| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第一章 绪论 | 第11-24页 |
| 第一节 选题背景、目的与意义 | 第11-14页 |
| 一、选题背景 | 第11-12页 |
| 二、选题目的 | 第12-14页 |
| 三、选题意义 | 第14页 |
| 第二节 国内外研究进展 | 第14-17页 |
| 一、高性能计算技术研究现状 | 第14-17页 |
| 二、克里格插值并行计算应用研究现状 | 第17页 |
| 第三节 本文研究内容、技术路线和创新点 | 第17-21页 |
| 一、研究内容 | 第17-19页 |
| 二、技术路线 | 第19-20页 |
| 三、创新点 | 第20-21页 |
| 第四节 论文的组织结构 | 第21-24页 |
| 第二章 GPU通用计算与克里格插值基础 | 第24-44页 |
| 第一节 GPU通用计算 | 第24-31页 |
| 一、CPU与GPU的差异 | 第24-27页 |
| 二、GPGPU发展历程 | 第27-29页 |
| 三、GPU体系结构 | 第29-31页 |
| 第三节 OpenCL | 第31-37页 |
| 一、OpenCL架构 | 第32-35页 |
| 二、其它GPU开发平台 | 第35-37页 |
| 第四节 克里格插值方法 | 第37-44页 |
| 一、变异函数 | 第37-39页 |
| 二、协方差函数 | 第39-40页 |
| 三、克里金插值法 | 第40-44页 |
| 第三章 克里格插值的GPU加速方法 | 第44-63页 |
| 第一节 优化策略 | 第44-53页 |
| 一、粒度 | 第44-45页 |
| 二、数据划分策略 | 第45-47页 |
| 三、快速可扩展窗口搜索（QEWS） | 第47-51页 |
| 四、冗余矩阵减少（RMR） | 第51-52页 |
| 五、位存储 | 第52-53页 |
| 六、其它优化 | 第53页 |
| 第二节 实验环境与数据 | 第53-55页 |
| 一、实验环境 | 第53页 |
| 二、实验数据 | 第53-55页 |
| 第三节 实验结果与分析 | 第55-62页 |
| 一、插值结果 | 第55页 |
| 二、粒度分析 | 第55-56页 |
| 三、性能比较 | 第56-62页 |
| 本章小节 | 第62-63页 |
| 第四章 克里格插值的CPU-GPU协同加速方法 | 第63-71页 |
| 第一节 负载均衡 | 第63-64页 |
| 第二节 实验方法 | 第64-66页 |
| 第三节 实验结果与比较 | 第66-70页 |
| 本章小结 | 第70-71页 |
| 第五章 变异函数的参数优化 | 第71-83页 |
| 第一节 粒子群算法与遗传算法理论基础 | 第71-77页 |
| 一、遗传算法 | 第71-73页 |
| 二、粒子群算法 | 第73-77页 |
| 第二节 集成粒子群算法与遗传算法对变差函数参数的优化 | 第77-80页 |
| 第三节 实验结果 | 第80页 |
| 本章小节 | 第80-83页 |
| 第六章 克里格插值在LAI预测中的应用 | 第83-96页 |
| 第一节 时间序列分析 | 第83-84页 |
| 第二节 LAI预测方法 | 第84-89页 |
| 第三节 实验结果 | 第89-95页 |
| 一、单点预测结果 | 第89-94页 |
| 二、区域范围LAI预测结果 | 第94-95页 |
| 本章小节 | 第95-96页 |
| 第七章 总结与展望 | 第96-99页 |
| 第一节 研究结论 | 第96-97页 |
| 第二节 论文的不足 | 第97页 |
| 第三节 进一步的工作与展望 | 第97-99页 |
| 参考文献 | 第99-111页 |
| 论文发表情况 | 第111-113页 |
| 致谢 | 第113页 |