MiniBranRAP:极小化分支判断数的AMG粗网格矩阵计算并行算法

代数多重网格(AMG)是科学工程计算与工业仿真领域求解大规模稀疏线性代数方程组最常用的算法之一。在启动(Setup)阶段的每个网格层,AMG需要基于限制算子R、当前细网格层矩阵A和插值算子P的稀疏矩阵乘积来计算粗网格矩阵A c=RAP,该过程是AMG并行性能的主要瓶颈。首先发现了主流AMG解法器中RAP并行算法由于分支判断的平方复杂度导致的性能瓶颈,并结合稀疏矩阵CSR的行主序特点,提出了具有线性复杂度分支判断数的RAP并行算法MiniBranRAP。该算法集成到JXPAMG解法器中,并通过实际应用算例验证了算法的有效性。测试结果表明,对于6个来自实际应用的典型算例,相对于Hypre最新版本的BoomerAMG解法器,基于MiniBranRAP的JXPAMG解法器在28个进程上将Setup阶段的计算效率平均加速3.3倍、最高加速9.3倍。

一种基于粗网格的多算子模拟成像方法

对于已知速度模型,传统的叠前深度偏移成像方法都是以快速获得高精度偏移剖面为目的。基于成像算子的模拟叠前深度偏移成像方法无需进行波场正演和偏移处理便可快速得到偏移结果,但成像算子却是根据单一散射点散射向量构建的,只能对散射点附近的局部区域进行精准模拟成像。为了提高直接模拟成像结果的可靠性和兼顾直接模拟成像计算效率高的优势,先在粗网格离散原速度模型的前提下建立粗点扩散算子,在波数域对粗点扩散算子进行不同插值方法测试,测试不同尺寸粗网格以及不同插值方法对模拟成像结果的影响。在此基础上,又提出一种多算子协同模拟成像,设置多个局部偏移成像窗,每个窗内布置散射点并求取射线路径,分区构建较为精准的控制局部成像的成像算子,使模拟成像结果能更好地体现观测系统对不同区域的理论成像结果的影响。该方法不仅保留了快速成像的高计算效率,同时得到控制局部成像的成像算子,可以模拟不同区域在同一观测系统的理论模拟成像结果,并检测观测系统对全局成像的影响,可以直接展示观测系统对不同区域理论成像的控制。

基于粗网格神经网络的车牌字符识别方法

目的为了进一步提高交通车牌字符自动识别能力.方法通过对车牌识别技术国内外现状的分析和对各类车牌识别技术的对比说明,提出了一种基于粗网格神经网络的车牌文字识别方法.该方法先将车牌字符进行预处理,用改进的粗网格法提取字符特征,并用神经网络识别车牌字符.结果在实验过程中所用的字符是从实际拍摄的车辆牌照图像中提取的汉字、英文大写字母和数字.人工提取的汉字种类覆盖了我国现有车辆牌照中出现的大部分汉字,而字母和数字的覆盖率为100%.从实验结果看:数字、字母的识别率比较高,尤其是数字,其识别率达到了99.16%.结论实验表明:数字、字母易于准确地提取特征,粗网格神经网络车牌字符识别方法具有较高的识别精度和实用价值.

组合杂交有限元方法对等参双线性Q4-平板元的粗网格精度改进

组合杂交有限元法具有增强低阶位移格式粗网格精度的内在机制· 能量误差为零的组合杂交格式可获得改进的粗网络精度,而其中组合参数起着极其重要的作用· 采用最简便的四边形位移\应力模式作为对协调双线性Q4＿平板元的改进:协调等参双线性位移插值和纯粹常应力模式· 通过调整组合参数,得到了组合杂交元的优化型· 数值试验表明这种参数＿调整型显著改进了协调Q4＿元,达到粗网格高精度· 由于应力参数可在单元水平消去。

