首页> 中文学位 >基于混合并行计算的气候资源插值算法和区划技术研究
【6h】

基于混合并行计算的气候资源插值算法和区划技术研究

代理获取

目录

声明

摘要

插图索引

附表索引

第1章 绪论

1.1 研究背景及选题意义

1.2 国内外插值技术现状综述

1.3 国内外聚类技术现状综述

1.4 论文结构和章节安排

第2章 并行计算技术

2.1 并行计算介绍

2.1.1 并行计算机及其体系结构

2.1.2 并行计算机的分类

2.1.3 并行计算的存储模型

2.2 并行算法概述

2.2.1 并行程序设计模型

2.2.2 并行程序编程模型

2.2.3 并行算法的性能分析指标

2.3 OpenMP概述

2.4 MPI概述

2.5 小结

第3章 kd-tree数据结构

3.1 kd-tree的介绍

3.2 树结构的构建

3.3 最近邻查询算法

3.4 小结

第4章 Kriging算法及其并行化的研究

4.1 Kriging算法的基本理论

4.1.1 Kriging算法的介绍

4.1.2 Kriging算法结果修正

4.2 Kriging算法混合并行化的研究

4.2.1 Kriging算法分析及其并行化思路

4.2.2 混合并行策略的Kriging算法的实现

4.3 实验分析及研究

4.3.1 实验数据与策略

4.3.2 编程语言与硬件环境

4.3.3 实验结果分析与研究

4.4 小结

第5章 K-means算法及其改进的研究

5.1 K-means算法的基本理论

5.1.1 K-means算法的介绍

5.1.2 K-means算法的优势与不足

5.2 PK-means算法的研究

5.2.1 PK-means算法的介绍

5.2.2 PK-means算法分析及其改进思路

5.3 实验分析及研究

5.3.1 实验数据与策略

5.3.2 编程语言与编译环境

5.3.3 实验结果分析与研究

5.4 小结

结论

参考文献

致谢

附录A (攻读学位期间所发表的学术论文)

展开▼

摘要

近年来我国农业发展面临日益变化的气候条件,这对农业气候资源的研究与应用提出了更高的要求。通过对农业气候资源的精细化研究,支持我国农业的生产发展是非常必要的。为了得到精细的气候区划数据,常用的两种技术是小网格插值技术和气候资源区划技术。然而,由于气候区划需要处理庞大的历史气象数据,小网格插值中采用的基于单处理器的串行算法的执行效率并不高,计算时间消耗非常大,聚类技术也同样如此。特别是对于多属性的复杂数据,聚类的计算时间消耗就更大了。
   为了提高应用系统整体的反应速度,本文采用一种混合并行的策略对小网格插值的关键技术Kriging算法进行改造。首先将算法封装为可粗粒度实现部分和可细粒度实现部分,然后修改其数据存储结构以适应并行时数据的存储和交互,其次建立并行处理机群,采用基于MPI的消息传递的并行策略和主从模式进行粗粒度部分的并行,而各个计算节点内部对细粒度部分采用基于OpenMP进行并行处理。实验数据表明混合并行的Kriging算法相比较串行的算法提高了计算效率。
   对于气候区划中的聚类分析,为了提高扩展到多属性的海量数据的聚类的效率,本文针对K-means算法提出一种剪枝的标准,基于该策略称为PK-means算法。首先随机选取k个初始质心,使用标准的k-d树规范其他数据的结构,然后针对每个节点的候选质心集进行剪枝,计算各质心对该节点的最小和最大距离,最小距离采用k-d树的最近邻法得到,最大距离采用该节点的分割超平面的最远距离表示,剪去最小距离中大于最大距离的最小者的质心,形成候选质心簇,该节点只与候选质心计算距离,将其指派到最近的质心,而该节点的子节点的候选质心簇从父节点继承,以此反复指派并更新质心,直至聚类结束。PK-means算法,针对多维海量数据,与经典K-means算法相比,运行效率更加优越。
   本文对于Kriging算法的并行化改造,采用了基于MPI和OpenMP的混合并行策略,具有较好的并行效率;同时对于聚类算法提出了基于剪枝策略的PK-means算法,在处理大规模的,多属性的数据时,大大提高了计算速度。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号