1、Kriging插值算法是一種最優(yōu)的線性無偏空間插值算法，并被廣泛應(yīng)用在采礦學(xué)、水文地質(zhì)學(xué)、環(huán)境科學(xué)、遙感學(xué)等領(lǐng)域。在一些大規(guī)模的工程應(yīng)用中，需要Kriging算法處理的數(shù)據(jù)量日益龐大，且其計(jì)算量隨著數(shù)據(jù)的規(guī)模增大而呈指數(shù)級(jí)上升，造成串行Kriging算法在應(yīng)用中的性能瓶頸問題。采用集群、多核/眾核的并行Kriging插值算法是解決這類問題的主要手段，然而這些研究卻存在1）基于集群的Kriging并行算法存在線性擴(kuò)展性較差、能源消耗過大的

2、問題；2）基于多核的Kriging并行算法本身面臨多核架構(gòu)并不是針對(duì)計(jì)算密集型應(yīng)用而設(shè)計(jì)的硬傷，算法的效率與適用性存在缺陷；3）已有基于眾核的GPU算法存在局限于特定平臺(tái)，其可移植性、通用性較差問題。
　　隨著計(jì)算技術(shù)的不斷進(jìn)步與發(fā)展，異構(gòu)計(jì)算以其強(qiáng)大計(jì)算能力、較強(qiáng)的通用性、可擴(kuò)展性而嶄露頭角。針對(duì)上述所面對(duì)的問題，本研究基于異構(gòu)平臺(tái)（CPU+GPU/MIC），利用OpenCL編程模型探索了泛Kriging插值算法在異構(gòu)計(jì)算平臺(tái)上

3、的并行化途徑及方法。主要工作和研究?jī)?nèi)容包括：
　?。?）研究泛 Kriging算法原理并對(duì)其進(jìn)行了串行實(shí)現(xiàn)，選定插值算法的評(píng)價(jià)參數(shù)，將串行程序與專業(yè)地學(xué)軟件進(jìn)行插值結(jié)果對(duì)比，驗(yàn)證了串行程序的正確性。
　　（2）利用專業(yè)程序性能分析工具進(jìn)行了串行程序的熱點(diǎn)分析，定位了串行程序的熱點(diǎn)所在，并針對(duì)此熱點(diǎn)進(jìn)行了并行化框架的設(shè)計(jì)與程序?qū)崿F(xiàn)，通過對(duì)比實(shí)驗(yàn)測(cè)試與分析，驗(yàn)證了并行程序的有效性。
　?。?）對(duì)并行程序運(yùn)行于單計(jì)算設(shè)備的情

4、況進(jìn)行了應(yīng)用擴(kuò)展，實(shí)現(xiàn)了在多設(shè)備存在時(shí)任務(wù)調(diào)度的動(dòng)態(tài)負(fù)載策略，使其在實(shí)際的單/多設(shè)備應(yīng)用環(huán)境均具有適用性，實(shí)現(xiàn)了泛Kriging算法在多設(shè)備上的并行化研究。
　　最后，通過在兩種不同的專業(yè)高性能計(jì)算平臺(tái)GPU和Intel Xeon Phi上進(jìn)行插值數(shù)據(jù)規(guī)模、搜索鄰近點(diǎn)個(gè)數(shù)、像元大小的參數(shù)變換，記錄串、并行程序的實(shí)驗(yàn)運(yùn)行結(jié)果，得到了并行程序的加速比性能指標(biāo)，并對(duì)結(jié)果進(jìn)行分析得到了相應(yīng)的結(jié)論。實(shí)驗(yàn)結(jié)果表明：所設(shè)計(jì)的泛Kriging并行

5、算法在高性能計(jì)算平臺(tái)GPU平臺(tái)上獲得了很好的處理速度及運(yùn)算性能，并行化部分的加速比獲得了40x以上的加速比，總程序加速比在很多時(shí)候也以接近理論峰值加速比運(yùn)行；通過與不同的異構(gòu)平臺(tái)Intel Xeon Phi上的實(shí)驗(yàn)對(duì)比，表明了并行程序不僅具有很好的加速效果，而且具有跨平臺(tái)移植的特性；當(dāng)平臺(tái)上存在多個(gè)計(jì)算設(shè)備時(shí)，采用動(dòng)態(tài)負(fù)載均衡策略實(shí)現(xiàn)的并行程序運(yùn)行結(jié)果表明，利用多個(gè)設(shè)備得到的加速比結(jié)果與單個(gè)設(shè)備相比基本呈線性關(guān)系增長(zhǎng)，最高獲得了80x以