一种针对GPU上的油藏数值模拟的高效SpMV

油藏数值模拟和很多其他科学计算问题一样需要求解大型稀疏线性代数方程组.在求解稀疏线性代数方程组的迭代法中,稀疏矩阵向量乘法(SpMV)是影响计算效率的核心函数之一.随着计算机硬件架构异构化,科学计算从单核、多核CPU计算架构逐渐发展到多核CPU+众核加速卡(GPU卡或MIC等)的计算架构.SpMV的实现效率与稀疏矩阵的存储格式及硬件架构关系密切.本文针对油藏模拟中常见的Jacobian矩阵的稀疏模式,利用GPU核心的合并访问和并发计算等特点,结合油藏模拟线性解法器的算法要求,设计了一种BHYB矩阵存储格式及其对应的线程组并行策略.数值实验测得基于该存储格式的SpMV相对串行BCSR格式的SpMV的加速比可达19倍,比cuSPARSE库中效率最高的HYB格式的SpMV快30%到80%.此外,本文所提出的BHYB存储格式对块状矩阵在GPU上的存储以及线程组并行策略对其它GPU并行程序中内核函数的设计和优化能起到一定的借鉴作用.     

块对角占优性与对称矩阵的块对角预条件

§1.引言 稀疏线性方程组的求解在科学计算与工程应用中非常重要。在材料模拟与设计、电磁场计算、计算流体力学和核爆数值模拟等领域中经常要求解微分方程,并通过有限元或有限差分与有限体积等方法进行离散,化为非线性方程组或稀疏线性方程组。非线性方程组的求解     

新预处理ILUCG法求解稀疏病态线性方程组

大型稀疏病态线性方程组的高效求解在科学计算和工程应用中起着十分重要的作用.对于一般非对称正定的非奇异线性代数方程组,首先介绍常用的不完全LU分解预处理矩阵构造技术;然后给出SSOR预处理分解及其改进分解,并基于ILUCG思想提出新预处理ILUCG法同时给出收敛性分析;最后进行数值模拟仿真试验,数值结果表明该算法是有效可行的,且较之一般的预处理ILUCG方法该法在求解稀疏病态方程组方面具有优越性.     

共享存储并行机的算法设计

1．引言目前在工业设计部门使用的并行处理计算机中，共享存储计算机占有很大的比重，在今后一定的时间内仍然是一个比较重要的机型，怎样用好这些计算机是一个不可忽视的问题．在工业设计部门的计算中，大型稀疏线性代数方程组迭代求解占有不可忽视的比重．因此，研究大型稀疏线性代数方程组在共享存储计算机上的并行迭代算法就显得非常重要．我们所遇到的共享存储计算机主要有两大类：一是流水线式向量机或多CPU向量机；另一类是多CPU的并行机．这两类机型的算法设计思想是有比较大的差异的．就是同一种类型的机器，它的结构不一样，算…     

一种用于模拟电路仿真的改进型迭代算法

模拟电路的仿真问题最终归结为对线性代数方程组的求解。利用分块化方法可以降低求解过程中Jacobi矩阵的维数,从而有效降低求解时间。如何降低求解线性方程组的迭代次数,是有效降低求解时间的另一重要问题。首先详细分析了用于求解模拟电路代数方程中Jacobi矩阵的划分问题,然后提出一种改进的隐式迭代方法。最后,通过实验分析了算法中内迭代次数Iin对总迭代次数的影响,该结论对提高整体加速比具有指导意义。     

基于MIC的GaBP并行算法

GaBP(Gaussian Belief Propagation)是一种解线性代数方程组的迭代算法,它是基于递归更新的概率推理算法,具有低复杂性和高并行性.MIC是英特尔的至强融核Xeon Phi的Many Integerated Core架构.它提供数百个同时运行的硬件线程,能充分满足对高并发度的大量需求.本文研究了如何高效地求解大规模稀疏线性方程组的并行算法,通过挖掘GaBP算法特性,优化算法存储结构和加速迭代,同时给出了一种求解大规模稀疏对称线性方程组的基于MIC的GaBP并行算法;并从美国Florida.大学开发的稀疏矩阵库(UFget)中抽取了部分大规模对称稀疏矩阵作为算例进行测试,计算结果表明,在相同精度下,基于MIC的GaBP并行算法相对于GaBP算法具有更显著的高效率.     

