[发明专利]基于多GPU的重力梯度数据灵敏度矩阵压缩及调用方法

权利要求书

1.一种基于多GPU的重力梯度数据灵敏度矩阵压缩及调用方法，其特征在于，包括：

步骤1：建立重力梯度数据各分量的灵敏度矩阵的等价计算公式；

步骤2：针对多GPU的并行运算，计算各GPU中分得灵敏度矩阵元素的范围、矩阵元素值的真实索引；

步骤3：计算压缩后的重力梯度数据各分量的灵敏度矩阵；

步骤4：当需要重力梯度数据各分量的灵敏度矩阵参与计算时，获取矩阵元素值的真实索引并换算成压缩后的灵敏度矩阵中的索引；

步骤5：根据换算后的索引读取压缩后的灵敏度矩阵中的数值，实现灵敏度矩阵的调用。

2.根据权利要求1所述的一种基于多GPU的重力梯度数据灵敏度矩阵压缩及调用方法，其特征在于，所述步骤1中等价计算公式表示为：

G_xx(i,j,m,n)＝G_xx(|i-m|+1,|j-n|+1,1,1) (1)

G_yy(i,j,m,n)＝G_yy(|i-m|+1,|j-n|+1,1,1) (2)

G_zz(i,j,m,n)＝G_zz(|i-m|+1,|j-n|+1,1,1) (3)

式中，G_xx(i,j,m,n)、G_yy(i,j,m,n)、G_zz(i,j,m,n)、G_xy(i,j,m,n)、G_xz(i,j,m,n)、G_yz(i,j,m,n)分别表示等价后的灵敏度矩阵，索引i、j、m、n表示测网中第i行第j列的测点索引与地下某一层中第m行第n列对应的网格索引。

3.根据权利要求1所述的一种基于多GPU的重力梯度数据灵敏度矩阵压缩及调用方法，其特征在于，所述步骤2包括：

步骤2.1：计算每个GPU分得的最后一个网格的索引last_m：

last_m＝base+local_m (7)

式中，base表示排序在当前GPU之前的各GPU中网格数量的和，用于将当前GPU中网格索引转换为真实索引；

步骤2.2：计算当前GPU中分得的网格所在层数的范围：

first_layer＝base/N+1 (8)

last_layer＝(last_m-1)/N+1 (9)

式中，first_layer和last_layer分别表示分得网格所在的第一层和最后一层；N表示每层网格单元的数量；

步骤2.3：计算每个GPU分得的压缩矩阵大小：

size_mat＝(last_layer-base_layer+1)×N (10)

式中，size_mat表示每个GPU分得的压缩矩阵尺寸，即矩阵元素数量；

步骤2.4：计算用于将当前GPU中压缩灵敏度矩阵元素索引转换为真实压缩矩阵索引的参数base_mat：

base_mat＝(first_layer-1)×N (11)

其中，base_mat表示排序在当前GPU之前的各GPU中压缩矩阵元素数量的和。

4.根据权利要求1所述的一种基于多GPU的重力梯度数据灵敏度矩阵压缩及调用方法，其特征在于，所述步骤2还包括计算各GPU中分得的网格单元数量local_m：

local_m＝M/num_gpu (12)

式中，M为划分的网格单元总数量；num_gpu表示使用的GPU的数量；/表示求商运算，结果向下取整。