一种基于GPU并行的重力梯度张量数据快速密度反演方法技术

本发明专利技术公开了一种基于GPU并行的重力梯度张量数据快速密度反演方法，本发明专利技术相比单一重力数据反演分辨率较高，提出的快速预处理方法比传统的共轭梯度法，密度值与几何位置更加贴近设定的模型。通过迭代次数和计算总时间共同评估并行程序的效率，相比传统算法的CPU串行计算，本方法使三维反演收敛更快，计算用时短，达到了大约25倍的加速比。

【技术实现步骤摘要】
一种基于GPU并行的重力梯度张量数据快速密度反演方法
本专利技术涉及地球科学
，具体为一种基于GPU并行的重力梯度张量数据快速密度反演方法。
技术介绍
现有的大规模数据的三维重力张量梯度数据反演面临着对计算机内存需求大、算法迭代次数较多和反演计算消耗时间太长等缺点。改进的预处理算法可以降低计算存储空间、减少反演迭代次数，从而提高反演计算效率。然而随着数据量增大，当系数矩阵阶数较大时，由于计算预处理因子需要额外的时间，迭代反演的耗时也明显增加，利用GPU实现高效的并行迭代法是提高求解速度的有效途径。反演计算的效率是由反演次数和总耗时共同决定的。因此提出的并行预处理方法较常规的共轭梯度算法既能减少迭代次数，又能权衡掉预处理分解计算所需的额外时间，达到快速反演。
技术实现思路
本专利技术的目的在于提供一种基于GPU并行的重力梯度张量数据快速密度反演方法，以解决上述
技术介绍
中提出的问题。为实现上述目的，本专利技术提供如下技术方案：一种基于GPU并行的重力梯度张量数据快速密度反演方法，反演算法为：其中，MTM＝LLT-R，L是稀疏的下三角矩阵，R是残余矩阵。优选的，基于GPU的并行算法流程包本文档来自技高网...

【技术保护点】
一种基于GPU并行的重力梯度张量数据快速密度反演方法，其特征在于：反演算法为：

【技术特征摘要】
1.一种基于GPU并行的重力梯度张量数据快速密度反演方法，其特征在于：反演算法为：其中，MTM＝LLT-R，L是稀疏的下三角矩阵，R是残余矩阵。2.根据权利要求1所述的一种基于GPU并行的重力梯度张量数据快速密度反演方法，其特征在于：基于GPU的并行算法流程包括以下步骤：A、初始化Matlab环境；B、读入观测的全张量重...

【专利技术属性】
技术研发人员：王泰涵，马国庆，李丽丽，杜晓娟，
申请(专利权)人：吉林大学，
类型：发明
国别省市：吉林,22