基于gpu在地震成像技术

《基于gpu在地震成像技术》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基于GPU在地震成像技术　　1、震成像技术5根据穿透地层的地震波的记录而建造地层界面图像的方法。又称地震层析成像。反射地震成像方法主要应用于石油勘探。在地面记录的未经偏移的反射地震能量（例如共偏移距记录）通常可提供地下构造的强相干图像。尽管是强相干的，但该图像是不正确的，原因在于它受到几种畸变作用的影响，最显著的影响是来自地质界面截断的绕射波和倾斜界面上反射点与地面位置间能量的横向移动。地震成像就是校正这些畸变影响的地震处理手段。20世纪70年代末，地震成像技术才发展为全球地震学的成像技术，由研究人工震源地震波发展到研究天然地震波，进行全球层析成像。早期的地

2、震计算机偏移方法是在古典的偏移方法的基础上提出来的。那些符合波的传播特征的方法取得了成功的。尽管这些方法使用了波前、绕射等地震波传播的惠更斯原理，但是，这也只是概念性的。偏移剖面的质量虽然能够满足最基本的要求，但归位的精度和成像时的波形特征都不是很准确的。因此，在目前研究更有效的地震偏移方法是很迫切需要的。为了更准确地评估地表下岩层的状况，并确定地层地质结构，研究者探索新的相关技术。叠前时间偏移（PSTM）和叠前深度偏移（PSDM）新型地震成像技术。但是这种技术需要大规模的计算量，这种大规模计算就意味着购置与运营成本非常高昂。现在，多核技术已经代替单纯CPU

3、频率的提升而成为计算机性能发展的主流。利用GPU超级计算系统，证明了多尺度离散化并行计算模式的优势和前景。2、地震偏移技术在二十世纪六，七十年代以前，地震偏移技术是用手工操作的一种制图技术，它只是用来求得反射点的空间位置，而不去考虑反射波的特点。地震偏移可在叠前做也可在叠后做。当今对地震数据成像有较大影响的几种代表性的方法两种，Gardner（1985）曾详细论述了所有这些方法；在其论著的再版卷中讨论的大多数方法为叠后偏移。叠前偏移方法远非仅仅是叠后方法的“拓展”，而且涉及到其自身概念上的重大难度。在叠前偏移中这种难度与需要处理两个波场有关，而叠后偏移仅处理

4、单个波场。3、基于GPU的在地震成像技术5地震成像比其它大多数地震处理的计算量要大得多，故它一直紧随着计算机硬件技术的发展而进步。至今我们仍在对大量的叠后数据作偏移，这就意味着叠前偏移的计算成本仍然太高，因而我们还需要具有更大内存和更快磁盘存取的高速计算机来降低处理成本。GPU强大的图像处理能力可以进行通用计算。现将GPU/CPU通用高性能计算技术实现在地震叠前时间偏移的计算上，将计算的核心部分移植到GPU上进行并行计算，其余辅助计算在CPU上完成，实现了二维地震叠前深度偏移处理的GPU计算。很多实验结果证明在加速地震叠前时间偏移的计算上，这项技术使地震勘探

5、处理的常规计算流程更加密集、数据独立性强、并行性高等特点，提高了数据处理的速度，具有较好的实际应用价值。目前在信息检索、生物基因技术领域，数据挖掘等方面GPU已经突破了很多技术屏障，因而被广泛应用到诸多高性能计算领域内，成为当前的研究热点及未来的发展趋势。其中，经济效益最为显著的是油气勘探领域。GPU/CPU实现逆时偏移已有些成功应用，如图一，在炮并行目前，深度偏移和时间偏移，以及逆时偏等多种常用方法均已有研究者根据其特点分别提出了相应的并行策略。Inline线方向，道方向并行xnline环境下实现GPU/CPU并行运算。GPU这种最为强大的计算设备，正在改

6、变计算行业面貌。4、总结与展望5GPU超级计算系统已成功应用在多相流动直接数值模拟、材料和纳微系统微观模拟和生物大分子动态行为模拟等方面，基于GPU/CPU协同并行计算的专项技术地震资料处理服务实现在地震叠前时间偏移的计算上，提高了数据处理的速度，实现了二维地震叠前深度偏移处理的GPU计算。大数据量的并行高性能叠前去噪，进一步提高叠前偏移、叠前反演的处理技术的效率；实验结果证明在加速地震叠前时间偏移的计算上，提高了数据处理的速度，特别是地震勘探技术从叠前到叠后、从时间域到深度域、从单分量到多分量、从声波到弹性波等方面的数据处理和计算都有数倍级提升。以道作为G

7、PU线程的单个并行处理单位可以改善这些问题，但又会导致显存不足以及累加时的读写冲突，如何解决这些问题为今后系统性能的进一步提高提出了新的挑战。参考文献[1]NadathurSatis.DesigningEf?cientSortingAlgorithmsforManycoreGPU[J].IEEEInternationalParallelandDistributedProcessingSymposium，May2009，23（2）655-660.[2]WUEn-hua，LIUYou-quan.GeneralPurposeComputationonGpu[J].

8、JournalofComputer-AidedDes