基于GPU和晶格Boltzmann方法的三維人眼房水動力學數值研究
發(fā)布時間:2021-04-29 01:46
眼睛是人體最重要的感覺器官,里面充滿了房水,正常的房水流動能夠為眼部組織提供必要的營養(yǎng)物質,維持正常的生理活動。然而,許多眼科疾病的發(fā)病機制、發(fā)展過程以及藥物治療等都與房水流動具有密切的關系,假若房水的流動規(guī)律出現異常,可能會導致眼疾的發(fā)生。因此,系統、深入地研究人眼房水動力學以及探索其影響的關鍵因素對提升人們對眼科疾病的發(fā)病機制、發(fā)展過程的認識以及提高眼疾藥物治療效果等具有重要的現實意義。人眼的解剖結構復雜,房水的流動方式多樣,采用理論和實驗的方法研究房水動力學受到諸多限制,不易實現。數值方法具有時間周期短、可重復性好、計算成本低等優(yōu)點,許多研究人員采用數值方法對人眼房水動力學進行了研究,并取得了很多成果。然而,真實的三維人眼房水動力學的研究涉及到人眼的解剖結構復雜、邊界處理困難、計算量巨大等問題,因此,相較于傳統數值方法,采用具有多物理耦合容易、邊界處理簡單、易于并行等優(yōu)勢的晶格Boltzmann方法(Lattice Boltzmann Method,LBM)來對房水動力學進行研究是很有希望的新途徑。為此,本文開展了基于GPU并行技術和晶格Boltzmann方法的三維人眼房水動力學...
【文章來源】:廣西師范大學廣西壯族自治區(qū)
【文章頁數】:83 頁
【學位級別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 研究背景及意義
1.2 國內外研究現狀
1.3 論文的主要內容
1.4 論文的組織結構
第2章 晶格Boltzmann方法的基本理論
2.1 基本演化方程
2.2 平衡態(tài)分布函數
2.3 邊界條件
2.3.1 周期性邊界
2.3.2 反彈邊界
2.3.3 非平衡態(tài)外推邊界
2.4 雙分布函數LB模型
2.4.1 宏觀方程
2.4.2 三維雙分布函數LB模型
2.4.3 三維方腔自然對流
2.5 小結
第3章 三維人眼前節(jié)房水動力學的研究
3.1 三維眼前節(jié)幾何建模
3.2 三維人眼房水動力學模型
3.2.1 房水動力學模型的構建
3.2.2 房水流動方式的比較
3.3 不同因素對房水動力學的影響
3.3.1 眼內溫差的影響
3.3.2 瞳孔大小的影響
3.3.3 房水分泌率的影響
3.3.4 小梁網滲透率的影響
3.4 激光虹膜切除術后的房水動力學研究
3.5 小結
第4章 基于GPU的并行算法設計與優(yōu)化
4.1 CUDA介紹
4.1.1 異構編程
4.1.2 線程模型
4.1.3 存儲器模型
4.2 基于GPU的并行算法
4.2.1 基于GPU的 LBM算法
4.2.2 合并歸約并行算法
4.3 基于GPU的算法常規(guī)優(yōu)化
4.3.1 線程塊維度劃分優(yōu)化
4.3.2 共享內存訪問優(yōu)化
4.4 基于眼前節(jié)稀疏特性的GPU并行算法
4.4.1 間接尋址
4.4.2 分塊尋址
4.4.3 稀疏矩陣
4.4.4 分塊稀疏矩陣
4.4.5 性能對比
4.5 并行算法綜合優(yōu)化
4.6 小結
第5章 總結與展望
5.1 總結
5.2 展望
參考文獻
攻讀碩士學位期間的研究成果
致謝
本文編號:3166596
【文章來源】:廣西師范大學廣西壯族自治區(qū)
【文章頁數】:83 頁
【學位級別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 研究背景及意義
1.2 國內外研究現狀
1.3 論文的主要內容
1.4 論文的組織結構
第2章 晶格Boltzmann方法的基本理論
2.1 基本演化方程
2.2 平衡態(tài)分布函數
2.3 邊界條件
2.3.1 周期性邊界
2.3.2 反彈邊界
2.3.3 非平衡態(tài)外推邊界
2.4 雙分布函數LB模型
2.4.1 宏觀方程
2.4.2 三維雙分布函數LB模型
2.4.3 三維方腔自然對流
2.5 小結
第3章 三維人眼前節(jié)房水動力學的研究
3.1 三維眼前節(jié)幾何建模
3.2 三維人眼房水動力學模型
3.2.1 房水動力學模型的構建
3.2.2 房水流動方式的比較
3.3 不同因素對房水動力學的影響
3.3.1 眼內溫差的影響
3.3.2 瞳孔大小的影響
3.3.3 房水分泌率的影響
3.3.4 小梁網滲透率的影響
3.4 激光虹膜切除術后的房水動力學研究
3.5 小結
第4章 基于GPU的并行算法設計與優(yōu)化
4.1 CUDA介紹
4.1.1 異構編程
4.1.2 線程模型
4.1.3 存儲器模型
4.2 基于GPU的并行算法
4.2.1 基于GPU的 LBM算法
4.2.2 合并歸約并行算法
4.3 基于GPU的算法常規(guī)優(yōu)化
4.3.1 線程塊維度劃分優(yōu)化
4.3.2 共享內存訪問優(yōu)化
4.4 基于眼前節(jié)稀疏特性的GPU并行算法
4.4.1 間接尋址
4.4.2 分塊尋址
4.4.3 稀疏矩陣
4.4.4 分塊稀疏矩陣
4.4.5 性能對比
4.5 并行算法綜合優(yōu)化
4.6 小結
第5章 總結與展望
5.1 總結
5.2 展望
參考文獻
攻讀碩士學位期間的研究成果
致謝
本文編號:3166596
本文鏈接:http://sikaile.net/shoufeilunwen/mpalunwen/3166596.html
最近更新
教材專著