dc.contributor.author |
Никитин, Виктор Валерьевич |
ru_RU |
dc.contributor.author |
Дучков, Антон Альбертович |
ru_RU |
dc.contributor.author |
Романенко, Алексей Анатольевич |
ru_RU |
dc.contributor.author |
Андерссон, Фредрик |
|
dc.creator |
Новосибирский государственный университет |
ru_RU |
dc.creator |
Novosibirsk State University |
en_EN |
dc.creator |
Институт нефтегазовой геологии и геофизики СО РАН |
ru_RU |
dc.creator |
Institute of Petroleum Geology and Geophysics SB RAS |
en_EN |
dc.creator |
Lund University |
ru_RU |
dc.creator |
Lund University |
en_EN |
dc.date.accessioned |
2014-06-04T10:23:50Z |
|
dc.date.available |
2014-06-04T10:23:50Z |
|
dc.date.issued |
2013-03 |
|
dc.identifier.citation |
Никитин В. В., Дучков А. А., Романенко А. А., Андерссон Ф. Параллельный алгоритм разложения функций по волновым пакетам для GPU и его применение в геофизике // Вестник НГУ. Серия: Информационные технологии. 2013. Т. 11, вып. 1. С. 93–104. |
ru_RU |
dc.identifier.issn |
1818-7900 |
|
dc.identifier.uri |
https://lib.nsu.ru/xmlui/handle/nsu/1314 |
|
dc.description.abstract |
Данные, получаемые при проведении сейсмических работ методом отраженных волн, характеризуются многомерностью, большим объемом, а также своей нерегулярностью. Возникает необходимость их оптимального представления, а именно разложения по базису, наиболее подходящему для их дальнейшей обработки. В качестве такого представления в данной работе используется (переопределенный) базис волновых пакетов. При помощи технологии NVIDIA CUDA на базе GPU был реализован быстрый алгоритм прямого и обратного преобразования по трехмерным волновым пакетам. Проведен целый ряд оптимизаций, не только связанных с физическим устройством графического процессора, но и со структурой исходного алгоритма. Достигнуто ускорение до 45 раз на одной карте, выполнен анализ масштабируемости для нескольких видеокарт. Программа тестировалась на синтетических сейсмических данных для реализации процедур сжатия, подавления шума и регуляризации трехмерных данных в случае пропущенных трасс. |
ru_RU |
dc.description.abstract |
Seismic data is characterized by multidimensionality, large size and irregular structure. There is a need for optimal representation of this data by decomposing it using appropriate basis. In this paper we consider (redundant) basis of wave packets. With NVIDIA CUDA technology for programming on GPU we implemented a fast algorithm of forward and inverse 3D wave-packet transform. The code was optimized based on physical device characteristics and structure of the algorithm. We obtained speed-up ~45 for one GPU, and analyzed scalability for several GPUs. The program was tested on synthetic seismic data for their compression, de-noising and regularization. |
en_EN |
dc.description.sponsorship |
В работе использовались ресурсы Сибирского суперкомпьютерного центра. Работа проводилась при частичной поддержке Шведского фонда по международному сотрудничеству в науке и высшем образовании (Swedish Foundation for International Cooperation in Research and Higher Education) и Сибирского отделения РАН. |
ru_RU |
dc.language.iso |
ru |
|
dc.publisher |
Новосибирский государственный университет |
ru_RU |
dc.subject |
GPU |
ru_RU |
dc.subject |
волновые пакеты, |
ru_RU |
dc.subject |
быстрое преобразование Фурье |
ru_RU |
dc.subject |
сейсмика |
ru_RU |
dc.subject |
seismic |
en_EN |
dc.subject |
fast Fourier transform |
en_EN |
dc.subject |
wave packets |
en_EN |
dc.subject |
GPU |
en_EN |
dc.title |
Параллельный алгоритм разложения функций по волновым пакетам для GPU и его применение в геофизике |
ru_RU |
dc.title.alternative |
Implementing algorithm of wave-packet decomposing on GPUS and its applications in geophysics |
en_EN |
dc.type |
Article |
|
dc.description.reference |
1. Гурвич И. И., Боганик Г. Н. Сейсмическая разведка. М.: Недра, 1980. 551 с.
2. Candes E., Demanet L., Donoho D., Ying L. Fast discrete curvelet transforms // SIAM Multiscale Model. Simul. 2006. Vol. 5–3. P. 861–899.
3. Candes E. J., Donoho D. L. New Tight Frames of Curvelets and Optimal Representations of Objects with Piecewise-C2 Singularities // Comm. Pure Appl. Math. 2002. Vol. 57. P. 219–266.
4. Hennenfent G., Herrmann F. Seismic Denoising with Non-Uniformly Sampled Curvelets // Computing in Science and Engineering. 2006. Vol. 8 (3). P. 16–25.
5. Naghizadeh M., Sacchi M. D. Beyond Alias Hierarchical Scale Curvelet Interpolation of Regularly and Irregularly Sampled Seismic Data // Geophysics. 2010. Vol. 75. P. 189–202.
6. Neelamani R., Baumstein A. I., Gillard D. G., Hadidi M. T., Soroka W. L. Coherent and Random Noise Attenuation Using the Curvelet Transform // The Leading Edge. 2008. Vol. 27. No. 2. P. 240–246.
7. Duchkov A. A., Andersson F. A., Hoop M. V. Discrete Almost-Symmetric Wave Packets and Multiscale Geometrical Representation of (Seismic) Waves // IEEE Transactions on Geoscience and Remote Sensing. 2010. Vol. 48. No. 9. P. 3408–3423.
8. Dutt A. F., Rokhlin V. I. Fast Fourier Transforms for Nonequispaced Data // SIAM Journal on Scientific Computing. 1993. Vol. 14. P. 1368–1393.
9. Kirk D. Programming Massively Parallel Processors: A Hands-on Approach. Morgan Kaufmann, 2010. 280 p. |
ru_RU |
dc.subject.udc |
519.72, 550.34.06 |
|
dc.relation.ispartofvolume |
11 |
|
dc.relation.ispartofvolume |
93-104 |
|
dc.relation.ispartofnumber |
1 |
|