[发明专利]一种基于GPU的各向异性叠前逆时偏移优化方法

说明书

一种基于GPU的各向异性叠前逆时偏移优化方法，包括算法优化和性能优化，所述性能优化包括内存密集型优化、指令密集型优化和延迟密集型优化。相对于各向同性逆时偏移,各向异性逆时偏移算法更加复杂,数据量更大.在算法上,各向异性逆时偏移增加了交叉导数项,增加了计算量。本方法才充分利用GPU的高效存储器共享存储器，采用TWO‑PASS计算模式，大幅度提高了计算效率。

技术领域

本发明是关于一种应用于地震勘探领域的基于GPU的各向异性叠前逆时偏移优化方法。

背景技术

逆时偏移作为目前理论上最精确的成像技术，通过求解双程波动方程进行波场延拓，它在对陡倾角界面及强横向变速的复杂构造成像中体现出了明显优势，近年来，该技术受到广泛关注，在GPU的支持下得到了迅速发展，其理论已经成熟，并正逐步应用于生产实践之中。它本身没有偏移孔径和偏移倾角的限制，而在对陡构造成像时往往需要较大的偏移孔径，当选择的偏移孔径较大时，各向异性效应对成像的影响则会变得更不容忽视。这时，必须考虑各向异性才能充分发挥RTM的成像技术优势，从而实现高精度波场归位。经过近几十年的不断发展，各向同性逆时偏移理论已经日趋成熟，并且逐步广泛地应用于实际生产中，取得了较好的成像效果，而GPU技术的引入使计算效率得到了大幅提高。然而，地球各向异性在地下介质中普遍存在，各向同性的偏移方法不能够有效地解决各向异性介质中地震波的偏移成像问题，成像精度受到限制，因此，人们开始关注和探索各向异性逆时偏移技术。另一方面，GPU的发展加快了地震成像技术在实际生产中的应用步伐，已形成了一系列基于GPU平台的偏移技术，如：基于GPU平台的Kirchhoff叠前时间偏移，GPU单程波动方程叠前深度偏移，各向同性GPU逆时偏移等。因此，开展基于GPU平台的TTI-RTM研究，利用GPU的高度并行计算能力进一步加快各向异性逆时偏移的计算效率，满足实际生产需求。

相对于各向同性逆时偏移,各向异性逆时偏移算法更加复杂,数据量更大.在算法上,各向异性逆时偏移增加了交叉导数项,增加了计算量；在数据上,各向异性逆时偏移需要5个参数,是各向同性逆时偏移参数的五倍.我们知道,GPU的显存空间是有限的,各向异性逆时偏移需要更多的存储空间,这对GPU来说是一个挑战.因此,针对各向异性逆时偏移的特点,如何进行GPU并行优化是一项重要的研究内容。

发明内容

本发明提供一种高效的基于GPU的各向异性叠前逆时偏移(RTM)实现方法。运用本发明方法在GPU上进行各向异性逆时偏移计算可以提高计算效率。

一种基于GPU的各向异性叠前逆时偏移优化方法，包括算法优化和性能优化，所述性能优化包括内存密集型优化、指令密集型优化和延迟密集型优化。

所述算法优化方法包括以下步骤：

(1)、设定两个共享存储器s_pp和s_px以及三个本地寄存器local_px、local_py和local_pxy，

(2)、每个线程分别从共享存储器s_pp中读取数据并计算x-导数，

(3)、每个线程分别从共享存储器s_pp中读取数据并计算y-导数，

(4)、共享存储器s_px存放由共享存储器s_pp中数据计算得出的x-导数，然后再计算y-导数，即得xy-导数。

步骤(2)还包括将所述x-导数存放在局部存储器local_px中；

步骤(3)还包括将y-导数存放在局部存储器local_py中；

步骤(4)还包括将xy-导数存放在局部存储器local_pxy中。

指令密集型优化是通过减少warp或cuda计算单元的计算分支实现的。

所述指令密集型优化是还可以通过采用cuda自带的快速计算函数实现。

延迟密集型计算优化的方法是通过以下步骤实现：