本文關(guān)鍵詞：基于圖形處理的多點(diǎn)地質(zhì)統(tǒng)計(jì)算法及模型評(píng)價(jià)　出處：《中國(guó)科學(xué)技術(shù)大學(xué)》2016年博士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 儲(chǔ)層隨機(jī)模擬 多點(diǎn)地質(zhì)統(tǒng)計(jì) 通用圖形處理器 計(jì)算統(tǒng)一設(shè)備架構(gòu) 圖形切割 模型變化性 流動(dòng)響應(yīng) 模型評(píng)價(jià)

【摘要】：儲(chǔ)層建模是進(jìn)行儲(chǔ)層相關(guān)研究最基本的一環(huán)。建立精確的三維儲(chǔ)層數(shù)字化模型是進(jìn)行儲(chǔ)層特征描述、儲(chǔ)層評(píng)價(jià)、儲(chǔ)層預(yù)測(cè)和相關(guān)應(yīng)用的基礎(chǔ)。隨著勘探技術(shù)與數(shù)據(jù)采集能力的飛速提升和儲(chǔ)層數(shù)值模擬在實(shí)際應(yīng)用中重要性的逐步加強(qiáng),現(xiàn)代儲(chǔ)層研究中對(duì)建立的儲(chǔ)層模型的規(guī)模和精度要求在不斷加強(qiáng)。而多點(diǎn)地質(zhì)統(tǒng)計(jì)學(xué)算法作為儲(chǔ)層建模的主要工具之一,往往存在著計(jì)算耗時(shí)長(zhǎng)、內(nèi)存需求大、參數(shù)敏感性強(qiáng)、模型評(píng)估困難等限制,建立準(zhǔn)確反應(yīng)儲(chǔ)層特征的高質(zhì)量、大規(guī)模儲(chǔ)層模型還存在著一定困難。本文針對(duì)這些缺陷,從多點(diǎn)地質(zhì)統(tǒng)計(jì)學(xué)和計(jì)算機(jī)圖形領(lǐng)域的相似點(diǎn)和交叉點(diǎn)出發(fā),將計(jì)算機(jī)圖形處理中的相關(guān)方法引入多點(diǎn)地質(zhì)統(tǒng)計(jì)學(xué),分別提出了基于計(jì)算機(jī)圖形處理器通用計(jì)算能力的高階累積量表征的并行計(jì)算方法,此并行算法在保證計(jì)算精度的同時(shí)大大提高了計(jì)算效率；提出了基于計(jì)算機(jī)圖形學(xué)圖形切割算法的新型高效模式模擬算法,此算法克服了參數(shù)依賴改善了模型效果；提出了擴(kuò)展終端定義方法將基于圖形切割的多點(diǎn)算法推廣到點(diǎn)條件數(shù)據(jù)模擬,打破了圖形切割算法不能用于點(diǎn)條件數(shù)據(jù)約束的限制,克服了模式模擬算法中點(diǎn)數(shù)據(jù)條件模擬的困難,實(shí)現(xiàn)了便捷的保證局部條件數(shù)據(jù)一致性的條件模擬算法。此外,本文還展開了多點(diǎn)地質(zhì)統(tǒng)計(jì)學(xué)儲(chǔ)層模型的地質(zhì)模式重構(gòu)能力、變化性和水利連通能力等方面的研究,提出了融合指數(shù)概念用于模式模擬模型的量化評(píng)估標(biāo)準(zhǔn)。本文的主要成果及創(chuàng)新如下：1.針對(duì)多點(diǎn)地質(zhì)統(tǒng)計(jì)學(xué)空間高階累積量的計(jì)算量巨大的缺點(diǎn),提出了基于計(jì)算機(jī)圖形處理器(GPU)通用計(jì)算能力的并行算法：i) 提出了計(jì)算統(tǒng)一構(gòu)架(CUDA)框架下的GPU并行算法。通過將空間累積量的計(jì)算劃分為每個(gè)步長(zhǎng)下的空間矩單元的計(jì)算和將空間矩轉(zhuǎn)化為空間累積量的兩部分,提出了兩階段并行策略,顯著提高了計(jì)算效率。ii) 針對(duì)累積量計(jì)算中需要大量?jī)?nèi)存,提出了CUDA內(nèi)存優(yōu)化策略。充分考察了GPU中的各種內(nèi)存間數(shù)據(jù)交換和通信能力,減少了GPU和CPU之間的通信瓶頸的數(shù)據(jù)傳輸,加快了GPU內(nèi)存的利用率,進(jìn)一步提高了并行計(jì)算效率。iii) 改進(jìn)并采用了基于GPU并行的遞歸算法,克服了GPU原子計(jì)算造成的計(jì)算能力降級(jí)。此外還進(jìn)行了線程分配對(duì)算法效率的敏感度分析。iv) 考察了GPU編譯器的浮點(diǎn)數(shù)誤差,通過修改運(yùn)算順序和變量類型,提高廠GPU并行計(jì)算精度。2.提出了基于計(jì)算機(jī)圖形切割算法的條件模式模擬迭代算法：i) 將計(jì)算機(jī)圖形切割算法術(shù)引入多點(diǎn)地質(zhì)統(tǒng)計(jì)學(xué)算法。用最小剪切方法緩解模式模擬中的邊界問題。ii) 提出將圖形切割算法中的剪切值作為一個(gè)模擬效果參考量,用于模型的連續(xù)迭代修正。iii) 將條件模式模擬中的條件數(shù)據(jù)作為模擬參考量,使用迭代方法達(dá)到精確的點(diǎn)數(shù)據(jù)吻合。同時(shí)提出了擴(kuò)展終端的概念和定義方法,確保了點(diǎn)條件數(shù)據(jù)模擬的局部一致性。3. 開展了對(duì)基于圖形切割的多點(diǎn)地質(zhì)統(tǒng)計(jì)模式模擬算法在建模效果和性能上的研究：i) 提出了融合指數(shù)的概念,作為對(duì)訓(xùn)練圖像整體復(fù)制量的一種量化標(biāo)準(zhǔn),用于度量模式模擬算法生成模型的變化性。ii) 對(duì)所提模式模擬中的參數(shù)進(jìn)行了敏感性分析,證明所提方法的收斂性,即對(duì)參數(shù)不敏感的優(yōu)勢(shì)。iii) 采用不同的指標(biāo),包括目標(biāo)體距離函數(shù)、空間統(tǒng)計(jì)平均值和統(tǒng)計(jì)殘差以及水利連通性流動(dòng)響應(yīng)等多個(gè)方面,將所提算法與現(xiàn)有的逐點(diǎn)模擬算法以及模式模擬算法進(jìn)行了全方位的對(duì)比,得到所提算法能夠產(chǎn)生至少與逐點(diǎn)模擬方法相同的變化性以及更好的連通性的優(yōu)點(diǎn)。同時(shí),性能對(duì)比顯示,所提算法能大幅度減少計(jì)算時(shí)間。
[Abstract]:Reservoir modeling is the reservoir related to the most basic research part. To establish a precise 3D reservoir model of digital reservoir description, reservoir evaluation, reservoir prediction and correlation based applications. With the rapid development of exploration technology and data acquisition capability and reservoir numerical simulation value in practical application the gradual strengthening of modern reservoir study on scale and accuracy of reservoir model requirements are continuously strengthened. And the multiple point geostatistics algorithm as a major tool of reservoir modeling, there are often time-consuming calculation, memory requirements, parameter sensitivity, evaluation model is difficult to establish accurate, high quality the reaction characteristics of the reservoir, the large-scale reservoir model still exist some difficulties. In view of these defects, starting from multiple point geostatistics and computer graphics similarities and intersection calculation The related method for graphics processing in the introduction of multiple point geostatistics, put forward calculation methods of computing capability based on general computer graphics processor of high order cumulant characterization of parallel, the parallel algorithm in improving computing accuracy