Ідентифікація інтенсивності джерел забруднення атмосфери на базі гібридних обчислювальних систем

Abstract

Розглянуто метод ідентифікації інтенсивності джерел хімічно взаємодійних забруднювальних домішок з урахуванням явища самоочищення під час досягнення граничної концентрації. Для обчислювальної реалізації показано можливість застосування паралельних методів на базі графічних прискорювачів архітектури Nvidia CUDA. Метод ідентифікації джерел в сукупності з паралельною обчислювальною реалізацією з використанням модифікованого методу червоно-чорного впорядкування (Д4) дає змогу скорочувати час моделювання у 12 разів та використовувати оперативну пам’ять на 30% у ході застосування графічного прискорювача Nvidia c2050 порівняно з вузлом кластера НТУУ "КПІ".

Рассмотрен метод идентификации интенсивности источников химически взаимодействующих загрязняющих примесей с учетом явления самоочищения при достижении предельной концентрации. Для вычислительной реализации показана возможность применения параллельных методов на базе графических ускорителей архитектуры Nvidia CUDA. Метод идентификации источников в совокупности с параллельной вычислительной реализацией с использованием модифицированного метода красно-черного упорядочения (Д4) позволяет сократить время моделирования в 12 раз и использования оперативной памяти на 30% при применении графического ускорителя Nvidia c2050 по сравнению с узлом кластера НТУУ "КПИ".

The method of identification of the intensity of the sources of chemically interacting pollutants is presented. The implemented model includes the phenomenon of self-purification in reaching the limit concentration. For computational implementation the possibility is shown of using parallel methods based on Nvidia CUDA graphic processing units. The method of source identification combined with the parallel computing implementation using the modified red-black ordering (D4) method reduces simulation time by 12 times and the RAM usage by 30% when using the Nvidia c2050 graphics accelerator in comparison with the node of the NTUU "KPI" cluster.