论文部分内容阅读
天气过程的识别是影响临近预报的准确与效率的主要因素之一。一种采用聚类的多尺度天气过程识别技术能够很好的描述出天气过程的气象结构，然而其计算量很大，十分耗时。这制约了其在临近预报、短期天气预警等具有一定的实时性领域中的应用。以往的方法主要依靠专用硬件或在机群上并行化来解决，其缺点是成本高昂、维护代价大、通用性差和使用不方便。因此，需要给气象分析人员提供一个高效、低成本、通用和便携的方案来解决这个矛盾。近年来，使用GPU对气象等领域中需要高密度计算的应用进行加速已成为研究热点之一。本文以基于GPU的天气过程快速识别系统的设计与实现为研究课题，研究了基于聚类的多尺度识别方法在GPU平台上的并行化问题，并提出了一些适用于特定场景下的GPU应用的优化技术，该研究对进一步的优化加速一些场景下的GPU应用具有一定的借鉴意义。
本文主要研究成果包括：(1)完成了基于GPU的天气过程快速识别系统的基本设计和实现，给出了不同应用场景下高效的解决方案。(2)提出了一种基于CPU-GPU软件流水线的优化方法，有效的提高了CPU与GPU的利用率，使得原始的GPU应用能够获取更高的性能。(3)提出一种输入感知的运行时调度支持机制，通过在主机端的运行时模块，来对输入数据集的特征进行分析，然后据此来指导GPU上的线程块的调度，削减GPU上的计算负载。该研究分析了关于程序输入对本系统优化工作的影响，以及如何利用这种输入数据集的特征来对本系统的回波聚类过程进行优化。该研究对GPU平台上优化与输入相关的并行程序具有一定的指导意义。