and greatly improves the computational efficiency; simulation algorithm is presented for efficient mode of computer graphics cutting algorithm based on this algorithm overcomes the parameter dependent model is proposed to improve the effect; extended terminal definition method of multi point algorithm is extended to point condition data graphics based on cutting simulation, breaking the graph cut algorithm cannot be used to condition data constraints, the model simulation algorithm to overcome the difficult conditions of point data, realizes the data to ensure the local conditions the consistency of the simulation is convenient. In addition, this paper also carried out multiple point geostatistics in reservoir model The geological model reconstruction ability, and changes of water conservancy connectivity and other aspects of the fusion index concept for quantitative evaluation standard model simulation model is presented. The main achievements and innovations of this paper are as follows: 1. for the multiple point geostatistics spatial calculation of high order cumulant amount huge disadvantages, proposed the computer graphics processor (based on GPU) parallel algorithm for computing capacity of: I) proposed a unified framework (CUDA) under the framework of GPU parallel algorithm. By calculating the space dividing cumulant is a rectangular unit of each step under the calculation and two part of the spatial moment into space accumulation, put forward two stage parallel strategy. Significantly improve the computational efficiency of.Ii) for a large amount of memory need cumulant calculation, proposed CUDA memory optimization strategy. Fully examine the ability of various memory in GPU data exchange and communication, To reduce the data transmission bottleneck between GPU and CPU, to speed up the use of GPU memory rate, to further improve the efficiency of parallel computing and improved.Iii) using a recursive algorithm based on parallel GPU, overcome the downgrade computation ability of GPU atom computing caused. In addition to the analysis of sensitivity of.Iv thread allocation efficiency of the algorithm the effects of floating-point error) GPU compiler, by modifying the operation sequence and variable type, improve the accuracy of the.2. plant GPU parallel iterative algorithm is proposed to simulate the condition of model of computer graphics cutting algorithm based on computer graphics: I) cutting algorithm into multiple point geostatistics algorithm. Using the minimum shear method to alleviate the.Ii boundary problem in the simulation of the graph cut algorithm) in the shear value as a reference for the simulation results, continuous iterative correction.Iii model) will die The simulation conditions in the simulation data as the reference, using iterative method to point accurate data well. And puts forward the concept and definition of the terminal expansion method, to ensure that the local consistency conditions.3. data simulation is carried out on the study of geological statistics model to simulate the algorithm in the modeling results and the performance of the graph cut based on: I) put forward the concept of fusion index, as a quantitative criterion for training image reproduction in whole amount, for change of.Ii metric model generation algorithm model of the proposed simulation model) parameters in the sensitivity analysis, prove the convergence of the proposed method, which is not sensitive to the parameters the advantages of.Iii) using different indicators, including the object distance function, the average value of spatial statistics and statistics as well as water flow connectivity and other aspects of the response, the proposed algorithm is compared with the existing The algorithm of point by point simulation and pattern simulation algorithm are compared in an all-round way. It is concluded that the proposed algorithm can produce at least the same variability and better connectivity as point by point simulation method. Meanwhile, the performance comparison shows that the proposed algorithm can greatly reduce the computation time.

