×
乌科维奇，米兰;米查尔·博罗夫斯克;马图什·拉赫;赫里斯托普洛斯（Hristopulos）、狄奥尼西奥斯·T。

基于改进的平面旋转器模型的GPU加速海量空间数据仿真。 （英语） 兹比尔1429.65330

数学。地质科学。 52，第1期，123-143（2020年）.
摘要：最近，基于改进的统计物理平面旋转器（MPR）模型，在笛卡尔网格上为空间数据引入了一种新的吉布斯-马尔可夫随机场，以高效、自动地插值卫星和雷达图像等大数据集。MPR模型不依赖于高斯假设。空间相关性通过变换变量之间的最近邻相互作用捕获。这允许对模型进行矢量化，再加上高效的混合蒙特卡罗算法，可以使执行时间更快，并与系统大小近似成线性关系。本研究利用MPR变量之间交互的短程性质，在计算统一设备体系结构编程环境中对图形处理单元（GPU）上的算法进行并行化。结果表明，对于所使用的处理器，GPU实现可以带来令人印象深刻的计算加速，与单处理器计算相比，在大型网格上可以提高近500倍。因此，在普通GPU上，由数百万个数据点组成的海量数据集可以在不到一秒钟的时间内自动处理。

引用于1文件

MSC公司：

第65年 并行数值计算
第62页，第35页 统计学在物理学中的应用
62立方米 空间过程推断

关键词：

空间插值;混合蒙特卡罗;非高斯模型;条件模拟;GPU并行计算;CUDA公司

软件：

CUDA公司;GMRF库
PDF格式BibTeX公司 XML格式引用
\textit{M.ukovič}等人，《数学》。地质科学。52，编号1，123--143（2020；Zbl 1429.65330）
全文： 内政部 arXiv公司

