[发明专利]一种速度模型平滑优化方法

权利要求书

1.一种速度模型平滑优化方法，其特征在于：所述方法首先改进高斯平滑公式以降低计算量，然后利用改进后的高斯平滑公式得到平滑加权系数模板，再根据所述平滑加权系数模板进行速度模型平滑处理。

2.根据权利要求1所述的速度模型平滑优化方法，其特征在于：所述改进高斯平滑公式是指在高斯平滑公式中加入平滑半径项r，得到改进后的高斯平滑公式如下：

其中，y(i)表示平滑半径中每点对应的加权系数，q为平滑系数，l_i为平滑半径中每个样点到平滑样点之间的距离。

3.根据权利要求2所述的速度模型平滑优化方法，其特征在于：所述利用改进后的高斯平滑公式得到平滑加权系数模板是这样实现的：根据平滑系数和平滑半径，利用所述改进后的高斯平滑公式计算得到平滑半径之内各样点的加权系数，由各样点的加权系数构成一个圆形的平滑加权系数模板。

4.根据权利要求3所述的速度模型平滑优化方法，其特征在于：所述根据所述平滑加权系数模板进行速度模型平滑处理具体如下：将要平滑的样点作为中心样点，将平滑加权系数模板的圆心与所述中心样点对应，即将该中心样点作为平滑加权系数模板的圆心，此时平滑加权系数模板在速度模型数据体中圈出一个与平滑加权系数模板相同大小的区域，将该区域中每个样点的速度值与平滑加权系数模板中对应该样点的加权系数相乘得到该样点的加权计算值，然后将该区域内所有样点的加权计算值相加求和后，再除以该区域内的样点总数，得 到该中心样点的平滑值，然后移动所述平滑加权系数模板，依次将各样点作为中心样点，重复以上过程计算得到所有样点的平滑值，完成平滑处理。

5.根据权利要求4所述的速度模型平滑优化方法，其特征在于：所述方法是采用多层次并行模型来实现根据所述平滑加权系数模板进行速度模型平滑处理的；所述多层次并行模型为两级联合并行模型，其第一级并行为集群计算机的各个节点之间的进程并行，采用主从模式，即一个主进程负责数据的读写与分配，从进程负责计算，主进程根据从进程的计算快慢来分配数据，实现了从进程的动态负责平衡；第二级并行为各个节点内部的线程并行，在每个节点内部应用共享内存的多线程并行方法，根据每个节点的核数设定线程数，将每个节点负责的计算区域按线程数划分，每个线程负责一部分数据的计算。

6.根据权利要求5所述的速度模型平滑优化方法，其特征在于：所述采用多层次并行模型来根据所述平滑加权系数模板进行速度模型平滑处理具体包括以下步骤：

第一步，初始化：MPI线程初始化，多进程并行启动，从进程的多线程初始化；

第二步，主进程读入平滑参数，所述平滑参数包括平滑系数和平滑半径，然后根据改进后的高斯平滑公式计算平滑半径内每个样点的加权系数，生成平滑加权系数模板；主进程将平滑加权系数模板广播给所有从进程，从进程接收平滑加权系数模板以备后续处理所用；

第三步，主进程读入速度模型数据，发送给空闲从进程，从进程任务完成后，接收主进程的速度模型数据；这样就根据从进程的计算能力实现了动态负载平衡；

第四步，从进程接收到速度模型数据，开始多线程并行计算，即根据所述平滑加权系数模板进行速度模型平滑处理；从进程完成计算任务后，发送计算 结果给主进程，并接收主进程分配的数据；

第五步，主进程接收从进程的计算结果，写入结果文件，并判断数据是否计算完成，未完成，返回第三步继续处理，直到数据处理完毕；

第六步，数据计算完成，从进程释放多线程，主进程完成数据输出。