一种基于GPU并行计算的风暴潮集合数据预报方法以及装置制造方法及图纸

本申请实施例提供一种基于图像处理器并行计算的风暴潮集合数值预报方法以及装置，所述风暴潮的集合数值预报方法包括：生成多路预报数据；由中央处理器CPU对图像处理器GPU分配多个计算线程，并由所述GPU基于所述多个计算线程并行计算所述多路预报数据中各路预报数据对应的预报结果，得到多路所述预报结果；根据各路所述预报结果和与所述各路预报结果对应的权重系数确定输出预报结果。本申请的一些实施例通过引入GPU并行处理多路预报数据明显提升了多计算网格点风暴潮预报的速度。

【技术实现步骤摘要】
一种基于GPU并行计算的风暴潮集合数据预报方法以及装置
本申请涉及风暴预报领域，具体而言本申请实施例涉及一种基于GPU并行计算的风暴潮集合数据预报方法以及装置。
技术介绍
20世纪以来，我国沿海共发生5次死亡人数超过万人的灾害性风暴潮事件。风暴潮灾害造成的直接经济损失占我国各类海洋灾害损失的90％以上。因此准确的风暴潮预报对我国沿海地区的防灾减灾工作至关重要且意义重大。台风风暴潮数值模式能较好地模拟风暴潮的变化情况，在风暴潮预报中发挥着重要的作用，其模拟的准确性离不开模式对近岸复杂水深和地形的精细刻画。但精细化的计算网格(计算网格是为了实现计算机模拟计算而将实际的地形进行离散化处理，分成非常小的网格点，计算网格点是赋予物理量的最小单元，计算网格点越小，分辨率越高)必然导致计算量的急剧增加，若想实现上百个预报成员的台风风暴潮集合预报，计算量更是成百倍地增加。目前通常的做法是通过将计算网格划分成若干计算区域，再利用超算集群通过MPI等并行计算的方式缩短计算时间，或仅利用少量的预报成员(一般设置为5个)通过单机计算的方式来实现风暴潮的集合预报本文档来自技高网...

【技术保护点】
1.一种基于GPU并行计算的风暴潮集合数值预报方法，其特征在于，所述风暴潮的集合数值预报方法包括：/n生成多路预报数据；/n由中央处理器对图像处理器分配多个计算线程，并由所述图像处理器基于所述多个计算线程并行计算所述多路预报数据中各路预报数据对应的预报结果，得到多路所述预报结果；/n根据各路所述预报结果和与所述各路预报结果对应的权重系数确定输出预报结果。/n

【技术特征摘要】
1.一种基于GPU并行计算的风暴潮集合数值预报方法，其特征在于，所述风暴潮的集合数值预报方法包括：
生成多路预报数据；
由中央处理器对图像处理器分配多个计算线程，并由所述图像处理器基于所述多个计算线程并行计算所述多路预报数据中各路预报数据对应的预报结果，得到多路所述预报结果；
根据各路所述预报结果和与所述各路预报结果对应的权重系数确定输出预报结果。


2.如权利要求1所述的基于GPU并行计算的风暴潮集合数值预报方法，其特征在于，
所述由中央处理器对图像处理器分配多个计算线程，并由所述图像处理器基于所述多个计算线程并行计算所述多路预报数据中各路预报数据对应的预报结果，得到多路所述预报结果，包括：
采用所述中央处理器对所述多路预报数据和对应的所述预报结果进行前处理、后处理以及输入输出操作，其中，所述前处理包括：台风移速计算、台风参数插值计算以及地理相关常量的计算，所述台风参数包括经纬度、中心气压和大风半径，所述后处理包括定时提取所述预报结果以及海陆数据校验；
采用所述图像处理器对所述多路预报数据中各路预报数据包括的多个网格点的迭代运算，并将每次迭代运算的处理结果发送至所述中央处理器。


3.如权利要求1所述的基于GPU并行计算的风暴潮集合数值预报方法，其特征在于，所述各路预报数据包括多个计算网格点的数据，所述预报结果是通过所述图像处理器计算所述各计算网格点的多个核函数得到的。


4.如权利要求3所述的基于GPU并行计算的风暴潮集合数值预报方法，其特征在于，
所述图像处理器被配置为依次计算所述计算网格点的风应力核函数的值、连续方程核函数的值、动量方程核函数的值以及变量平滑核函数的值，其中，所述风应力核函数、所述连续方程核函数、所述动量方程核函数以及所述变量平滑核函数是对模型风场计算函数、风暴潮计算函数和平滑函数分解得到的；
所述中央处理器还被配置负责所述风应力核函数、所述连续方程核函数、所述动量方程核函数和所述变量平滑核函数的迭代循环和收敛条件的控制。


5.如权利要求1所述的基于GPU并行计算的风暴潮集合数值预报方法，其特征在于，所述由中央处理器对图像处理器分配多个计算线程，并由所述图像处理器基于所述多个计算线程并行计算所述多路预报数据中各路预报数据对应的预报结果，得到多路所述预报结果，包括：
所述中央处理器读取第n路预报数据，并确认所述第n路预报数据不属于所述多路预报数据中的最后一路预报数据，其中，所述n为大于等于1的自然数；
在所述图像处理器中依次执行如下步骤：
根据风应力核函数计算风应力变量，获得风应力变量值；
根据连续方程核函数计算连续方程，获得水位变量值；
根据动量方程核函数计算动量方程，获得流速变量值；
根据变量平滑核函数平滑所述水位变量值和所述流速变量值，并提取最大风暴增水；
其中，当所述中央处理确定所述第n路预报数据属于所述多路预报数据中的最后一路预报数据时，则输出所述图像处理器的计算结果，所述计算结果包括所述最大风暴增水。


6.如权利要求5所述的基于GPU并行计算的风暴潮集合数值预报方法，其特征在于，所述中央处理器读取第n路预报数据，并确认所述第n路预报数据不属于所述多路预报数据中的最后一路预报数据之前，所述基于GPU并行计算的风暴潮集合数值预报方法还包括：
在所述图像处理器的全局变量中设置多个循环内变量，其中，所述循环内变量包括：水位和最大增水中的至少一个；
在所述中央处理器的全局变量中...

【专利技术属性】
技术研发人员：李明杰，刘秋兴，于福江，梁森栋，刘仕潮，傅赐福，姜金荣，付翔，李涛，
申请(专利权)人：国家海洋环境预报中心，
类型：发明
国别省市：北京;11