面向海洋可控源电磁法勘探的并行三维有限元时域模拟方法

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    41374113
  • 项目类别:
    面上项目
  • 资助金额:
    80.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    D0408.油气地球物理学
  • 结题年份:
    2017
  • 批准年份:
    2013
  • 项目状态:
    已结题
  • 起止时间:
    2014-01-01 至2017-12-31

项目摘要

The controlled-source electromagnetic (EM) method is an important approch in marine oil and gas exploration. With a unique advantage to accurately distinguish oil and sea water, the EM methods provides important supplements to the seismic methods. The current controlled-source EM methods are mostly based on finite-difference methods. In contrast, although finite-element methods provide a more accurate description of the complex geological structures, the need to solve large-scale linear equations makes it extremely difficult to parallelize the finite element methods, and prevents a wide use of the finite-element methods in the industry. In this project, to improve the applicability of finite element methods, we (1) propose modifications to the original mathematical model, to signicantly reduce the number of unknowns while maintaining a good convergence of the solver; (2) investigate adaptive time-stepping methods to reduce the total number of time steps; (3) accelerate the speed of the finite-element method by designing an efficient parallel solution on hybrid platforms with FPGA accelerators.By achieving a highly-efficient and fast 3D time-domain finite-element modeling method, we hope to provide support for further applying the finite-elment method in geophysics exploration.
可控源电磁法是海洋石油勘探中的重要方法。由于能够准确区分油藏中的海水和石油,可控源电磁法为地震波勘探提供了重要的补充。目前的可控源电磁法大多采用有限差分方法来实现。与之相比较,有限元方法虽然能够更准确地模拟复杂地质结构,但是由于需要求解大规模线性方程组,并行难度大,在实际生产中一直未得到广泛应用。本项目将针对海洋可控源电磁法,展开三维有限元时域模拟方法的研究。首先,研究更适合有限元方法的数学建模方法,在保持解的收敛性的同时,大幅降低所需求解未知数的规模;其次,探索自适应的时间步长调节方法,减少时域模拟的总时间;最后,针对每一步时间积分中求解大规模线性方程组这一性能瓶颈,使用基于FPGA的异构计算平台,研究高效的并行求解器。通过研究和设计高效快速的并行三维有限元时域模拟方法,为该算法在勘探地球物理领域内的应用和推广奠定坚实的基础。

结项摘要

可控源电磁法是海洋石油勘探中的重要方法。由于能够准确区分油藏中的海水和石油,可控源电磁法为地震波勘探提供了重要的补充。目前的可控源电磁法大多采用有限差分方法来实现。与之相比较,有限元方法虽然能够更准确地模拟复杂地质结构,但是由于需要求解大规模线性方程组,并行难度大,在实际生产中一直未得到广泛应用。本项目将针对海洋可控源电磁法,展开三维有限元时域模拟方法的研究。首先,研究更适合有限元方法的数学建模方法,在保持解的收敛性的同时,大幅降低所需求解未知数的规模;其次,探索自适应的时间步长调节方法,减少时域模拟的总时间;最后,针对每一步时间积分中求解大规模线性方程组这一性能瓶颈,使用基于FPGA的异构计算平台,研究高效的并行求解器。通过研究和设计高效快速的并行三维有限元时域模拟方法,为该算法在勘探地球物理领域内的应用和推广奠定坚实的基础。最终设计实现的有限元模拟软件可扩展至上百进程,将模拟时间从原有版本的1622秒大幅缩减到240秒,实现接近一个数量级的性能提升。项目相关工作共计发表SCI索引期刊文章13篇,EI索引会议文章16篇,专利1项,培养博士研究生2人,硕士研究生4人,共计6人。相关成果获选为FPL25年以来所发表的1765篇文章中最有影响力的27篇文章之一,三次入围高性能计算应用的最高奖项“戈登贝尔奖”,两次获奖。

项目成果

期刊论文数量(13)
专著数量(0)
科研奖励数量(5)
会议论文数量(16)
专利数量(1)
Evaluating multi-core and many-core architectures through accelerating the three-dimensional Lax-Wendroff correction stencil
通过加速三维 Lax-Wendroff 校正模板来评估多核和众核架构
  • DOI:
    10.1177/1094342014524807
  • 发表时间:
    2014
  • 期刊:
    International Journal of High Performance Computing Applications
  • 影响因子:
    3.1
  • 作者:
    You Yang;Fu Haohuan;Song Shuaiwen Leon;Dehnavi Maryam Mehri;Gan Lin;Huang Xiaomeng;Yang Guangwen
  • 通讯作者:
    Yang Guangwen
Stacked Autoencoder-based deep learning for remote-sensing image classification: a case study of African land-cover mapping
基于堆叠自动编码器的深度学习用于遥感图像分类:非洲土地覆盖制图案例研究
  • DOI:
    10.1080/01431161.2016.1246775
  • 发表时间:
    2016-12-01
  • 期刊:
    INTERNATIONAL JOURNAL OF REMOTE SENSING
  • 影响因子:
    3.4
  • 作者:
    Li, Weijia;Fu, Haohuan;Clinton, Nicholas
  • 通讯作者:
    Clinton, Nicholas
A tetrahedral mesh generation approach for 3D marine controlled-source electromagnetic modeling
用于 3D 海洋受控源电磁建模的四面体网格生成方法
  • DOI:
    10.1016/j.cageo.2016.11.007
  • 发表时间:
    2017-03
  • 期刊:
    Computers & Geosciences
  • 影响因子:
    4.4
  • 作者:
    Evan Schankee Um;Seung-Sep Kim;Haohuan Fu
  • 通讯作者:
    Haohuan Fu
Scaling Support Vector Machines on modern HPC platforms
在现代 HPC 平台上扩展支持向量机
  • DOI:
    10.1016/j.jpdc.2014.09.005
  • 发表时间:
    2015
  • 期刊:
    Journal of Parallel and Distributed Computing
  • 影响因子:
    3.8
  • 作者:
    You Yang;Fu Haohuan;Song Shuaiwen Leon;R;les Am;a;Kerbyson Darren;Marquez Andres;Yang Guangwen;Hoisie Adolfy
  • 通讯作者:
    Hoisie Adolfy
Parallel Multiclass Support Vector Machine for Remote Sensing Data Classification on Multicore and Many-Core Architectures
多核和众核架构上遥感数据分类的并行多类支持向量机
  • DOI:
    10.1109/jstars.2017.2713126
  • 发表时间:
    2017-10-01
  • 期刊:
    IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING
  • 影响因子:
    5.5
  • 作者:
    Li, Weijia;Fu, Haohuan;Fang, Jiarui
  • 通讯作者:
    Fang, Jiarui

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

付昊桓的其他基金

面向逆时偏移算法的FPGA加速技术研究
  • 批准号:
    61303003
  • 批准年份:
    2013
  • 资助金额:
    27.0 万元
  • 项目类别:
    青年科学基金项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码