基于GPU\\CPU协同并行计算的逆时偏移系统的实现策略

摘 要：在石油天然气地震勘探数据处理方法中，逆时深度偏移以其近似条件要求低、成像精度高而一直是地震成像技术的发展方向。随着PC—Cluster 集群的普及，逆时深度偏移的计算瓶颈开始得到解决，跨进了真正工业应用的门槛；而近年来通用用途GPU并行计算技术的发展，又为逆时深度偏移生产处理开辟了一个大幅改善性价比的前景。本文通过对逆时深度偏移成像条件，波场重构的逆时递推关系，以及GPU＼CPU协同并行计算方案的讨论，介绍了基于GPU＼CPU协同并行计算的逆时偏移系统的实现策略。

关键词：逆时深度偏析 ；GPU＼CPU协同；系统实现

1.前言

自从反射地震勘探进入工业应用以来，地震偏移一直是地震勘探资料成像处理方面最为重要的内容。好的偏移处理技术对成像而言具有一锤定音的作用，因此地震偏移成像一直是地震处理方法研究中的一个热点。新技术不断推出，为日益复杂的地震勘探目标提供了越来越精细、准确的地震资料图像描述。随着计算机技术的高速发展，波动方程偏移开始进入叠前深度逆时偏移（RTM）的阶段。

相对其他方法而言，逆时偏移有明显的优点。第一，它没有倾角限制，可完成陡倾角反射层成像，而且在原理上可以利用转换波、棱镜波或多次反射波成像，并获得更精确的振幅等动力学信息，实现保幅成像。第二，其成像方法不受介质速度变化的影响，可以更好地对复杂速度场进行精细估计，能够对复杂区域进行较准确的成像。

然而，逆时偏移技术也存在技术瓶颈，为了取得成像方面的普适性以及精细刻画方面的优势，它要求的计算资源非常大。一方面，目前地球物理行业常规的PC‐Cluster 集群很难负荷承担，另一方面，在价格成本方面付出的代价也非常高昂。为此，高效低成本的叠前深度逆时偏移整体方案仍然是目前技术研究上的一项重要内容。而通用图形处理芯片（GPU）计算技术的应用为叠前深度逆时偏移处理技术提供了一种性价比较高的解决方案[1][2][3][4]。

2.基本原理

叠前逆时深度偏移利用接收到的地震记录进行波场重构，并在重构的波场中确定散射源的空间位置，利用散射源的空间分布构筑波场的散射图像，从而达到波场介质成像的目的。换句话说，叠前逆时深度偏移剖面的本质就是一幅波场散射源的空间分布图。

根据惠更斯原理，人工激发的地震波传播到介质非均匀奇异点时，将发生散射现象。如果这种散射点成面状（在二维空间中体现为线状）连续分布时，在这个面上的各个散射点所生成的散射波将会叠加形成界面反射波。换句话说，反射是散射的一种特殊情况，而一切反射均可以经由散射现象来描述。

因此，只要通过将各种散射波的能量归位到各自散射源的空间位置上，就可以构筑出介质散射点的空间分布图，从而，逆时深度偏移问题可以分解成如下两个问题：

（1）波场散射能量的逆时反传播问题；

（2）散射能量回传到散射源时刻的确定（从而对波场进行取样成像）问题。

第一个问题可以通过波场正演模拟的逆过程来实现。对于给定的波场介质空间，通过对介质空间模型以及波场进行离散化，可以用数字方法模拟波场的发生，传播，一直到被记录下来的全过程（详见后文介绍）。利用这个模拟技术，也可以将在地表接收到的地震记录作为震源信号对待，将其记录过程逆过来，以结束时刻作为逆时传播的开始时刻，模拟地震记录重新被注入地下模型空间中并产生波场传播的过程。这个过程中的直达波正是正过程散射波传播的逆过程，在地震记录上的散射波将在此过程中逐渐传回原来的散射源所在位置。所以，这个过程是一个散射波场重构的过程。

同时，除非极为简单的均匀介质传播情形并具备完美的边界记录，否则完整重构波场的逆时传播过程是不可能的。不过，就成像目标而言，并不要求每个细微的波场现象都得到重构，也不指望在重构波场的过程中完全不产生新的人为干扰。只要这种被忽略掉的细微波场现象或产生的新的人为干扰不对最终的成像效果造成显著影响，这种近似就是可以接受的。

