CPU与GPU协同并行的多分量地震数据各向异性叠前时间偏移

地震勘探工区规模的日益庞大,造成多分量地震数据的各向异性叠前时间偏移算法耗时巨大。目前常用CPU集群方式并行加速该类算法,而集群方法必将导致节点间通信时耗增大;同时受限于CPU结构特点,只能通过扩大集群规模提高加速比。针对上述问题,提出一种基于CPU与GPU协同并行的多分量地震数据各向异性叠前时间偏移算法,利用OpenMP和CUDA实现CPU与多个GPU的协同并行,使用内存映射方法降低I/O耗费;并根据CPU与GPU的结构特点优化地震数据及速度数据的读取和存储方式,分割成像空间以节省算法内存消耗,每次只计算与开启的GPU个数相同条数的主测线,主测线内部采用一个GPU线程对应一道地震数据的偏移计算方法,以充分利用GPU计算能力。应用约29G的实际工区多分量地震数据分别比较不同个数GPU协同CPU并行的加速比,得知使用6个GPU协同CPU对实际纵波及转换波数据进行并行偏移处理时,加速比分别达到444和449。     

应用GPU的傅里叶有限差分逆时偏移

逆时偏移是针对复杂构造的主流叠前深度偏移成像技术,常规逆时偏移技术大多采用高阶有限差分和成像后滤波算法。由于实际偏移的计算网格较大造成空间频散现象和成像后的去低频噪声滤波会损害有效低频信息,因此成像频宽受到一定影响。为此,提出基于GPU的傅里叶有限差分逆时偏移方法。即采用傅里叶有限差分算法进行波场传播计算,波场外推中直接在时间—波数域做显式波场分解和互相关成像;同时采用基于GPU的算法,显著提高了傅里叶有限差分逆时偏移的计算速度。实际资料应用结果表明,该技术能实现对高、低频有效信息的充分保护和利用,从而提高了地震成像分辨率。     

基于GPU的表面多次波预测技术

 SRME方法预测表面多次波需要进行大量的空间褶积运算,具体表现为每个频率分量上的矩阵乘法运算。对此,本文充分利用GPU的计算优势,在每个频率分量上,将密集型运算矩阵乘法转移到GPU上完成,以提高预测表面多次波的效率,而其他运算由CPU顺序完成,进而由GPU/CPU协同并行计算完成表面多次波的压制,并分别利用GPU和CPU预测SMAART模型的表面多次波。两种方法计算时间对比表明,GPU通用计算技术的应用加速了多次波预测速度。通过最小能量自适应减去法对GPU和CPU预测的表面多次波进行了压制,结果表明GPU上的运算精度完全保持了CPU上的运算精度。     

基于GPU计算平台实现三维输出道方式的共反射面元(3D-CRS-OIS)叠加

输出道方式的共反射面元叠加(CRS-OIS)是对传统CRS叠加成像方法的重要改进。本文将3D-CRS-OIS方法应用于GPU计算平台,利用GPU大规模线程级并行计算架构,实现了基于GPU/CPU计算平台的稳健算法。该算法利用GPU存储带宽高、多寄存器和多处理器的结构特点,将3D-CRS-OIS的主要计算负荷——属性搜索转移至GPU端执行,从而大幅度提高了计算效率。理论与实际数据试算表明,基于GPU/CPU平台可以显著提高加速比,进一步拓展了3D-CRS-OIS算法的应用价值。     

海量地震数据叠前逆时偏移的多GPU联合并行计算策略

叠前逆时深度偏移(Pre-stack Reverse-time Depth Migration,RTM)是一种全波场成像方法。由于其实现过程存在着存储量、计算量庞大以及成像噪声等问题,难以适应实际生产的需求,使得该方法一直没有在工业界得到广泛的应用。采用震源波场重构的策略降低了存储需求;针对其计算量巨大的问题,利用了图形处理器(Graphic Processing Unit,GPU)进行并行计算,并与中央处理器(Central Processing Unit,CPU)结合实现协同并行处理;同时采用GPU多卡联合策略解决GPU显存不足的瓶颈。实际资料试验处理结果表明,上述技术措施能够在保证RTM高精度成像优势的基础上极大地提高计算效率,为应用RTM处理海量地震数据提供了良好的技术支持。     

