(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111674002.5 (22)申请日 2021.12.31 (71)申请人 中国科学院地球环境研究所 地址 710061 陕西省西安市雁塔区雁翔路 97号 申请人 西安理工大 学 (72)发明人 韩浩　金钊　侯精明　龚佳辉　 罗达　 (74)专利代理 机构 西安弘理专利事务所 61214 代理人 许志蛟 (51)Int.Cl. G06F 9/50(2006.01) G06F 30/28(2020.01) G06F 30/23(2020.01) G06F 111/10(2020.01)G06F 113/08(2020.01) G06F 119/14(2020.01) (54)发明名称 基于多GPU的水文水动力过程模拟方法 (57)摘要 本发明的基于多GPU的水文水动力过程模拟 方法， 具体为： 对降雨、 下渗、 曼宁系数、 地形高程 进行初始赋值； 将计算区域划分与GPU个数相同 的子区域， GPU个数不小于2， 对每两个子区域重 叠处的单行子区域进行填充； 将各变量从CPU复 制到每个GPU中； 计算降雨、 下渗的水文过程， 在 每个GPU中进行了通量项和源项的并行计算； 采 用CUDA流和P2P方法实现多GPU间的流量和水深 数据的交换和通信； 计算任务完成后， 将每个GP U 的模拟数据复制到CPU中进行合并； 整理和分析 模拟结果， 绘制地表径流过程演变动态图。 本发 明采用多GPU并行计算方法实现了水文水动力数 值模拟的高性能并行化计算过程， 加速计算性能 更显著， 能实现大尺度区域快速模拟。 权利要求书3页 说明书6页 附图4页 CN 114385358 A 2022.04.22 CN 114385358 A 1.基于多GPU的水文水动力过程模拟方法， 其特 征在于， 具体按照以下步骤实施： 步骤1， 对初始变量进行初始赋值， 设定计算的时间步长值和总历时值； 步骤2， 将总计算区域划分为与GPU个数相同的子区域， GPU个数不小于2， 并对每两个子 区域的重 叠区域处最外层的单 行子区域进行填充； 步骤3， 将各变量在每个GPU中进行内存分配， 再从CPU中复制到每个GPU中， 设置多GPU 并行计算的边界条件； 步骤4， 在多GPU中进行水文水动力过程的并行计算， 根据设定的时间步长在每个GPU中 计算每个网格单 元界面的通 量和源项， 完成一次 时间步长计算； 步骤5， 根据一次时间步长计算结果计算流量和水深数据， 将每个GPU中填充的单行子 区域计算后的流 量和水深数据在多GPU间进行 数据交换和通信； 步骤6， 根据数值计算总历时的设置要求， 重复步骤4和步骤5， 依次进行循环计算， 直到 所有时间步长的循环计算任务完成后， 将 每个GPU计算的流量和水深数据复制到CPU中进 行 合并后输出； 步骤7， 对CPU输出的流量和水深模拟数据结果进行整理和分析， 绘制地表径流过程演 变动态图， 并统计在多GPU中完成数值计算的时间。 2.根据权利要求1所述的基于多GPU的水文水动力过程模拟方法， 其特征在于， 步骤1 中， 所述初始变量包括： 降雨、 下渗、 曼宁系数和地形高程。 3.根据权利要求1所述的基于多GPU的水文水动力过程模拟方法， 其特征在于， 所述步 骤2具体按以下步骤实施： 步骤2.1， 设置GPU的个数为k， k≥2， 总计算区域的行数和列数分别为c行、 d列， 总计算 区域的网格总数为c ×d个， 将总计算区域划分为k个子区域， 每个子区域的计算区域大小为 c/k行×d列； 步骤2.2， 对每两个子区域相交 的最外层的单行子区域进行填充， 在相邻的两个子区域 的重叠区域处， 将其外层单行计算单元互相复制到对面子区域的最外层处， 构成新的子计 算区域。 4.根据权利要求1所述的基于多GPU的水文水动力过程模拟方法， 其特征在于， 所述步 骤3中， 将所有的变量在每个GPU中进行内存分配， 所述变量包括： 降雨、 下渗、 曼宁系数、 地 形高程、 流量和水深， 再将各变量从CPU中复制到每个 GPU中， 同时将填充区域的以上变量在 GPU中进行内存分配， 将流量和水深数据在 多GPU中进行定义和存储， 设置多GPU并行计算的 边界条件。 5.根据权利要求1所述的基于多GPU的水文水动力过程模拟方法， 其特征在于， 步骤4 中， 所述并行计算方式为： 采用Godunov格式的有限体积法求解控制方程， 在控制方程中进 一步采用稳渗或Gre en‑Ampt下渗方法计算下渗 值； 所述的控制方程具体表示 为： 权　利　要　求　书 1/3 页 2 CN 114385358 A 2式中： q——为qx、 qy、 h的变量矢量， 其中qx、 qy分别为x和y方向的单宽流 量， h为水深； f、 g——为x和y方向的通 量矢量； S——为源项矢量， 其中S＝Sb+Sf包括底坡 源项Sb、 摩阻源项Sf； zb——为地形高程； u、 v——为x和y方向的流速， 其中为qx＝uh和qy＝vh； g——为重力系数， g＝9.81m/s2； Cf——为槽底糙 率系数， 其中Cf＝gn2/h1/3， n为曼宁系数； i——为降雨P和下渗fp产生的源项， 其中i＝P ‑fp， 分别表示净雨量、 降雨量、 下渗， mm/ h； 所述下渗fp的计算方式为： 若研究区域为城市区域， 则采用稳渗方法， 下渗值为 常数， 等 效为研究区市政管网排涝标准的降雨量值； 若研究区域为非城市的流域区域， 则采用 Green‑Ampt下渗方法， 所述Gre en‑Ampt下渗方法具体表示 为： 式中： fp——为土壤下渗速率， cm/mi n； Ks——为饱和导水率 值， cm/mi n； d——为土壤表层积水的深度， cm； Ls——为湿润锋深度， cm； ——为毛管吸力， cm。 6.根据权利要求1所述的基于多GPU的水文水动力过程模拟方法， 其特征在于， 所述步 骤5中， 当GPU个数不大于5时， 采用CUDA流技术控制多个GPU， 中间过程需经过CPU通信， 首先 将一次时间步长计算后得到的每个填充 单行子区域的流量和水深数据从每个GPU中复制到 CPU中进行存储， 再将CPU中的数值复制到每个GPU的边界处再次进行数据填充和交换通信 计算。 7.根据权利要求1所述的基于多GPU的水文水动力过程模拟方法， 其特征在于， 所述步 骤5中， 当GPU个数大于5时， 为了减少GP U与CPU的通信耗时， 采用P2P即Peer  to Peer技术实 现多个GPU间的直接数据通信， 直接在GPU中将相 邻两个子区域的外层单行计算单元 互相复 制到对面子区域的最外层处， 通过GPU ‑GPU直接进行流量和水深数据的数据填充和交换通权　利　要　求　书 2/3 页 3 CN 114385358 A 3