论文部分内容阅读
高精度曲面建模（HighAccuracy Surface Modeling，HASM）方法从曲面论出发，以微分几何学原理为基础，完整准确地描述曲面属性，把曲面模拟通过最小二乘原理转换为线性方程组求解问题。从理论上解决了地理信息系统（GeographicInformation System，GIS）领域中常用建模方法，如：SPLINE、IDW、KRIGING、TIN等进行曲面模拟时的误差问题。但在求解过程中，计算量较为庞大，耗时较长。另一方面，随着电子技术的不断发展，图形处理单元（Graphic Processing Unit，GPU）在浮点计算方面所蕴含的强大能力与日俱增。在诸多非图像领域，基于GPU的并行计算以其自身独有的天然优势，正发挥着日益重要的作用。针对HASM方法在进行海量数据模拟存在的速度问题，本论文旨在保持HASM模拟精度的前提下，通过发掘GPU强大的并行计算能力，大幅度提高HASM方法的模拟速度，解决HASM方法的模拟效率问题。在求解HASM线性方程组的过程中，选择国内外广泛认同的预处理共轭梯度法（PreconditionedConjugate Gradient，PCG），并根据HASM-PCG的特点，运用由NVIDIA公司主导的统一计算设备架构（Computer Unified DeviceArchitecture，CUDA），对HASM方法的GPU并行算法进行总体设计，优化算法的计算顺序和逻辑，摒弃无需存储的非零元素，最终实现基于CUDA的HASM-PCG并行化算法。在实现基于CUDA的HASM-PCG并行化算法的基础上，运用全球1998-2008年的近3000个气象观测台站5、6、7、8月份的气温观测数据，以及全球DEM数据，分别对5、6、7、8月份的全球平均气温进行数字模拟。模拟结果表明，基于CUDA的HASM-PCG并行化算法有效地提高了HASM方法的模拟效率，计算速度较传统串行方法提高20余倍。