顯, 其擁有很多計算單元和高帶寬。目前, 為使GPU的高效率計算特性與CPU的邏輯控制能力各自展現, 擁有多個GPU的計算機已實現GPU和CPU的協同合作運行, 很好利用GPU強大的計算能力。

              三、結語

              GPU并行計算是水利信息化發展的新趨勢, 隨著水利信息化的不斷發展及水利系統中數字化技術的運用, 出現了大量獨立、多源的數據, 怎樣高效運算這些數據, 是水利系統中要解決的主要問題。目前, GPU并行計算在水利中的應用才剛剛開始, 今后應深入地研究與實踐, 同時也需要水利部門的合作, 讓GPU計算在水利系統中發揮出更大的作用。

              參考文獻

              [1]朱星明, 涂彬, 陳煜, 白婧怡, 耿慶齋.水利科學計算并行計算平臺構建及算法實踐[J].水利水電技術, 2006, (8) .
              [2]蔣昌波, 劉洋, 鄧斌.出滲對均勻大粒徑泥沙附近水動力特性影響[J].水科學進展, 2017, 28 (1) .
              [3]田雨, 蔣云鐘, 楊明祥.智慧水務建設的基礎及發展戰略研究[J].中國水利, 2014 (20) 7.
              [4]覃金帛, 曾志強, 梁藉, 楊明祥, 張健.GPU并行優化技術在水利計算中的應用綜述[J].計算機工程與應用, 2018, 54 (3) .
              [5]戴春娥, 陳維斌, 傅順開.通過GPU加速數據挖掘的研究進展和實踐[J].計算機工程與應用, 2015, 51 (16) .

            相關文章
            聯系我們
            • 寫作QQ:79211969
            • 發表QQ:78303642
            • 服務電話:18930620780
            • 售后電話:18930493766
            • 郵箱:lunwen021@163.com
            范文范例
            網站地圖 | 網站介紹 | 聯系我們 | 服務承諾| 服務報價| 論文要求 | 期刊發表 | 服務流程
            快三全天精准计划