[发明专利]一种降雨型滑坡模型TRIGRS的并行优化方法及系统

说明书

本发明属于降雨诱发型滑坡预测技术领域，公开了一种降雨型滑坡模型TRIGRS的并行优化方法及系统，基于OpenMP+MPI的TRIGRS 2.1计算部分优化：在已经用MPI对栅格数据进行划分的基础上，使用OpenMP对每个进程负责的栅格数据再次划分，实现线程级别的并行；使用MPI分别对主程序中的文件写入部分和用来计算径流渗透并输出实际渗透率的子程序rnoff部分进行并行；通过三组不同数据集实验，验证并行策略的有效性，并对验证区域的最小安全系数进行可视化展示。本发明提出的并行策略使运行速度有很大提升，优化效果显著，并且相比于原模型，优化后的模型在处理大规模数据上有更好的可扩展性。

技术领域

本发明属于降雨诱发型滑坡预测技术领域，涉及一种降雨型滑坡模型TRIGRS的并行优化方法，尤其涉及一种基于OpenMP和MPI的降雨型滑坡模型TRIGRS的并行优化方法及系统。

背景技术

目前，滑坡是指边坡上的岩土体由于受到自然或人为的影响，在重力作用下失去原来的稳定状态，沿边坡向下滑动、脱落。滑坡是主要地质灾害之一，在全球范围内发生频繁且具有突发性，广泛分布于高山、中山和低山丘陵带。全球滑坡面积达370万平方千米，约5％的世界人口面临滑坡风险。造成滑坡的因素有很多，如强降雨、地震、人类活动等，而降雨已成为其中的一大主因，在我国，降雨诱发型滑坡发生次数是历史上发生滑坡次数的60％。因此，对降雨诱发型滑坡进行预测、防控显得尤为重要。

目前，对降雨型滑坡进行预测的研究方法可以分为三类：基于经验、基于统计分析、动力学模型。基于经验的方法主要通过分析降雨特征如：降雨强度、历时和累积雨量来获得诱发滑坡的降雨强度临界值，此方法只能用于特定的区域且存在很大的主观性。基于统计分析的模型包括贝叶斯、回顾分析、神经网络等，在很大程度上降低了主观性，但仅仅是从数据层面建模，无法对滑坡发生的机理进行解释。基于动力学的模型则从滑坡发生的物理机制出发，考虑地理、地质和水文特征，模拟真实降雨和边坡变化过程，更加贴合实际，预测的结果也更准确。此类模型的代表有SHALSTAB(Shallow Landslide StabilityModel)、SINMAP(Stability Index mapping)、TRIGRS(Transient Rainfall Infiltrationand Grid-based Regional Slope-Stability Model)，TRIGRS在前两个模型的基础上考虑了瞬态降雨入渗和不同阶段的降雨强度。Park D W等人将同类模型如SLIP(ShallowLandslides Instability Prediction)、SHALSTAB、SINMAP、LISA与TRIGRS作比较，发现TRIGRS对边坡稳定性的评估结果更好。鉴于此，TRIGRS模型被国内外学者广泛应用于各种降雨型滑坡研究中。Kim D等人用TRIGRS来研究韩国某山区1998年由于强降雨发生的一次滑坡，利用该模型描述了所划分的每个小区域安全系数随降雨强度的变化过程，并将TRIGRS预测的滑坡区域和实际发生滑坡的区域相比较，发现两者结果达到了64.1％的匹配度。Saadatkhah N等人以Hulu Kelang在2008年和2009年雨季发生的滑坡为例，通过TRIGRS计算该区域的安全系数，探究滑坡发生的敏感区。Wang J等人将统计矩的点估计法和TRIGRS模型结合，得出降雨量对缓坡和陡坡稳定性影响不同的结论。Sugiarti K等人讨论了目前TRIGRS的应用、不足和改进，并列举了若干例子进行说明。

瞬态降雨入渗的区域斜坡稳定性计算模型(TRIGRS)是一种被广泛应用的降雨型滑坡模型，但由于TRIGRS的运算基于数据量很大的栅格数据，并且要进行复杂的数值模拟运算，整个运算过程要耗费很长时间，无法满足实时的预测需要。在当前高性能计算机集群、并行编程、分布式计算等并行软硬件技术不断发展的情况下，本发明考虑对此模型的并行计算，以提高模型运行速度。

综上所述，现有技术存在的问题是：(1)现有基于经验的对降雨型滑坡进行预测的方法只能用于特定的区域且存在很大的主观性。

(2)现有基于统计分析的模型仅仅是从数据层面建模，无法对滑坡发生的机理进行解释。