公开(公告)号：CN112948649B

公开(公告)日：2023-02-28

申请号：CN202110133930.4

申请日：2021-02-01

Applicant: 成都信息工程大学

Inventor： 杨昊 ,  谢安琪 ,  邹茂扬 ,  何琴

IPC: G06F16/904 ,  G06F8/20 ,  G06T11/20

Abstract: 本发明属于产品质量评估技术领域，公开了一种自动化GRAPES区域预报模式显著性检验方法及系统，用户在浏览器页面设置检验模式、检验算法、置信度、数据的起止日期、区域范围的经纬度以及评分卡显示样式参数；后端依据检验的模式和数据起止日期确定数据文件在服务器的存放路径，并按照得到的路径读取到对应的预报源文件；依据经纬度范围裁剪Grib文件中的数据；计算预报值和观测值的统计量；通过显著性检验算法计算两个模式在不同统计量下显著性检验评分等级。本发明采用B/S架构，无需安装客户端，能够科学高效地进行预报产品质量的差异性检验，提高检验的自定义化程度。

公开(公告)号：CN112948649A

公开(公告)日：2021-06-11

申请号：CN202110133930.4

申请日：2021-02-01

Applicant: 成都信息工程大学

Inventor： 杨昊 ,  谢安琪 ,  邹茂扬 ,  何琴

IPC: G06F16/904 ,  G06F8/20 ,  G06T11/20

Abstract: 本发明属于产品质量评估技术领域，公开了一种自动化GRAPES区域预报模式显著性检验方法及系统，用户在浏览器页面设置检验模式、检验算法、置信度、数据的起止日期、区域范围的经纬度以及评分卡显示样式参数；后端依据检验的模式和数据起止日期确定数据文件在服务器的存放路径，并按照得到的路径读取到对应的预报源文件；依据经纬度范围裁剪Grib文件中的数据；计算预报值和观测值的统计量；通过显著性检验算法计算两个模式在不同统计量下显著性检验评分等级。本发明采用B/S架构，无需安装客户端，能够科学高效地进行预报产品质量的差异性检验，提高检验的自定义化程度。

公开(公告)号：CN112783511A

公开(公告)日：2021-05-11

申请号：CN202110160576.4

申请日：2021-02-05

Applicant: 成都信息工程大学

Inventor： 杨昊 ,  毛波 ,  何琴 ,  何金徽

IPC: G06F8/41

Abstract: 本发明属于热中子反应堆数据处理技术领域，公开了一种栅元少群参数计算模块程序的优化方法、系统、终端，编译级优化，调整程序的编译选项，并使用英特尔编译器提供的优化选项‑自动向量化对程序进行优化。串行程序优化，使程序选用尽量小的数据类型，并使程序中的结构体对齐，尽量大数据类型在前，小数据类型在后，以更好地满足处理器的对齐要求。使用MPI技术对程序的热点模块‑栅元计算模块进行并行优化。本发明在栅元少群参数计算模块程序优化的应用中，极大的提升了程序的计算效率。针对千万网格规模算例，可以实现多节点的40核，80核和120核的并行计算，且并行效率都不低于50％。

公开(公告)号：CN110163333A

公开(公告)日：2019-08-23

申请号：CN201810021291.0

申请日：2018-01-10

Applicant: 成都信息工程大学

Inventor： 黄家豪 ,  王铁军 ,  朱旭辉 ,  魏敏 ,  陈海宁 ,  杨昊 ,  赵长名 ,  吴涛 ,  黄敏 ,  吴锡

IPC: G06N3/04

Abstract: 本发明涉及一种卷积神经网络的并行优化方法，其包括：用winograd算法f(2x2,3x3)进行卷积神经网络的卷积核运算，以降低时间复杂度并减少乘法运算次数；对不存在循环数据依赖的for循环结构部分，使用OpenMP开辟多个线程进行运算；对模式相同的数据运算部分进行向量化处理，使其能够实现一次指令多次运算。采用本发明的方法改进的卷积神经网络程序能够大幅度提高并行的效率、减少运算的复杂度，从根本上降低运算开销，降低程序的运行时间。

公开(公告)号：CN110162804A

公开(公告)日：2019-08-23

申请号：CN201810021270.9

申请日：2018-01-10

Applicant: 成都信息工程大学

Inventor： 谢磊 ,  吴涛 ,  吴锡 ,  王铁军 ,  黄敏 ,  杨昊 ,  赵长名 ,  陈海宁 ,  肖丹 ,  刘琦琳 ,  夏朝阳 ,  姚明青

IPC: G06F17/50 ,  G06F17/13

Abstract: 本发明公开了一种基于CPU加速的波场正演模拟优化方法，其包括以下步骤：S1)提出波场正演具体物理模型；S2)进行数值建模；在空间维度上使用高阶差分来模拟二阶微分，从而减小内存的使用；在时间维度上减少延拓步长；S3)进行静态分块及分配：根据线程数量k，将图像沿长边方向平均分成k个子图，然后将其按顺序标记后作为基础子图；S4)并行化及通信时间隐藏；S5)模型拆分和任务分解。本发明能够有效提高波场正演模拟的计算速度，并且能动态分块调配节点，从模型分块和通信时间隐藏两个方面优化，进行并行加速，充分利用多核计算资源，并有效的同步模拟实际物理传播过程。

公开(公告)号：CN108132872A

公开(公告)日：2018-06-08

申请号：CN201810021292.5

申请日：2018-01-10

Applicant: 成都信息工程大学

Inventor： 张禹涵 ,  吴涛 ,  吴锡 ,  王铁军 ,  黄敏 ,  杨昊 ,  赵长名 ,  陈海宁 ,  谢磊 ,  肖丹 ,  杨晓东

IPC: G06F11/34 ,  G06F11/36

Abstract: 本发明涉及一种基于并行超算网格云平台的GRAPES系统优化方法，其包括：S1)载入测试数据集并运行系统，分别进行系统级测试、通信级测试和函数级测试，其包括：S1.1)系统级测试；S1.2)通信级测试；S1.3)函数级测试：对调用的函数进行监控，获取函数的运行特征。S2)根据导出的系统特征文件进行测试结果分析，其包括：S2.1)系统测试结果分析；S2.2)MPI通信级测试结果分析；S2.3)函数级测试结果分析。S3)根据分析结果进行优化处理，优化处理包括：向量化、负载均衡、使用库函数替代GRAPES_GFS中的函数。本发明解决了Grapes在并行超算网格平台上的优化问题，提高了系统运行效率。