Trabajos de grado: Doctorado y Maestría

Permanent URI for this community

https://noesis.uis.edu.co/handle/20.500.14071/4503

Browse

Browsing Trabajos de grado: Doctorado y Maestría by Author "Abreo Carrillo, David Leonardo"

Now showing 1 - 1 of 1
  • No Thumbnail Available
    Item
    Evaluación de estrategias de implementación de una inversión de onda completa (fwi) 3D acústica con densidad constante en el dominio temporal sobre una arquitectura GPU
    (Universidad Industrial de Santander, 2017) Abreo Carrillo, David Leonardo; Abreo Carrillo, Sergio Alberto; Ramírez Silva, Ana Beatriz
    Uno de los principales objetivos de la exploraci´on de hidrocarburos, es encontrar im´agenes s´ısmicas confiables. A partir de la s´ısmica de reflexi´on es posible extraer informaci´on de profundidad del subsuelo mediante la inyecci´on de energ´ıa en superficie que viaja por el subsuelo y vuelve a la superficie cuando se produce un cambio en las propiedades del medio. La Inversi´on de Onda Completa (FWI) es un proceso iterativo que busca estimar las propiedades del subsuelo mediante la minimizaci´on de la diferencia entre los datos registrados y los datos modelados. Los tres principales aspectos que restringen la implementaci´on de la FWI es la determinaci´on de un punto de partida adecuado, el tiempo de ejecuci´on del algoritmo y la memoria requerida por el m´etodo, donde los dos ultimos aspectos son mucho m´as cr´ıticos en el caso 3D. Asumiendo un buen punto de partida, este proyecto se enfoca en definir estrategias de implementaci´on que reduzcan la memoria requerida y tiempo de c´omputo de la FWI 3D. Se usa como implementaci´on de referencia aquella donde se usa los dos campos de propagaci´on para calcular el gradiente usando el FOASM planteado por Plessix. Se definen dos estrategias para la reducci´on de la memoria requerida por el gradiente de la FWI y la metodolog´ıa de divisi´on de disparos en multiples GPUs para disminuir el tiempo de ejecuci´on usando MPI. Los resultados muestran que la primera estrategia usa el mismo tiempo de ejecuci´on que la implementaci´on de referencia, pero con un 50 % de la memoria requerida por esta. En la segunda estrategia s´olo se usa 30 % de la memoria de la primera estrategia pero esta ´ultima es un 35 % m´as r´apido que la segunda estrategia. La divisi´on por disparos ofrece un comportamiento casi lineal en el factor de aceleraci´on en proporci´on a la relaci´on del n´umero de disparos y las GPUs usadas.