第二个问题的解决在原理上相对简单，散射发生的时刻同时也是直达波到达的时刻，因此通过射线或者波动方程模拟的方法确定直达波到达各个空间点的时刻，就可以用这个时刻对逆时重构波场进行采样。如果该点曾经发生过散射现象，则重构波场在该点必有散射能量回归，取样的结果就能取到显著的回归到该点的散射能量。反之，取样的结果将没有能量，或者只取到很弱的随机干扰的噪音的能量。最后，这样取样构筑而成的剖面便可以反映出空间散射源的分布图像，达到地震成像的目的。

采样的方式有多种，最简单的方式是取成像时刻所对应的波场值，但这存在一定的问题，在真实世界中，任何能量的发生过程都需要经过一定的时间才能达到峰值。散射发生时刻的震源子波信号的能量还没来得及积累起足够的能量，这时候的子波幅值是比较小的，对这个幅值的采样不能真实反映散射的发生。当然，如果将采样时间做适当后延，使得采样刚好取得子波能量最强的相位，这个问题好像是可以解决的，但是，地震子波在传播过程中存在大地滤波作用，子波波形在传播过程中会发生变化，因此无法在整个模型空间的采样过程中采用一个统一的时延来调整采样时间，使得采样刚好可以采得子波的最大相位振幅。所以，这种用一个时刻的波场值来构筑介质图像的方法在计算稳定性方面是相当脆弱的。

一个比较稳定可靠的采样方法是用发生在该空间点上的两个波场的时间过程做互相关来实现，这在下面的成像条件一节详细讨论，并具体给出数学表达公式。而且我们将发现，上述用散射时刻的重建波场值来构建散射图像的方法，实质上不过是互相关成像条件在相关时间序列长度为零的特例而已。

3.实现策略

研究目标是根据地震勘探观测记录得到的共炮点道集叠前数据，观测系统以及波场传播速度模型，通过逆时偏移计算，构筑出地下介质的空间分布图像，这个目标可以通过如下过程达到。

对于每一个地震炮集叠前数据，观测系统及其波场传播速度的深度模型，先在地震数据上提取根震源信号，并通过正演模拟计算合成参考波场的边界时间记录。

（1）在相同的速度模型上，用相同的逆时计算方式，平行同步地分别用观测地震记录重构观测波场和合成参考波场的边界时间记录重构参考波场；

（2）在逆时递推过程中，同步计算重构的观测波场与重构的参考波场的互相关函数，作为散射信号源点的图像描述；

（3）用上述方法对每炮资料逐一处理，并在剖面模型上进行逐炮相关数据图像的叠加，最终得到整条测线的叠前逆时深度偏移剖面。

上述方法流程具体如图1所示。

即便采用二步法确定逆时参考波场可以大幅度节省计算资源，但叠前逆时深度偏移本身的计算量仍然非常巨大，因此可以采用GPU＼CPU协同的并行架构来解决叠前逆时深度偏移的繁重计算任务。协同计算的分工可以设计为：主机CPU负责输入输出，顶层逻辑以及各种零碎的计算工作；计算量密集的波场递推模拟计算过程由GPU负责，用CUDA编程实现。目前用于科学与工程方面进行通用编程计算的NVIDIA的Tesla序列GPU产品基本上可以提供足够的设备储存空间进行逐炮的二维逆时深度偏移计算。因此，在GPU上的逆时深度偏移并行计算主要在线程层面上执行。

4.结论

本文介绍了基于GPU＼CPU协同并行计算的逆时偏移系统的实现策略，具有高效低成本的优势，主要在逆时深度偏移计算环节上，采用GPU＼CPU协同的并行架构来解决叠前逆时深度偏移的繁重数值计算任务，其中安排主机CPU负责输入输出，顶层逻辑以及各种零碎的计算工作，计算量密集的波场递推模拟计算过程由GPU负责，用CUDA编程实现，GPU上的逆时深度偏移并行计算主要在线程层面上执行。

参考文献：

[1]付小波， 马中高， 余嘉顺， 原健龙， 韩超。基于多图形处理单元加速的各向异性弹性波正演模拟[J].科学技术与工程，2018，18（11）：16-22.

[2]付小波，余嘉顺，原健龙。各向异性弹性波正演的多GPU加速计算策略[C]. 2017中国地球科学联合学术年会论文集（二十五）——专题50：地震波传播与成像.

[3]张猛。基于GPU并行加速的黏声最小二乘逆时偏移及应用[J]. 岩性油气藏，2022，34（01）：148-153.

[4]刘聪。基于多GPU的逆时偏移并行化方法研究[D].湖南大学，2021.