实验方法推估台湾地区岩石变形模量研究

为了对无法进行现场试验却又必须决定岩体的变形模量,探讨台湾地区的岩石共分沉积岩层中的砂岩、页岩、粉砂岩、砂页岩互层、泥岩等五类及变质岩层中的石英云母片岩、片麻岩、硅质片岩、绿色片岩、黑色片岩、大理岩、板岩、角闪岩、石英岩、燧岩、变质砂岩等11类岩石的变形性,利用现场孔内变形试验(ElastmeterTest)所得的参数,与室内动弹性试验(DynamicElasticModulusTest)及静弹性试验(StaticElasticModulusTest)所得的参数,整理分类以作为台湾地区地层、岩性的变形性工程参数数据库,并比较其相互间关系。最后推估得到沉积岩的变形模量及其弹性模量随着地质年代增长而有增加的趋势,而大理岩的变形模量明显高于大南澳片岩层的石英岩、石英云母片岩、片麻岩以及白冷层的板岩。     

一种基于MPI的稀疏化局部尺度并行谱聚类算法的研究与实现

谱聚类算法由于其可识别非凸数据分布、可有效避免局部最优解、不受数据点维数限制等优点,在许多领域得到广泛应用。然而,随着数据量的增大和数据维数的增多,在保证聚类准确性的前提下,尽可能降低计算时间将变得非常必要。此外,影响谱聚类算法聚类质量的因素除数据集本身外,还与所采用的求解距离矩阵的方法、相似性矩阵的尺度参数、Laplacian矩阵形式等多种因素相关。针对以上问题,首先对于大规模数据问题,将MPI并行编程模型应用于谱聚类算法;然后利用t-最近邻方法对谱聚类算法中较大维数的Laplacian矩阵进行近似转化,同时用局部尺度(Local Scaling)参数对算法中的尺度参数进行自动调节。基于上述分析,提出了一种谱聚类并行实现算法,即稀疏化局部尺度并行谱聚类算法SLSPSC,并在四个数据集上进行了测试,与现有的并行谱聚类算法PSC在运行时间和聚类质量两方面做了比较分析。实验结果显示,该算法降低了求解Laplacian矩阵的总时间,同时部分数据集聚类质量得到较大提高。     

自适应谱聚类算法并行实现及优化

谱聚类算法是基于谱图分割理论的聚类方法,其对高维、非凸数据分布问题有很好的聚类效果。但对大规模数据问题的聚类,该方法存在着计算时间和存储空间等方面的瓶颈。本文给出了一个自适应的谱聚类并行算法,通过局部计算和异步循环通信并行方法,最大限度减少了并行谱聚类中数据通信次数,并通过计算与通信重叠策略,进一步降低了并行算法的通信开销。在并行算法实现中,将自主开发的最优预条件共轭梯度法并行求解器 PLOBPCG 用于谱聚类的特征降维。在中科院的“元”超级计算机上,通过对两类大规模数据聚类的测试表明,在 2048 核上的加速比接近线性加速,并行效率达到96%以上。