【學(xué)位授予單位】：中國(guó)科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：O212.1;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 徐小宇;劉國(guó)強(qiáng);;基于通用計(jì)算圖形處理器的電磁場(chǎng)有限元計(jì)算加速方法探討[J];科研信息化技術(shù)與應(yīng)用;2010年04期

2 李朝鵬;;基于圖形處理器的鄰接矩陣算法[J];科技信息;2010年10期

3 夏健明;魏德敏;;圖形處理器在大規(guī)模力學(xué)問題計(jì)算中的應(yīng)用進(jìn)展[J];力學(xué)進(jìn)展;2010年01期

4 仇釬;劉宇;任軍學(xué);湯海濱;鐘凌偉;溫正;李娟;;圖形處理器并行計(jì)算用于離子發(fā)動(dòng)機(jī)粒子模擬[J];強(qiáng)激光與粒子束;2011年02期

5 周斌;葉春茂;李文雯;宋苗苗;;基于通用圖形處理器的大規(guī)模Costas信號(hào)脈壓處理[J];山東科學(xué);2012年06期

6 毛耀宗;陳珂;江弋;鄒權(quán);;基于粒子群算法與圖形處理器加速的支持向量機(jī)參數(shù)優(yōu)化方法[J];廈門大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年05期

7 封衛(wèi)兵;楊曉玲;;基于圖形處理器的格子Boltzmann方法計(jì)算[J];上海大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年01期

8 馬韜;陳明生;吳先良;劉藝;齊琪;;基于GPU加速的高階矩量法研究與應(yīng)用[J];微波學(xué)報(bào);2013年04期

9 胡香;張威巍;周玉柱;劉芳;;利用GPU實(shí)現(xiàn)基于物理模型的流體運(yùn)動(dòng)仿真[J];測(cè)繪科學(xué)技術(shù)學(xué)報(bào);2009年03期

10 田冪;胡亮;車喜龍;;Fermi架構(gòu)下的SPSO算法加速[J];吉林大學(xué)學(xué)報(bào)(理學(xué)版);2013年04期

相關(guān)會(huì)議論文 前7條

1 張春燕;;一種基于圖形處理器的數(shù)據(jù)流計(jì)算模式[A];全國(guó)第19屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集（下冊(cè)）[C];2008年

2 徐侃;陳如山;杜磊;朱劍;楊陽;;可編程圖形處理器加速無條件穩(wěn)定的Crank-Nicolson FDTD分析三維微波電路[A];2009年全國(guó)微波毫米波會(huì)議論文集（下冊(cè)）[C];2009年

3 周國(guó)亮;馮海軍;何國(guó)明;陳紅;李翠平;王珊;;基于圖形處理器的Cuboid算法[A];第26屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（B輯）[C];2009年

4 畢文元;陳志強(qiáng);;利用可編程圖形處理器加速CT重建與體數(shù)據(jù)的繪制[A];第十一屆中國(guó)體視學(xué)與圖像分析學(xué)術(shù)會(huì)議論文集[C];2006年