GPU加速不完全Cholesky分解预条件共轭梯度法

不完全 Cholesky 分解预条件共轭梯度（incomplete Cholesky factorization preconditioned conjugate gradient ,ICCG）法是求解大规模稀疏对称正定线性方程组的有效方法。然而ICCG法要求在每次迭代中求解2个稀疏三角方程组,稀疏三角方程组求解固有的串行性成为了ICCG法在GPU上并行求解的瓶颈。针对稀疏三角方程组求解,给出了一种利用GPU 加速的有效方法。为了增加稀疏三角方程组求解在GPU上的多线程并行性,提出了对不完全Cholesky分解产生的稀疏三角矩阵进行分层调度（level scheduling ）的方法。为了进一步提高稀疏三角方程组求解的并行性能,提出了在分层调度前通过近似最小度（approximate minimum degree ,AMD）算法对系数矩阵进行重排序、在分层调度后对稀疏三角矩阵进行层排序的方法,降低了分层调度过程中产生的层数,优化了稀疏三角方程组求解的GPU内存访问模式。数值实验表明,与利用NVIDIA CUSPARSE实现的ICCG法相比,采用上述方法性能可以获得平均1倍以上的提升。     

大型稀疏线性方程组的一种压缩求解算法

求解线性代数方程组是工程上经常遇到的问题,而它们的系数矩阵又往往是大型稀疏矩阵。文章介绍了一种简单易行,并且已经用C语言实现了的求解这类方程组的压缩算法。最后,还对压缩和非压缩算法进行了比较。     

求解二维对流扩散方程的投影迭代法

鉴于目前流行的求解大型稀疏代数方程组的投影迭代法中,为提高迭代效率,在迭代前通常需要对稀疏矩阵进行预处理,改善迭代矩阵的条件数,从而减少迭代次数,这使得发展稀疏矩阵的存储技术变得尤为关键。基于二维对流扩散方程的四阶紧致差分格式,将其转化为代数方程组,得到其三对角块形式的系数矩阵,利用稀疏矩阵存储技术和预条件迭代法进行求解,并与传统的中心差分格式所得数值解进行比较,充分说明了方法的高效性和可靠性。     

空间二维、有冷却剂时的稳态温度场计算

本文对空间两维具有流动冷却项的稳态热传导方程 -?·q qv=cr(dT)/(dt) (1)作数值求解,得到所需要的温度场,对应于温度的线性代数方程组,其系数矩阵是稀疏、非对称和内角不占优的,采用向后差商代替中心差商后,变为对角占优的,因而用连续松弛法得到收敛解,并给出了平板和U形放热元件的温度场计算结果。     

基于新型遗传算法的碳酸盐岩油气藏布井研究

塔河油田隶属碳酸盐岩油田,由于缝洞发育的随机性,因此需要在开发初期进行合理的井位确定,以最大限度地提高开发效果。通过对传统的遗传算法进行多角度的改进,提出了一种新型遗传算法,并将其率先应用于油气田开发领域,相继引入淘汰算子、精英档案,改进了种群之间协同进化过程中的共生伙伴确定策略,大幅度提高了寻优性能。最后借助塔河油田某区块的实际开发地质模型,进行相关模拟与计算,得到了比传统算法高5%的采收率和累产油量,效果良好。     

汽轮机润滑油温模糊调节系统的仿真研究

在汽轮发电机组中,润滑油温度的控制对汽轮机系统的安全运行具有很重要的意义。研究了润滑油温自动控制系统的模糊设计与仿真,为电站自动化程度的进一步提高提供了理论基础。对汽轮机润滑油的实际工作流程和作用做了具体分析,选择了不严格依赖于系统数学模型的模糊控制方案,详细地设计了汽轮机润滑油温度的模糊控制算法。根据工程实际经验,建立了润滑油温度调节系统的非线性数学模型。最后用Matlab程序进行了仿真,仿真结果证明了模糊控制的可行性与有效性。     

基于粒子群算法的供油船调度

供油船调度是港口作业船舶调度中不可或缺的一个环节。根据港口的实际情况,以分析供油船的工作过程和特点为基础,本文提出了一种针对供油船的编码方式,并且将粒子群算法应用到供油船调度系统中。经过多次优化运行,证明优化的结果好于仿真。相比传统的经验调度,采用模型和算法的调度方式能够提高供油船作业的效率。     

Parallel adaptive reservoir simulation

In oil-industry it is common use to simulate the exploitation of an oil-reservoir by means of some numerical method. Such a numerical method may use the concept of dynamical local grid refinement, in order to mark fronts of water and oil, which move through the reservoir. In this paper, we discuss a domain decomposition method, which may be used to parallelize reservoir simulation. The parallel algorithm and timing experiments on a hypercube-type parallel computer are considered.     

