论文部分内容阅读
近红外光谱（简称NIRS）作为一种现场、快速、无损、无污染的绿色分析技术，近年来，被广泛应用于石油化工、食品药品、制药等行业。随着精密分析仪器的广泛使用，产生的高维、海量NIRS数据亟待快速有效地建模与分析。然而，当前绝大多数的NIRS分析算法仍采用单线程方式实现，在传统计算设备上计算十分缓慢，成为制约NIRS分析技术应用的一个瓶颈。因此，实现基于高性能计算设备的NIRS并行分析算法显得十分必要。 为有效解决上述问题，本文开创性地将当前备受关注的CPU-GPU协同并行计算引入 NIRS分析领域。深入研究了CPU-GPU异构计算平台的CPU多核并行计算、GPU通用计算，以及CPU-GPU协同计算的方法。以NIRS分析中的常用耗时算法作为示例性研究对象，在CPU-GPU异构计算平台上实现其并行算法，从而大幅缩短了算法所需的计算时间。在此研究基础上，尝试将研究成果应用于中药生产过程的NIRS在线监测系统中。本文的主要工作内容如下： （1）提出并实现了基于GPU计算的并行PLS建模方法。在CUDA计算平台上，结合CUBLAS计算库，实现了基于GPU的并行PLS建模算法（简称CUPLS）。在GeForce GTX460设备上，CUPLS算法较单线程PLS算法的加速比为33.4。 （2）提出一种CPU-GPU协同计算的任务划分与调度的方法。深入分析CPU-GPU异构计算平台的多任务并行划分、任务均衡负载问题，提出将计算任务按“任务级”和“数据级”进行并行划分，采用优先FCFS（先来先服务）动态调度策略将任务均衡负载到多核CPU和GPU上执行。 （3）提出一种用于加速模型交互验证的CPU-GPU协同并行计算策略，并给出其在数据访存、设备重叠和任务调度方面的优化方法。以常用的留一交互验证（LOOCV）为例，利用CPU-GPU协同并行计算对其进行实现。性能对比结果表明，在2xQuad Core Intel Xeon E5504和Tesla C1060异构计算平台上，较传统单线程方式，CPU-GPU协同并行计算的加速比达47.31。 （4）将CPU-GPU协同建模应用于中药生产过程NIRS在线监测中的优化建模，提升了中药多组分优化建模的计算效率。此外，提出了一种带权相似度度量方法，并将其用于NIRS在线监测过程中的异常光谱判定，较常用相似度计算方法灵敏度更高，可用于监测工况异常。