参考文献：

[1] 阿特金森，P。；张杰。；Goodchild，Mf，《空间信息和分析的尺度》（2014），博卡拉顿：CRC出版社，博卡拉顿
[2] Caers，J。；Hoffman，T.，《概率摄动法：贝叶斯逆向建模的新视角》，《数学地理学》，38，1，81-100（2006）·Zbl 1119.86312号
[3] Cheng，T.，使用支持CUDA的GPU加速通用克里金插值算法，计算地质，54，178-183（2013）
[4] Cheng，T。；李，D。；王，Q。；清平，G。；于成，G.，《基于OpenMP的通用克里金插值并行化》，2010年第九届分布式计算及商业、工程和科学应用国际研讨会（DCABES 2010），36-39（2010），洛斯阿拉米托斯：IEEE计算机学会，洛斯阿米托斯
[5] 北卡罗来纳州克雷西。；Johannesson，G.，《超大空间数据集的固定秩克里金法》，J R Stat Soc:Ser B（Stat Methodol），70，1，209-226（2018）·Zbl 05563351号
[6] Creutz，M.，《过度松弛和蒙特卡罗模拟》，《物理评论D》，36，2，515-519（1987）
[7] De Ravé，Eg；Jiménez-Hornero，F。；Ariza-Villaverde，A。；Gómez-López，J.，《使用图形处理单元上的通用计算（GPGPU）加速普通克里金算法》，《计算地球科学》，64，1-6（2014）
[8] 德拉蒙德，It；Horgan，Rr，《随机介质的有效渗透率》，J Phys a:Math Gen，20，14，4661（1987）
[9] 富勒，R。；Genton，镁；Nychka，D.，用于大型空间数据集插值的协方差递减，J Comput Graph Stat，15，3，502-523（2006）
[10] 关，Q。；Kyriakidis，私人；Goodchild，Mf，《快速地质统计区域内插的并行计算方法》，《国际地理信息科学杂志》，25，8，1241-1267（2011）
[11] Harris M（2013）如何在CUDA C/C++内核中高效访问全局内存
[12] 哈特曼，L。；Hössjer，O.，高斯马尔可夫随机场大数据集的快速克里格，计算统计数据分析，52，5，2331-2349（2008）·兹比尔1452.62708
[13] Hristopulos，D.，地质统计学应用的Spartan Gibbs随机场模型，SIAM科学计算杂志，24，6，2125-2162（2003）·Zbl 1043.62078号
[14] Hristopulos，Dt，随机局部相互作用（SLI）模型，计算地质，85，26-37（2015）
[15] 赫里斯托普洛斯，Dt；Christakos，G.，时空贝叶斯最大熵分析中非高斯多元矩的实际计算，《数学地理学》，33，5，543-568（2001）·Zbl 1010.86014号
[16] 赫里斯托普洛斯，Dt；Elogne，Sn，一类新的广义Gibbs随机场的分析性质和协方差函数，IEEE Trans-Inf理论，53，12，4667-4679（2007）·Zbl 1327.60106号
[17] 胡，H。；Shu，H.，一种改进的粗粒度并行算法，用于普通克里金插值的计算加速，Compute Geosci，78，44-52（2015）
[18] 朱科维奇，M。；基于修正平面旋转器模型的具有连续值的Hristopulos，Dt，Gibbs-markov随机场，Phys Rev E，98，6，062135（2018）
[19] 英格拉姆，B。；康福德，D。；Evans，D.，《使用空间限制协方差函数自动绘制地图的快速算法》，《Stoch Env Res风险评估》，22，5，661-670（2008）
[20] Katzil，Y。；Doytsher，Y.，《网格化DTM中填充间隙的高度估计方法》，J Surv Eng，126，4，145-162（2000）
[21] 考夫曼，Cg；Mj Schervish；Nychka，Dw，大型空间数据集中基于似然估计的协方差减缩，美国统计协会杂志，103，484，1545-1555（2008）·Zbl 1286.62072号
[22] Kerry，Ke；Ka Hawick；斯劳特，P。；Bubak，M。；Hertzberger，B.，高性能计算机上的克里格插值，高性能计算和网络，429-438（1998），柏林：施普林格，柏林
[23] Majumdar，A。；Gelfand，Ae，使用卷积协方差函数对地质统计数据进行多元空间建模，《数学地质学》，39，2，225-245（2007）·Zbl 1126.86007号
[24] 马科特，D。；Allard，D.，大数据集条件模拟的半锥化策略，Stoch Environ Res风险评估，32，1，279-294（2018）
[25] Mei，G.，评估IDW插值算法的GPU加速能力，科学世界杂志，2014，1715741-8（2014）
[26] 梅，G。；徐，L。；Xu，N.，在图形处理单元上加速自适应逆距离加权插值算法，开放科学，4，9，170436（2017）
[27] 北卡罗来纳州大都会。；罗森布鲁思，Aw；罗森布鲁斯，Mn；出纳员，啊；Teller，E.，《快速计算机的状态方程计算》，化学物理杂志，21，61087-1992（1953）·Zbl 1431.65006号
[28] 诺伯格，T。；罗森，L。；Baran，A。；Baran，S.，《将离散地质结构建模为马尔可夫随机场》，《数学地质学》，34，1，63-77（2002）·Zbl 1033.86006号
[29] 英伟达（2019a）Cuda C最佳实践指南
[30] 英伟达（2019b）CUDA C编程指南，10.1版
[31] 佩斯克，L。；科尔特斯，A。；Pons，X.，《结合自动变异函数拟合的平行普通克里金插值》，《计算地球科学》，37，4，464-473（2011）
[32] Poggio，L。；Gimona，A。；Brown，I.，《云层覆盖下的时空MODIS EVI缺口填充：苏格兰的一个例子》，ISPRS J Photogram Remote Sens，72，56-72（2012）
[33] H街。；Held，L.，高斯马尔可夫随机场：理论与应用（2005），博卡拉顿：查普曼和霍尔/CRC，博卡拉通·邮编1093.60003
[34] 萨维茨基，A。；Mj Golay，《通过简化最小二乘法对数据进行平滑和微分》，Ana Chem，36，8，1627-1639（1964）
[35] 镰刀，Je；Shadwick，Ds，《缺失季节数据对干湿沉降周期平均值估算的影响》，Atmos Environ，41，23，4931-4939（2007）
[36] 斯坦因，A。；范德米尔，Fd；Gorte，B.，《遥感空间统计》（2002年），多德雷赫特：Kluwer，Dordrecht
[37] 北斯托亚诺维奇。；Stojanovic，D.，在GPU上使用CUDA对地理空间数据进行高性能处理和分析，Adv Electr Compute Eng，14，4，109-114（2014）
[38] Tahmasebi，P。；萨希米，M。；Mariethoz，G。；Hezarkhani，A.，《使用图形处理单元（GPU）加速地质统计模拟》，《计算地球科学》，46，51-59（2012）
[39] Wackernagel，H.，《多元地质统计学》（2003），柏林：施普林格出版社，柏林·Zbl 1015.62128号
[40] Weigel，Martin，在GPU上模拟自旋模型，计算机物理通信，182，9，1833-1836（2011）
[41] Weigel，M.，GPU上模拟自旋模型的性能潜力，J Comput Phys，231，8，3064-3082（2012）·Zbl 1245.82035号
[42] 夏，Yj；匡，L。；Li，Xm，使用CUDA加速GPU的地理空间分析，浙江科技大学学报，12，12，990-999（2011）
[43] 张伟。；李伟（Li，W.）。；张，C。；赵，T.，分类场马尔可夫链空间序列模拟的并行计算解决方案，国际数字地球，12，5，566-582（2019）
[44] Zhang，Y。；郑，X。；Wang，Z。；艾未未，G。；Huang，Q.，基于并行GPU的时空克里金框架的实现，ISPRS国际地理信息网络，7，5，193（2018）
[45] 钟，X。；基利，A。；Duckham，M.，Stream kriging:时空数据流上的增量和递归普通kriging，Comput Geosci，90，134-143（2016）
[46] 朱科维奇，M。；Hristopulos，Dt，《使用自旋模型对空间数据中缺失值的分类》，《物理学评论E》，80，1，011116（2009）
[47] 朱科维奇，M。；Hristopulos，Dt，用于环境空间数据模拟的具有“自旋”相关性的多级离散随机场模型，J Stat Mech:Theory Exp，02，P02023（2009）
[48] 朱科维奇，M。；Hristopulos，Dt，一种用于填充具有潜在各向异性相关性的网格化环境空间数据间隙的定向梯度曲线法，Atmos Environ，77，901-909（2013）
[49] 朱科维奇，M。；Hristopulos，Dt，《利用具有全局几何约束的条件随机优化重建遥感图像中的缺失数据》，《Stoch Environ Res风险评估》，27，4，785-806（2013）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。