一种积分法叠前时间偏移地震资料处理方法及系统

摘要

本发明公开了一种积分法叠前时间偏移地震资料处理方法，该方法预先分析积分法叠前时间偏移计算方法和数据访问特点，在数据管理和访问采用MapReduce框架，在具体的偏移计算时采用CUDA编程实现CPU/GPU异构集群协同加速。具体步骤包括:地震数据准备、输入数据划分、偏移任务运行、启动Reduce操作将各节点分布式文件系统中的临时成像结果进行合并、输出最终成像结果。本发明同时还公开了一种积分法叠前时间偏移地震资料处理系统。与传统基于CPU集群的叠前时间偏移方法相比，本发明所提供的方法成像清晰，更加方便海量数据的处理，提高计算效率15倍，处理效率大幅提升。

说明书

技术领域

本发明涉及地震叠前时间偏移的处理，尤其涉及一种积分法叠前时间偏移地震资料处理方法及系统。

背景技术

目前，Kirchhoff积分法叠前时间偏移方法仍然是石油工业界应用最广泛最重要的地震资料处理技术。国际主流商业地震勘探软件系统大都是基于CPU集群来实现地震资料叠前时间偏移处理。然而，地震资料偏移计算复杂，所处理的地震数据非常大，通常是TB级甚至是PB级，处理资料周期长，影响了石油勘探井位部署的进程。而且，基于CPU实现资料处理，机器耗电量大，成本较高。GPU(Graphic Processing Unit，中文翻译为“图形处理器”)技术在数学运算方面相对于CPU在效率和性能具有较大的优势。因此，通过GPU加速计算可以大大缩短处理周期，提高计算效率。

MapReduce 是一种编程模型，采用分布式文件系统（HDFS）将数据存储和部署到各计算节点上，具有高容错性，且能自动处理失败节点，性能稳定，非常适合大规模数据集（大于1TB）管理和并行运算。MapReduce 的主要思想，都是从函数式编程语言里借来的，还有从矢量编程语言里借来的特性。它极大地方便了编程人员在不会分布式并行编程的情况下，将自己的程序运行在分布式系统上。 当前的软件实现是指定一个Map（映射）函数，用来把一组键值对映射成一组新的键值对，指定并发的Reduce（化简）函数，用来保证所有映射的键值对中的每一个共享相同的键组。查阅国内外文献和调研可知，目前没有基于MapReduce框架实现的叠前时间偏移GPU加速方法和相应的软件模块。

发明内容

针对现有技术的不足，本发明提供一种积分法叠前时间偏移地震资料处理方法及系统。

本发明采用的技术方案是：

一种积分法叠前时间偏移地震资料处理方法，该方法预先分析积分法叠前时间偏移计算方法和数据访问特点，在数据管理和访问采用MapReduce框架，在具体的偏移计算时采用CUDA编程实现CPU/GPU异构集群协同加速；

该方法包括下列步骤：

    （1）地震数据准备

    （2）输入数据划分

在集群上启动多个hadoop节点，将地震数据分成大概相当的若干个“块”，并分发给网络上的每个节点；

    （3）偏移任务运行

     首先，从HDFS（分布式文件系统）中读入地震数据，然后在每个节点上进行叠前时间偏移计算，并将计算出来的临时成像结果累加到本地临时文件；

     接着,将本地临时文件拷贝到HDFS（分布式文件系统）上，拷贝成功后删除本地临时文件；

     上述叠前时间偏移计算是基于GPU/CPU异构集群的叠前时间偏移并行算法来实现的，具体步骤是：首先，将每个节点中获取地震数据(共中心点道集和速度模型)从CPU拷贝到GPU上，在GPU卡上进行偏移响应和反假频处理计算，计算结束后,将所计算的结果传给CPU，写出临时成像结果；