粗网格在印刷体藏文特征提取中的应用

运用粗网格理论,提出了一种基于改进的粗网格的藏文字符特征提取方法。用该方法提取的字符特征能有效地减少因图像中像素位置变化造成的识别率下降的影响。并在一定程度上克服了藏文字符过多而造成的误识别率过高的缺点。与方向线素法相比较,该方法对印刷体藏文字符特征提取具有比较高的识别率。

区域分解型并行预条件的一种粗网格校正算法

区域分解是并行计算的基本手段之一,在稀疏线性方程组迭代求解时,对不完全分解等串行计算时很有效的预条件,经常采用区域分解的思想进行并行化。但区域分解的本质是利用局部解来近似全局解,从而必然存在较大误差,为此,提出一种粗网格校正算法,通过非重叠子区域浓缩,每个非重叠子区域浓缩为一个超结点,形成一个含全局信息且阶数等于子区域个数的小线性方程组,之后用其对原并行预条件进行校正。对块Jacobi型、经典加性Schwarz、以及因子组合型并行不完全分解预条件的实验表明,粗网格校正能有效改善收敛性并提高求解效率。

粗网格划分下具有高精度的六面体广义协调元

针对薄壁结构三维实体有限元分析存在单元划分过多的问题,构造了一种能适应粗单元网格划分的六面体广义协调元.该单元以六面体十二结点等参元为基础,通过在单元不同坐标方向有选择性地补充非协调位移插值项,使得单元在粗网格划分下仍能保持良好的性能.所构造的非协调位移场满足网格无限划分时的边界极限协调条件,因而能确保单元收敛性.数值计算表明,该广义协调元具有很高的计算精度,能适应边长尺寸相差悬殊的单元网格划分.

基于神经网络的CFD粗网格模拟优化方法研究

为缓解使用计算流体力学(Computational Fluid Dynamics,CFD)程序进行反应堆热工水力数值模拟中计算效率和计算精度之间的突出矛盾,以实现在较高计算效率下得到较高精度的计算结果,研究借助机器学习(Machine Learning,ML)中的前馈神经网络(Feedforward Neural Network,FNN)方法,通过对一定数量物理过程类似但具体参数不同的工况在粗网格、细网格两套网格下数值模拟计算结果差异的对比,得到针对同类工况具有推广适用性的误差函数表达式,对粗网格的数值模拟计算结果进行优化。通过比较优化前后相关物理量的计算结果与细网格下计算结果之间的均方根误差(Root Mean Square Error,RMSE),对优化效果进行评价。结果表明:粗网格计算结果在经由前馈神经网络得到的误差函数优化后,与细网格相关物理量的均方根误差显著降低。因此,研究建立的基于神经网络的粗网格数值模拟优化技术,可以有效提高反应堆粗网格数值模拟的计算精度,为在较高计算效率下实现较高精度的数值模拟提供了方法借鉴。

基于粗网格CFD模拟方法的室内空气污染物实时寻源反计算研究

室内空气污染泄漏等事件中,及时定位污染源所在的位置,对于消除污染的影响将产生极大的帮助,联合概率法结合CFD模拟获得的气流组织数据在污染物寻源反计算中被广泛应用.对非稳态气流问题进行污染物寻源反计算时,为准确定位污染源的位置,通常采用CFD网格无关解获得流场数据,但计算周期长,无法实时寻源定位.本文以典型的办公室为例,利用不同网格数量获得的气流场进行寻源反计算,发现粗网格模型可以精确定位污染源位置,其速度场也与CFD网格无关解的十分相似,表明粗网格在非稳态气流场中可以准确定位污染源的位置,同时相较于网格无关解提升了70%以上的时间,提高了定位的速度,可以实时寻源定位,为后续救援赢得宝贵的时间.

