利用 RAPIDS 加速多属性无监督地震相分析
分布式、并行与集群计算
2020-09-21 v2
摘要
地震相分类是通过基于属性对地震数据样本进行聚类来完成的。年复一年，勘探地球物理所使用的三维数据集在规模、复杂度和属性数量上不断增长，要求分类性能持续提升。本工作中，我们探索使用图形处理单元（GPU）借助成熟的机器学习（ML）方法 k-means 对地震勘测进行分类。我们展示了 RAPIDS 库提供的高性能分布式 k-means 算法实现可用于对大型地震数据集中的相进行分类，其速度远快于经典并行 CPU 实现（在 NVIDIA V100 GPU 上最高快 258 倍），尤其适用于大型地震块。我们使用不同的真实地震体测试了该算法，包括 Netherlands、Parihaka 和 Kahu（从 12GB 到 66GB）。
引用
@article{arxiv.2007.15152,
title = {Accelerating Multi-attribute Unsupervised Seismic Facies Analysis With RAPIDS},
author = {Otávio O. Napoli and Vanderson Martins do Rosario and João Paulo Navarro and Pedro Mário Cruz e Silva and Edson Borin},
journal= {arXiv preprint arXiv:2007.15152},
year = {2020}
}