伪深度域交错网格逆时偏移成像方法及并行优化

发布时间：2024-03-26 00:15

　　基于声波方程的逆时偏移作为现阶段最主要成像手段之一,主要受限于计算机运算速度及内存占用。为减少模型网格数以提高计算效率和减少计算存储占用量,将曲坐标变换引入到正演及逆时偏移中,推导了伪深度域一阶声波方程及其离散形式,并给出了对应带PML吸收边界的离散方程。进一步,通过C++AMP并行架构实现了相应正演及逆时偏移算法优化,在减少内存占用的基础上还极大地提升了计算效率。最后,通过模型试算验证了算法及并行架构的正确性及高效性。

【文章页数】：12 页

【部分图文】：

图1伪深度域与深度域正反变换示意图

将笛卡尔坐标系下平滑速度场模型进行纵向积分[19],以此得到单程旅行时间场τ(x,t),然后再将原速度模型用样条插值法插值成纵向等间隔(Δτ)的伪深度域速度模型。式中vsm为深度域平滑速度场。相应地,可再次利用样条插值法将伪深度域速度场反变换回深度域速度场(图1)。在得到伪深度域....

图2伪深度域交错网格剖分示意图

对于时间和空间上的差分近似,采用与传统深度域交错网格法相同的离散规则,即压力和速度场的计算分别对应于t和t+Δt/2时刻进行。而空间差分近似则以高阶半网格方式实现,相应的空间差分系数如表1所示。表1交错网格法差分系数表[27]阶数交错网格差分系数C1C2....

图3并行优化算法示意图

图4对比了相同正演参数下CPU常规计算与C++AMP架构下并行计算耗时,可以看出,C++AMP架构下的并行计算效率约为并行前的10倍,且随着模型网格总数的增加而增高。当然,加速效果同样与所使用的GPU性能有关。同时需要指出的是,该测试仅是在完成算法且未进行编程优化的情况下得....

图4不同总网格数时C++AMPGPU并行架构和与CPU常规正演计算耗时对比均统计相同参数下正演10000次总计算耗时

图3并行优化算法示意图2模型试算

本文编号：3939069