基于粗网格节点模型的大型建筑安全疏散模型

自然灾害、恐怖袭击等突发事件的发生越来越多,大型公共建筑,特别是老旧建筑的安全紧急疏散计划更显得尤为重要。将粗网格节点模型与疏散路径相结合,通过建立动态优化疏散模型,给出各路径疏散成本系数及动态修正系数,通过计算最小成本系数获得最佳疏散方案。以2019年团队参加的美国大学生数学建模竞赛题目——法国卢浮宫博物馆的安全疏散计划为例,证明了动态优化疏散模型的可行性。

粗网格模式中仍然存在赤道Kelvin波

最近几年，许多科学家一直在用低分辨率的耦合模式研究ＥＮＳＯ现象。一般认为，在粗网格海洋模式中不存在海洋赤道Ｋｅｌｖｉｎ波，这种波也就不能作为模式中存在的ＥＮＳＯ现象的形成机制。在本文中我们将证明在粗网格模式中也存在赤道Ｋｅｌｖｉｎ波。

粗网格划分下的箱梁三维实体有限元分析方法

针对现有箱梁分析方法普遍存在的计算精度与计算效率之间矛盾的问题,提出了粗网格划分下的箱梁三维实体有限元分析方法。在充分考虑箱梁受力变形特点的基础上,以修正的Hellinger-Reissner变分原理为基础,通过合理引入非协调位移插值项,构造出直角坐标系下的六面体八结点杂交应力单元8N21β和柱坐标系下的六面体八结点杂交应力单元8N21βc,分别用于粗网格划分下的直箱梁和曲线箱梁的三维实体有限元分析。数值算例表明:8N21β单元和8N21βc单元在粗网格划分下具有较高的计算精度,能有效提高箱梁三维实体有限元分析的计算效率。

PVM平台下粗网格修正与拼接网格相匹配解超声速底部流场

A coarse-grid correction procedure coupled with patched grid method is designed to solve 2-D/3-D Navier-Stokes equations. It combines the acceleration machanism of coarse-grid correction procedure and the parallel efficiency in PVM. In the steadystate solutions of supersonic blunt body and base flowfields the wall time is shortened dramatically.

河道砂油藏的自适应非均匀网格粗化算法

以河道砂的观测深度为确定性数据 ,由贝叶斯理论通过随机建模的方法建立横截面为抛物线形状的河道砂油藏边界面 ,并将渗透率自适应网格技术应用于河道砂油藏的网格粗化算法中。在渗透率或孔隙度变化异常区域自动采用精细网格 ,用直接解法求解渗透率或孔隙度变化异常区域的压强分布 ,而在其他区域采用不均匀网格粗化方法计算 ,即在流体流速大的区域采用精细网格。用本文方法计算了河道砂油藏的压强分布 ,结果表明河道砂油藏的三维不均匀自适应网格粗化算法的解在渗透率或孔隙度异常区的压强分布规律更逼近采用精细网格的解 ,在其他区域压强分布规律非常逼近粗化算法的解 ,但计算的速度比采用精细网格提高了 10

油藏精细地质模型网格粗化算法及其效果

在前人研究基础上,根据DP(Dykstra-Parsons)系数能定量评价储层非均质性,微网格块的渗透率值粗化后,其等效渗透率的上、下限(Cmin、Cmax)能反映渗透率的各向异性的特点,提出了一种运算速度快和相对有效的网格粗化算法。该算法能考虑到储层非均质性对不同方向渗透率值的影响,且求解过程相对简单。应用该方法对鄂尔多斯盆地中部某油藏的陆相储层的精细地质模型进行了网格粗化计算,然后在粗化后的模型上进行油藏数值模拟研究,同时针对研究区地质背景和产出流体微可压缩的物性特征,首次利用流线模拟器对精细地质模型进行了油藏数值模拟研究,并以此结果为标准,对该网格粗化算法时效性进行了系统评价。分析表明,该算法具有较快的计算速度和较高的可靠性,是解决储层非均质强、物性差的陆相成因油藏精细油藏数值模拟的一种行之有效的手段。