（4）启动Reduce操作，将各节点分布式文件系统中的临时成像结果进行合并，输出最终成像结果。

    进一步，上述步骤（1）所述的地震数据为对野外采集的原始地震资料进行静校正、反褶积、去噪等预处理后，获得的的高信噪比共中心点道集（CMP道集）数据和速度数据。

    进一步，在步骤（2）中，在分发给网络上的每个节点数据的同时，还包括根据每个节点根据处理人员填写的偏移参数对传入数据进行判断，保留偏移孔径范围内地震数据的步骤。

进一步，所述临时成像结果为共成像点道集( CIG道集) ，在步骤4中，临时成像结果进行合并后，还包括依据处理要求对共成像点道集( CIG道集)进行切除和叠加处理的步骤，以输出准确的成像剖面，以输出准确的成像剖面。

一种积分法叠前时间偏移地震资料处理系统，其特征在于：该系统包括地震数据输入模块，地震数据管理和访问模块、地震数据偏移处理模块、结果汇总和输出成像结果模块；

所述地震数据输入模块用于输入地震数据；

所述地震数据管理和访问模块采用MapReduce框架，通过在集群上启动多个hadoop节点，将地震数据输入模块上的地震数据分成大概相当的若干个“块”，并分发给网络上的每个节点；

所述地震数据偏移处理模块对地震数据管理和访问模块的每个节点上分配地震数据并进行叠前时间偏移计算；所述偏移计算通过各节点上的CPU/GPU异构集群来实现；各节点临时成像结果拷贝到MapReduce框架的HDFS（分布式文件系统）上；

所述结果汇总和输出成像结果模块通过Reduce操作，将地震数据偏移处理模块上各节点的HDFS（分布式文件系统）中的临时成像结果进行合并，输出最终成像结果。 

本发明通过采用MapReduce框架和GPU加速实现积分法叠前时间偏移计算, 不仅方便处理大规模地震资料处理,而且还可以提高偏移处理效率。该方法在MapReduce框架下通过GPU加速来实现地震资料处理叠前时间偏移计算，相对传统基于CPU集群的叠前时间偏移方法，大幅提高了地震资料计算效率，缩短了地震资料处理时间和石油勘探周期。同时，由于采用GPU设备计算，处理相同规模的地震数据，所消耗的电能相对于CPU设备，将大大减少，节约了资源和成本。

附图说明

图1是基于MapReduce框架实现的积分法叠前时间偏移GPU加速方法流程图。

图2是偏移核心算法GPU加速实现流程图。

图3a是国外软件叠前时间偏移处理结果。

图3b是应用本发明方法及系统处理的叠前时间偏移处理结果。

具体实施方式

下面，结合附图和实施例对本发明做进一步说明。

实施例1。一种积分法叠前时间偏移地震资料处理方法，该方法预先分析积分法叠前时间偏移计算方法和数据访问特点，在数据管理和访问采用MapReduce框架，在具体的偏移计算时采用CUDA编程实现CPU/GPU异构集群协同加速；

该方法包括下列步骤：

（1）地震数据准备

所述地震数据为共中心点道集（CMP道集）数据和速度数据；

    （2）输入数据划分

在集群上启动多个hadoop节点，将地震数据分成大概相当的若干个“块”，并分发给网络上的每个节点；

    （3）偏移任务运行

    首先，从HDFS（分布式文件系统）中读入地震数据，然后在每个节点上进行叠前时间偏移计算，并将计算出来的临时成像结果累加到本地临时文件；

    接着,将本地临时文件拷贝到HDFS（分布式文件系统）上，拷贝成功后删除本地临时文件；

    叠前时间偏移核心计算是基于GPU/CPU异构集群的叠前时间偏移并行算法来实现的，具体步骤是：首先，将每个节点中获取地震数据(共成像点道集和速度数据)从CPU拷贝到GPU上，在GPU卡上进行偏移响应和反假频处理计算，计算结束后,将所计算的结果传给CPU，最后写出临时偏移成像结果；