图像识别算法在油田集输仿真培训中的应用

以石油企业中的油气集输系统为主要研究对象,针对目前虚拟仿真技术存在的问题和缺陷,对油气集输系统的虚拟仿真技术进行较深入研究。在对油气集输工具图像进行分析和实验研究的基础上,提取集输工具图像的多种特征值,其中利用 HSV 彩色空间提取图像颜色特征,采用傅立叶描述子提取图像的形状特征。并采用最小二乘支持向量机算法对图像进行识别,实现了员工在虚拟现实场景中真实、安全、高效培训,经现场实际使用取得了较好的应用效果。     

补偿模型误差的采油过程多目标优化

通过对采油过程的分析,本文建立了以最大化区块产油量和最小化单位产油量综合能耗为目标的优化模型.针对单位产油量综合能耗模型的输出与实际值存在较大误差,利用高斯混合模型(GMM)对单位产油量综合能耗混合模型误差特性进行描述,实现对模型的误差补偿,并将误差补偿后的单位产油量综合能耗引入到已建的优化模型中,使得优化结果更接近实际最优值.在此基础上,采用带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ)用于所建的多目标优化模型求解.最后,以某采油作业区一区块生产过程为例进行仿真验证,结果表明了所建模型和优化算法的有效性.     

安全强化学习算法及其在CPS智能控制中的应用

信息物理系统(cyber-physicalsystem,CPS)的安全控制器设计是一个热门研究方向,现有基于形式化方法的安全控制器设计存在过度依赖模型、可扩展性差等问题.基于深度强化学习的智能控制可处理高维非线性复杂系统和不确定性系统,正成为非常有前景的CPS控制技术,但是缺乏对安全性的保障.针对强化学习控制在安全性方面的不足,围绕一个工业油泵控制系统典型案例,开展安全强化学习算法和智能控制应用研究.首先,形式化了工业油泵控制的安全强化学习问题,搭建了工业油泵仿真环境;随后,通过设计输出层结构和激活函数,构造了神经网络形式的油泵控制器,使得油泵开关时间的线性不等式约束得到满足;最后,为了更好地权衡安全性和最优性控制目标,基于增广拉格朗日乘子法设计实现了新型安全强化学习算法.在工业油泵案例上的对比实验表明,该算法生成的控制器在安全性和最优性上均超越了现有同类算法.在进一步评估中,所生成神经网络控制器以90%的概率通过了严格形式化验证;同时,与理论最优控制器相比实现了低至2%的最优目标值损失.所提方法有望推广至更多应用场景,实例研究的方案有望为安全智能控制和形式化验证领域其他学者提供借鉴.     

石油勘探开发中的数据场可视化技术应用研究

石油勘探开发是石油工业的重要部分,在石油勘探开发过程中,会采集到大量的数据,形成三维数据场,使用这些数据的目的足为了准确地再现油藏分布以及石油勘探开发过程中的参数的动态变化。该文是将三维数据场可视化技术应用到石油勘探开发过程中的地质建模和数值模拟之中,利用可视化技术,尤其是三维数据场可视化技术,实现了从大量数据中构造出三维图像。该文在算法中使用了包围盒技术和分层存储结构来提高算法的速度,达到了较好的效果,直观地再现了石油在油气藏中的状态,指导设计人员进行井位的确定,提高石油生产的效益,辅助相关领域工作人员的分析、设计,具有广泛应用前景。     

输入输出均为时变函数的过程神经网络及应用

为了解决实际系统中输入、输出经常是时变连续函数的问题,提出了一类基于基函数展开的过程神经元网络模型.该模型利用过程神经元网络所具有的对时间变量的非线性映射能力,实现系统的输入、输出之间的连续映射关系.另外,还给出了一种学习算法.为了简化计算,选择正交函数作为基函数,并以油藏开发仿真为例,验证了模型和算法的有效性.     

Cycle-based algorithm used to accelerate VHDL simulation

Cycle-based algorithm has very high performance for the simulation of synchronous design,but it is confined to synchronous design and it is not as accurate as event-driven algorithm.In this paper,a revised cycle-based algorithm is proposed and implemented in VHDL simulator.Event-driven simulation engine and cycle-based simulation engine have been imbedded in the same simulation environment and can be used to asynchronous design and synchronous design respectively.Thus the simulation performance is improved without losing the flexibility and accuracy of event-driven algorithm.