三维非均匀不稳定渗流方程的自适应网格粗化算法

将渗透率自适应网格技术应用于三维非均匀不稳定渗流方程的网格粗化算法中,在渗透率或孔隙度变化异常区域自动采用精细网格,用直接解法求解渗透率或孔隙度变化异常区域的压强分布,在其它区域采用不均匀网格粗化的方法计算,即在流体流速大的区域采用精细网格.用该方法计算了三维非均匀不稳定渗流场的压降解,结果表明三维非均匀不稳定渗流方程的三维非均匀自适应网格粗化算法的解在渗透率或孔隙度异常区的压强分布规律与采用精细网格的解非常逼近,在其它区域压强分布规律与粗化算法的解非常逼近,计算速度比采用精细网格提高100多倍.

渗流方程自适应非均匀网格Dagan粗化算法

在粗网格内先统计渗透率在粗网格中的概率分布 ,利用Dagan渗透率粗化积分方程通过渗透率概率分布计算粗化网格的等效渗透率 ,并由等效渗透率计算了粗化网格的压强分布 ,计算压强时还将渗透率自适应网格技术应用于三维渗流方程的网格粗化算法中 ,在渗透率或孔隙度变化异常区域自动采用精细网格 ,用直接解法求解渗透率或孔隙度变化异常区域的压强分布。整个求解区采用不均匀网格粗化 ,在流体流速高的区域采用精细网格。利用本文方法计算了三维渗流方程的压强分布 ,结果表明这种算法的解在渗透率或孔隙度异常区的压强分布规律非常逼近精细网格的解 ,在其他区域压强分布规律非常逼近粗化算法的解 ,计算速度比采用精细网格提高了约 10 0倍。

渗流方程的渗透率自适应权重网格粗化算法

为了提高渗流方程的计算速度和精度,将渗透率自适应网格技术应用于三维非均匀非稳态渗流方程的网格粗化算法中。对于渗透率或孔隙度变化异常的区域,采用精细网格直接求解其压力分布;而在其他区域,采用不均匀网格粗化的方法计算其压力分布。用自适应权重网格粗化算法计算了三维非均匀非稳态渗流场的压力分布。结果表明,三维非均匀非稳态渗流方程的三维不均匀自适应网格粗化算法的解在渗透率或孔隙度异常区域的压力分布规律非常逼近精细网格算法的解,在其他区域的压力分布规律非常逼近粗化算法的解。与采用精细网格算法相比,其计算速度大大提高。

对油藏模型网格粗化中REV理论的探讨

Lasseter等(1986)提出油藏模型网格粗化(Reservoir Upscaling)应当在表征体元(Representative Elementary Volume,简称REV)级进行。REV指一种特定的体积元,在这种体积元测取的物性参数将在一定的比例尺范围内保持不变。REV理论一直是一个有争议的概念,因为其定义不十分清晰,且没有说明如何在真实油藏中获取之。因此,甚至有人怀疑在真实油藏中,是否真的存在REV。基于REV理论,提出了一个新的概念——表征体元网格,(Representative Elementary Volume Grid,简称REVG)。该网格体系在给定的比例尺范围内可最佳地描述油藏的非均质性。从物理意义上讲,在REVG系统中,每个网格内的物性差异最小,而网格间的物性差异最大。

局部网格粗化与加密技术在大底水油藏数值模拟中的应用

大型底水油藏数值模拟模型的网格数量庞大,其中底水区域的网格数目占绝大部分,占用很大数值计算量。同时,对于储层较厚的底水油藏,常规的网格系统通常无法准确描述油水分布及开发动态。针对大型底水油藏数值模拟中存在的问题,提出了底水区域实施适当网格粗化,生产井附近区域适当加密的处理方法。采用此方法既能保证计算精度,同时减少了模型网格数,大幅提高模拟计算效率,同时为该类油藏生产井的射孔位置、厚度等指标的设计优化提供了技术保障。