1 为什么要并行计算？
   相信如果做过水质模拟的人肯定对其运算速度相当的郁闷， 对于一个285节点的管网，居然要10个小时，当然我是模拟了20520次。如果能让很多个计算机一起工作的话，那效果可要提高的多。 我也做个一个大管网， 4000个节点， 运行了10天在做injection simulation的时候， 这还只是运行了1/168。

   现在很多laptop都是多核的了， 2， 4， 8。以后会更多。我们的程序也应该能充分利用这些硬件资源。

2 如何并行？
   matlab有并行计算的功能， 有三个层次， 相信大家也都清楚。但是， 我发现它的运行速度比较慢，当和epanet一起工作时。 并且matlab64 bit 必须有professional c++ 才可以调用dll文件。
   c++直接调用epanet的源文件或者dll速度要快的多。 因此我所有的并行都是在c++中完成的。

3 并行计算的应用范围
    优化，数据库创建

4 如何进行硬件配置
   如果你要几台电脑的话，你是可以自己配置的，网上有很多资料。我没有做过这些。

现在正准备着这方面的一个会议文章，写完了发上来。

你用openMP?

open MPI

并行计算的文章已经完成，等会议7月开完了发上来。

可以先发个摘要。

ROLE OF PARALLEL COMPUTING IN DATA MINING FOR CONTAMINANT SOURCE IDENTIFICATION IN WATER DISTRIBUTION SYSTEMS

ABSTRACT
Data mining is demonstrated as a rapid and efficient methodology to identify location(s) of contaminant source(s) in a water distribution system. The key to the method is populating a database containing the array of intrusion events in a reasonably short time, and setting an “m” value for a query sentence for each sensor. To analyze the “m” value used in the query sentence, parallel computing, implemented in the SHARCNET platform, provides an efficient way to simulate the intrusion events of different scenarios under uncertainty in parallel. The “m” value for each sensor is determined as the 95% quantile of the offset values of every intrusion event in the scenarios considered. As demonstrated in the case study for the Goderich water distribution system, parallel computing can reduce the required simulation time significantly from 42 days to only 15 min allowing extensive investigation; the ability to store more data scenarios can reduce both false negative rates in efforts to identify the correct intrusion node, as well as the false positive rates.

Keywords: parallel computing, contaminant source identification, uncertainty, EPANET, false positive, false negative

七月什么会议啊？你说的并行就是要算的时间很长啊》？

是的，如果运算时间很短的话，你不需要并行。