基于CPU+GPU联合计算真地表叠前时间偏移实用化研究

为了提高起伏地表条件下的基尔霍夫叠前时间偏移算法的计算效率,针对CPU+GPU异构计算平台开展了算法移植与优化研究。首先分析了起伏地表条件下提高偏移成像精度的反假频、弯曲射线旅行时计算以及真地表旅行时校正的处理方法,然后在对算法的并行计算特征进行分析的基础上,针对CPU+GPU异构平台的算法移植进行了多级并行联合计算架构的设计,通过炮检距域的多进程数据域并行、地震数据I/O与偏移计算的异步并行、基于CUDA的超大规模线程成像域并行以及联合CPU计算的多线程成像域并行技术对算法进行了移植及优化。利用大规模测试数据集进行了计算效率测试,测试结果验证了多级并行联合计算架构以及分别针对CPU和GPU平台的算法优化技术能够极大地提高偏移处理效率。     

基于GPU计算平台的三维波动方程叠前深度偏移

GPU/CPU协同并行计算是一项全新的、具有革命性的技术,将对地震资料处理行业产生深远的影响。本文在充分发挥GPU存储带宽宽、多寄存器和多处理器结构特点的基础上,通过改进地震成像并行计算模块的核心函数,形成一套波动方程地震成像GPU高效并行算法,并取得理想的加速比和可扩展性。所形成的一套GPU/CPU平台下波动方程叠前深度偏移软件,已投入地震资料处理实际应用。理论模型试算和实际资料的处理验证了本方法的有效性和实用性。     

基于PML边界的变网格高阶有限差分声波方程逆时偏移

叠前逆时深度偏移采用全声波方程求解,不受介质横向速度变化和高陡倾角的影响,具有成像精度高、相位准确、实现回转波成像等优点。逆时偏移利用双程波动方程构造波场延拓算子,正向延拓时间域震源点波场,逆时反向外推时间域检波点波场,然后利用互相关成像条件实现成像,因此正演模拟技术是其成功与否的关键。当浅层为海水或者低速层时,常规的有限差分方法必须采用小网格才能有效压制频散,得到高质量的波场记录,从而保证成像精度。但是若对整个区域都用小网格和小的时间采样间隔进行波场计算,势必造成计算量的增加。本文给出了声波方程变网格算法的差分格式,推导了基于PML边界条件的变网格高阶有限差分方程,将可变网格和可变时间步长算法应用于逆时偏移的波场外推,既保证了波场外推计算的精度和最终逆时偏移的成像效果,同时又提高了计算效率,并通过数值算例试算和逆时偏移成像的应用,说明了该方法的有效性和可行性。     

不同介质模型的双聚焦计算方法

双聚焦计算方法模拟了两个三维波场响应过程:一是三维波场正演过程;二是三维波场叠前偏移过程,因此双聚焦算法的关键在于波场外推。不同介质模型采用不同的波场外推方法:直接外推法适用于最简单的均匀介质模型;大步长逐层递推法适用于层状均匀介质模型;小步长三维网格递推法适用于复杂介质模型。实际应用表明:针对复杂地质目标的双聚焦成像空间分辨率和照明强度预测,对于优化三维观测系统设计和提高地震成像质量具有重要作用。考虑到三维正、反向波场递推的计算量极大,建议在多节点的并行机上进行复杂介质双聚焦方法的软件开发。     

基于随机采样的频率域多路径波场模拟与偏移成像

采用射线追踪方法的常规Kirchhoff深度偏移不能全面描述焦散区的波现象,有可能导致偏移成像产生畸变,利用此类方法进行复杂介质条件下的偏移成像,不可避免地存在焦散问题。详细推导了二次震源的波场模拟理论方法与区域分解的实施方案,在确保局部空间不存在射线交叉的前提下进行区域分解;基于惠更斯二次震源理论进行波场外推,逐步完成整个区域的波场延拓。提出了基于随机稀疏采样与低秩分解的波场模拟高效算法,借助于GPU的计算能力实现了频率域多路径波场模拟与成像,大幅提高了计算效率。数模实验结果表明,该方法能正确处理焦散问题,实现多路径情况下反射界面的正确成像。