5 劉偉峰;楊權(quán)一;曹邦功;孟凡密;周潔;;基于GPU的高度并行Marching Cubes改進(jìn)算法[A];2008年全國(guó)開放式分布與并行計(jì)算機(jī)學(xué)術(shù)會(huì)議論文集(上冊(cè))[C];2008年

6 林旭生;田緒紅;馮志煒;陳茂資;;GPU加速的蟻群算法在HP模型中的應(yīng)用[A];第十四屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

7 方建文;于金輝;陳海英;;三維卡通水與物體交互作用的動(dòng)畫建模[A];中國(guó)計(jì)算機(jī)圖形學(xué)進(jìn)展2008--第七屆中國(guó)計(jì)算機(jī)圖形學(xué)大會(huì)論文集[C];2008年

相關(guān)重要報(bào)紙文章 前10條

1 樂山　樂水;圖形處理技術(shù)的全球?qū)＠季中蝿?shì)[N];中國(guó)知識(shí)產(chǎn)權(quán)報(bào);2010年

2 嚴(yán)威川;明明白白顯卡“芯”[N];中國(guó)電腦教育報(bào);2007年

3 ;NEC圖形處理器每秒運(yùn)行50.2G條指令[N];計(jì)算機(jī)世界;2003年

4 游訊;圖形處理器GPU[N];人民郵電;2011年

5 本報(bào)記者 姜姝;AMD嵌入式技術(shù)為波音飛機(jī)保駕護(hù)航[N];中國(guó)信息化周報(bào);2014年

6 均兒;人人都有臺(tái)超級(jí)計(jì)算機(jī)[N];電腦報(bào);2008年

7 ;AMD啟動(dòng)“Fusion”企業(yè)品牌推廣計(jì)劃[N];人民郵電;2008年

8 本報(bào)記者 田夢(mèng);Adobe CS4全面支持GPU加速[N];計(jì)算機(jī)世界;2009年

9 趙欣;“玩”3D，，筆記本也行！[N];中國(guó)計(jì)算機(jī)報(bào);2003年

10 ;HP Compaq Evo D210教育信息化的好幫手[N];中國(guó)計(jì)算機(jī)報(bào);2003年

相關(guān)博士學(xué)位論文 前6條

1 祖淵;基于圖形處理器的高速并行算法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2014年

2 李雪;基于圖形處理的多點(diǎn)地質(zhì)統(tǒng)計(jì)算法及模型評(píng)價(jià)[D];中國(guó)科學(xué)技術(shù)大學(xué);2016年

3 楊珂;基于圖形處理器的數(shù)據(jù)管理技術(shù)研究[D];浙江大學(xué);2008年

4 穆帥;針對(duì)不規(guī)則應(yīng)用的圖形處理器資源調(diào)度關(guān)鍵技術(shù)研究[D];清華大學(xué);2013年

5 夏健明;基于圖形處理器的大規(guī)模結(jié)構(gòu)計(jì)算研究[D];華南理工大學(xué);2009年

6 黃濤;基于GPU的多點(diǎn)地質(zhì)統(tǒng)計(jì)逐點(diǎn)模擬并行算法的研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 劉銳;GPU在FD-OCT系統(tǒng)數(shù)據(jù)處理及實(shí)時(shí)圖像顯示中的應(yīng)用[D];北京理工大學(xué);2015年

2 彭歡;基于GPU的二維FDTD加速算法研究[D];西安電子科技大學(xué);2013年

3 徐蔚;基于圖形處理器的窗口系統(tǒng)的研究[D];西安工程大學(xué);2015年

4 黃偉鈿;面向移動(dòng)平臺(tái)的3D圖形處理器的設(shè)計(jì)[D];華南理工大學(xué);2011年

5 王旭;圖形處理器的仿真驗(yàn)證[D];哈爾濱工業(yè)大學(xué);2007年

6 陳林樺;基于圖形處理器的視頻轉(zhuǎn)換技術(shù)的研究與應(yīng)用[D];上海交通大學(xué);2009年

7 張楊;圖形處理器并行計(jì)算應(yīng)用研究[D];西南交通大學(xué);2006年

8 闕恒;嵌入式圖形處理器設(shè)計(jì)[D];南京航空航天大學(xué);2007年

9 饒志恒;圖形處理器圖形管線的研究與實(shí)現(xiàn)[D];湖南大學(xué);2011年

10 楊國(guó)東;嵌入式圖形處理器的研究與實(shí)現(xiàn)[D];山東大學(xué);2010年

本文編號(hào)：1360960