[发明专利]一种基于GPU并行计算的风暴潮集合数值预报方法以及装置

权利要求书

1.一种基于GPU并行计算的风暴潮集合数值预报方法，其特征在于，所述风暴潮的集合数值预报方法包括：

生成多路预报数据；

由中央处理器对图像处理器分配多个计算线程，并由所述图像处理器基于所述多个计算线程并行计算所述多路预报数据中各路预报数据对应的预报结果，得到多路所述预报结果；

根据各路所述预报结果和与所述各路预报结果对应的权重系数确定输出预报结果；

其中，所述各路预报数据包括多个计算网格点的数据，所述预报结果是通过所述图像处理器计算所述各计算网格点的多个核函数得到的；

所述由中央处理器对图像处理器分配多个计算线程，并由所述图像处理器基于所述多个计算线程并行计算所述多路预报数据中各路预报数据对应的预报结果，得到多路所述预报结果，包括：

采用所述中央处理器对所述多路预报数据和对应的所述预报结果进行前处理、后处理以及输入输出操作，其中，所述前处理包括：台风移速计算、台风参数插值计算以及地理相关常量的计算，所述台风参数包括经纬度、中心气压和大风半径，所述后处理包括定时提取所述预报结果以及海陆数据校验；

采用所述图像处理器对所述多路预报数据中各路预报数据包括的多个网格点的迭代运算，并将每次迭代运算的处理结果发送至所述中央处理器；

通过高斯分布函数计算所述各路预报结果的权重系数。

2.如权利要求1所述的基于GPU并行计算的风暴潮集合数值预报方法，其特征在于，

所述图像处理器被配置为依次计算所述计算网格点的风应力核函数的值、连续方程核函数的值、动量方程核函数的值以及变量平滑核函数的值，其中，所述风应力核函数、所述连续方程核函数、所述动量方程核函数以及所述变量平滑核函数是对模型风场计算函数、风暴潮计算函数和平滑函数分解得到的；

所述中央处理器还被配置负责所述风应力核函数、所述连续方程核函数、所述动量方程核函数和所述变量平滑核函数的迭代循环和收敛条件的控制。

3.如权利要求1所述的基于GPU并行计算的风暴潮集合数值预报方法，其特征在于，所述由中央处理器对图像处理器分配多个计算线程，并由所述图像处理器基于所述多个计算线程并行计算所述多路预报数据中各路预报数据对应的预报结果，得到多路所述预报结果，包括：

所述中央处理器读取第n路预报数据，并确认所述第n路预报数据不属于所述多路预报数据中的最后一路预报数据，其中，所述n为大于等于1的自然数；

在所述图像处理器中依次执行如下步骤：

根据风应力核函数计算风应力变量，获得风应力变量值；

根据连续方程核函数计算连续方程，获得水位变量值；

根据动量方程核函数计算动量方程，获得流速变量值；

根据变量平滑核函数平滑所述水位变量值和所述流速变量值，并提取最大风暴增水；

其中，当所述中央处理器确定所述第n路预报数据属于所述多路预报数据中的最后一路预报数据时，则输出所述图像处理器的计算结果，所述计算结果包括所述最大风暴增水。

4.如权利要求3所述的基于GPU并行计算的风暴潮集合数值预报方法，其特征在于，所述中央处理器读取第n路预报数据，并确认所述第n路预报数据不属于所述多路预报数据中的最后一路预报数据之前，所述基于GPU并行计算的风暴潮集合数值预报方法还包括：

在所述图像处理器的全局变量中设置多个循环内变量，其中，所述循环内变量包括：水位和最大增水中的至少一个；

在所述中央处理器的全局变量中设置结果变量或者常量。