（4）启动Reduce操作，将各节点分布式文件系统中的临时成像结果进行合并，输出最终成像结果。

 本实施例的特点是：

分析积分法叠前时间偏移计算方法和数据访问特点，在数据管理和访问采用MapReduce框架，在具体的偏移计算时采用CUDA编程实现CPU/GPU异构集群协同加速。

（1）整个叠前时间处理技术的流程图如图1所示,主要有如下内容:

基于MapReduce框架的地震数据管理和访问机制实现。

在集群上启动多个hadoop节点，将地震数据集分发给网络上的每个节点。

首先，从分布式文件系统中读入地震道集数据和速度数据，然后进行叠前时间偏移计算，并将结果累加到本地临时文件；接着,将本地临时文件拷贝到HDFS（分布式文件系统）上，拷贝成功后删除本地临时文件，最后启动程序将HDFS上的临时文件合并生成像道集，完成偏移计算。

（2）基于GPU/CPU异构集群的叠前时间偏移算法实现。首先，应用(1)中MapReduce机制在每个节点中获取地震道集数据和速度数据。然后，将这些数据从CPU拷贝到GPU上，在GPU卡上进行反假频处理和偏移响应计算，计算结束后,将所计算的结果传给CPU，最后写出临时成像结果。

实施例2。一种积分法叠前时间偏移地震资料处理系统，其特征在于：该系统包括地震数据输入模块，地震数据管理和访问模块、地震数据偏移处理模块、结果汇总和输出成像结果模块；

所述地震数据输入模块用于输入地震数据；

所述地震数据管理和访问模块采用MapReduce框架，通过在集群上启动多个hadoop节点，将地震数据输入模块上的地震数据分成大概相当的若干个“块”，并分发给网络上的每个节点；

所述地震数据偏移处理模块对地震数据管理和访问模块的每个节点上分配地震数据,然后根据处理人员所填写的偏移参数进行判断,对在偏移孔径的地震数据进行叠前时间偏移计算；所述偏移核心计算通过各节点上的CPU/GPU异构集群来实现,其中数据的读入和输出由CPU完成,而计算复杂的偏移响应和反假频处理由GPU来完成；计算结束后,各节点临时成像结果拷贝到MapReduce框架的HDFS（分布式文件系统）上；

所述结果汇总和输出成像结果模块通过Reduce操作，将地震数据偏移处理模块上各节点的HDFS（分布式文件系统）中的临时成像结果进行合并，输出最终成像结果。

实施例3。一种积分法叠前时间偏移地震资料处理方法。首先，对野外采集的原始地震资料进行静校正、反褶积、去噪等预处理，获得理想的高信噪比共中心点道集（CMP道集）。同时，通过速度分析获得时间域速度模型，为下一步叠前偏移计算做好数据准备工作。

然后，在集群上启动多个hadoop节点，将地震数据分成大概相当的“块”，并分发给网络上的每个节点，同时每个节点根据处理人员填写的偏移参数对传入数据进行判断，保留偏移孔径范围内地震数据。    

再次，根据图2所示算法流程，由CPU完成数据和参数的读入工作，并将地震数据和参数从CPU拷贝到GPU，应用GPU完成反假频和偏移响应计算，结束后再将计算结果拷贝到CPU上，并在分布式文件系统中写入临时偏移成像结果。

接着，启动Reduce操作，将各节点分布式文件系统中的临时文件收集并累加得到最终的成像道集。

最后，根据处理目标要求对成像道集进行切除和叠加处理，得到最终的成像剖面（如图3b所示）。

本发明所述方法及系统在胜利油田多个地区进行了应用，取得了较好的应用效果。通过对本发明分析结果和处理测试表明，基于MapReduce框架实现的叠前时间偏移GPU加速方法处理效果总体与国外主流商业软件基本相当，甚至局部还有所改进。与传统基于CPU集群的叠前时间偏移方法相比，该方法更加方便海量数据的处理, 提高计算效率15倍,处理效率大幅提升。