基于GPU实现叠前时间偏移走时计算的并行算法

英文篇名：Parallel Algorithm Based on the Travel Time Computing of Pre-stack Time Migration Using GPU
中文刊名：计算机系统应用
英文刊名：Computer Systems & Applications
作者：张清 ; 迟旭光 ; 谢海波 ; 赵开勇 ; 吴庆 ; 陈维 ; 王狮虎 ; 褚晓文
英文作者：ZHANG Qing1 ; CHI Xu-Guang3 ; XIE Hai-Bo1 ; ZHAO Kai-Yong1 ; 2 ; WU Qing1 ; CHEN Wei3 ; WANG Shi-Hu3 ; ZHU Xiao-Wen1 ; 2 1(The State Key Laboratory of High Performance Server and Storage Technology ; Inspur Group ; Beijing 100085 ; China) 2(Department of Computer Science ; Hong Kong Baptist University ; Hongkong ; China) 3(BGP ; Zhuozhou 072751 ; China)
中文关键词：叠前时间偏移 ; 地震勘探 ; 图形处理器 ; 计算统一设备架构 ; 走时计算 ; 并行计算
英文关键词：PSTM ; seismic exploration ; GPU ; CUDA ; the travel time computing ; parallel computing
出版日期：2011-08-15
机构：浪潮集团高效能服务器和存储技术国家重点实验室;中国石油集团东方地球物理勘探有限责任公司;香港浸会大学计算机系;
年：2011
期：08
出版单位：计算机系统应用

摘要

走时计算是叠前时间偏移计算中最耗时的部分,通过分析传统的串行走时算法,发现静态8点插值算法非常适合在GPU上运行。首先利用CUDA技术对静态8点插值算法进行并行化改造,设计静态8点并行插值算法,然后测试其正确性,统计其相对误差情况。实验表明此算法比工业生产上的动态插值算法更准确,最后我们利用体偏作性能测试。试验结果表明,运行在GPU上的静态8点并行插值算法内核性能是运行在CPU上的动态插值算法内核的22.76倍。这说明,静态8点并行插值算法适合进行走时计算,并且可以应用于工业生产上。
The computation of traveling time of Pre-Stack Time Migration(PSTM) is the most time-consuming part of whole procedure.In this paper,we present a novel parallel algorithm to low the time of traveling-time computation.By using static interpolation with step of 8 points instead of dynamic step length,the new designed algorithm performs more accuracy and performance.Experimental results show that the speed-up number reaches 22.76 times.The statistical relative error demonstrates the better accuracy comparing with the commercial codebases.

引文

1王余庆,等.叠前偏移技术探讨及应用.西北油气勘探,2006,18(2):31-39.
    2王棣等.叠前时间偏移方法综述.勘探地球物理进展,2004,27(5):313-320.
    3王华忠,等.起伏地表条件下偏移到多偏移距叠前时间偏移.勘探地球物理进展,2007,(5):361-367.
    4刘洪,等.基于横向导数的走时计算方法及其叠前时间偏移应用.石油物探,2009,48(1):3-10.
    5 Wiggins W.Kirchhoff integral extrapolation and migration of nonplanar data.Geophysics,1984,49(8):1239-1248.
    6李博等.地震叠前时间偏移的一种图形处理器提速实现方法.地球物理学报,2009,52(1):245-252.
    7张浩,等.GPU的通用计算应用研究.计算机与数字工程,2005,33(12):60-62.
    8王凯,等.GPU通用计算在LBM方法中的应用.计算机工程与设计,2009,30(19):4513-4515.
    9郭境峰,等.新一代高性能运算技术——CUDA简介.现代科技,2009,8(6):29-30.
    10 LESSIG C.An implementation of MRRR algorithm on a data-parallel coprocessor.Toronto:University of Toronto,2008.126-129.
    11吴连贵,等.基于CDUA的地震数据相干体并行算法.计算应用,2009,(3):294-296.
    12 TOLKE J.Implementation of a lattice Boltzmann kernel using the compute unified device architecture developed by NVIDIA.Proc.of Conference on Computing Frontiers.2008.8-12.