| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 引言 | 第8-15页 |
| 1.1 本课题研究背景 | 第8-9页 |
| 1.1.1 大流域高分辨率、长历时生态水文模拟的计算密集需求 | 第8-9页 |
| 1.1.2 计算密集型水文模拟的难点 | 第9页 |
| 1.2 国内外研究现状及趋势 | 第9-12页 |
| 1.2.1 面向流域的分布式水文模型并行计算研究现状 | 第9-10页 |
| 1.2.2 大规模分布式水文模拟计算的并行优化方向 | 第10-12页 |
| 1.3 本课题的研究内容和意义 | 第12-13页 |
| 1.4 本文结构与安排 | 第13-15页 |
| 第2章 分布式水文模型并行策略 | 第15-22页 |
| 2.1 Dis VOM生态水文模型 | 第16-17页 |
| 2.2 流域的离散化与汇流网格构建 | 第17-18页 |
| 2.3 确定及求解侧向水文模拟方法 | 第18-19页 |
| 2.4 构建子流域栅格计算任务DAG | 第19-20页 |
| 2.5 本章小结 | 第20-22页 |
| 第3章 基于任务高度的动态优先级队列调度管理 | 第22-37页 |
| 3.1 传统基于DAG模型的任务调度算法 | 第22-23页 |
| 3.2 基于任务高度动态调整任务优先级的DAG调度 | 第23-30页 |
| 3.2.1 任务优先级的确定和资源分配策略 | 第26-27页 |
| 3.2.2 任务优先级的确定 | 第27-28页 |
| 3.2.3 自适应资源的分配 | 第28-30页 |
| 3.2.4 自适应资源分配DAG调度性能评估方法 | 第30页 |
| 3.3 实验仿真与结果分析 | 第30-36页 |
| 3.3.1 数据的搜集与处理 | 第30-32页 |
| 3.3.2 实验结果 | 第32-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 基于PBS计算资源管理的大规模分布式水文模拟 | 第37-46页 |
| 4.1 大规模分布式水文模拟的计算资源管理需求 | 第37页 |
| 4.2 PBS资源管理器功能描述 | 第37-38页 |
| 4.3 结合PBS进行任务调度的实现方法 | 第38-39页 |
| 4.4 实验仿真与结果分析 | 第39-44页 |
| 4.4.1 数据的搜集与处理 | 第39-40页 |
| 4.4.2 实验结果分析 | 第40-44页 |
| 4.5 本章小结 | 第44-46页 |
| 第5章 基于Swift工作流的超大规模分布式水文模拟 | 第46-54页 |
| 5.1 超大规模分布式计算的难点 | 第46页 |
| 5.2 Swift工作流功能特点 | 第46-47页 |
| 5.3 Swift工作流任务驱动原理 | 第47-49页 |
| 5.4 Swift工作流任务驱动方法实现 | 第49-50页 |
| 5.5 实验仿真与结果分析 | 第50-52页 |
| 5.5.1 实验区选取和相关数据说明 | 第50页 |
| 5.5.2 实验结果分析 | 第50-52页 |
| 5.6 本章小结 | 第52-54页 |
| 第6章 工作总结与研究展望 | 第54-57页 |
| 6.1 全文总结 | 第54-55页 |
| 6.2 创新点 | 第55页 |
| 6.3 研究展望 | 第55-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读学位期间的研究成果 | 第63页 |
