基于混合并行計(jì)算的氣候資源插值算法和區(qū)劃技術(shù)研究.pdf

1、近年來(lái)我國(guó)農(nóng)業(yè)發(fā)展面臨日益變化的氣候條件，這對(duì)農(nóng)業(yè)氣候資源的研究與應(yīng)用提出了更高的要求。通過(guò)對(duì)農(nóng)業(yè)氣候資源的精細(xì)化研究，支持我國(guó)農(nóng)業(yè)的生產(chǎn)發(fā)展是非常必要的。為了得到精細(xì)的氣候區(qū)劃數(shù)據(jù)，常用的兩種技術(shù)是小網(wǎng)格插值技術(shù)和氣候資源區(qū)劃技術(shù)。然而，由于氣候區(qū)劃需要處理龐大的歷史氣象數(shù)據(jù)，小網(wǎng)格插值中采用的基于單處理器的串行算法的執(zhí)行效率并不高，計(jì)算時(shí)間消耗非常大，聚類技術(shù)也同樣如此。特別是對(duì)于多屬性的復(fù)雜數(shù)據(jù)，聚類的計(jì)算時(shí)間消耗就更大了。

2、>　　 為了提高應(yīng)用系統(tǒng)整體的反應(yīng)速度，本文采用一種混合并行的策略對(duì)小網(wǎng)格插值的關(guān)鍵技術(shù)Kriging算法進(jìn)行改造。首先將算法封裝為可粗粒度實(shí)現(xiàn)部分和可細(xì)粒度實(shí)現(xiàn)部分，然后修改其數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)以適應(yīng)并行時(shí)數(shù)據(jù)的存儲(chǔ)和交互，其次建立并行處理機(jī)群，采用基于MPI的消息傳遞的并行策略和主從模式進(jìn)行粗粒度部分的并行，而各個(gè)計(jì)算節(jié)點(diǎn)內(nèi)部對(duì)細(xì)粒度部分采用基于OpenMP進(jìn)行并行處理。實(shí)驗(yàn)數(shù)據(jù)表明混合并行的Kriging算法相比較串行的算法提高了計(jì)算

3、效率。
　　 對(duì)于氣候區(qū)劃中的聚類分析，為了提高擴(kuò)展到多屬性的海量數(shù)據(jù)的聚類的效率，本文針對(duì)K-means算法提出一種剪枝的標(biāo)準(zhǔn)，基于該策略稱為PK-means算法。首先隨機(jī)選取k個(gè)初始質(zhì)心，使用標(biāo)準(zhǔn)的k-d樹規(guī)范其他數(shù)據(jù)的結(jié)構(gòu)，然后針對(duì)每個(gè)節(jié)點(diǎn)的候選質(zhì)心集進(jìn)行剪枝，計(jì)算各質(zhì)心對(duì)該節(jié)點(diǎn)的最小和最大距離，最小距離采用k-d樹的最近鄰法得到，最大距離采用該節(jié)點(diǎn)的分割超平面的最遠(yuǎn)距離表示，剪去最小距離中大于最大距離的最小者的質(zhì)心，形成

4、候選質(zhì)心簇，該節(jié)點(diǎn)只與候選質(zhì)心計(jì)算距離，將其指派到最近的質(zhì)心，而該節(jié)點(diǎn)的子節(jié)點(diǎn)的候選質(zhì)心簇從父節(jié)點(diǎn)繼承，以此反復(fù)指派并更新質(zhì)心，直至聚類結(jié)束。PK-means算法，針對(duì)多維海量數(shù)據(jù)，與經(jīng)典K-means算法相比，運(yùn)行效率更加優(yōu)越。
　　 本文對(duì)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，具有較好的并行效率;同時(shí)對(duì)于聚類算法提出了基于剪枝策略的PK-means算法，在處理大規(guī)模的，多屬性的數(shù)據(jù)時(shí)