| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1. 绪论 | 第9-17页 |
| ·课题简介 | 第9-11页 |
| ·课题研究背景 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·时移地震数据互均化技术 | 第11-13页 |
| ·振幅校正基本原理 | 第11页 |
| ·相位校正基本原理 | 第11-12页 |
| ·时延校正基本原理 | 第12页 |
| ·匹配滤波基本原理 | 第12-13页 |
| ·实际资料处理 | 第13-14页 |
| ·本文主要工作 | 第14-15页 |
| ·论文结构 | 第15-17页 |
| 2. 基于 GPU 的时移地震数据互均化处理并行算法 | 第17-30页 |
| ·引言 | 第17页 |
| ·CUDA 编程模型 | 第17-19页 |
| ·CUDA 存储器模型 | 第19-21页 |
| ·基于 GPU 的振幅校正的并行算法 | 第21-25页 |
| ·基于 GPU 的振幅校正的并行算法设计 | 第21-22页 |
| ·基于 GPU 的振幅校正算法的并行性分析 | 第22-24页 |
| ·实验结果与分析 | 第24-25页 |
| ·基于 GPU 的相位校正的并行算法 | 第25-29页 |
| ·基于 GPU 的相位校正的并行算法设计 | 第26-27页 |
| ·基于 GPU 的相位校正算法的并行性分析 | 第27-29页 |
| ·实验和分析 | 第29页 |
| ·本章小结 | 第29-30页 |
| 3. 基于云计算平台的时移地震数据互均化处理并行算法 | 第30-43页 |
| ·引言 | 第30页 |
| ·云计算平台 Hadoop | 第30-33页 |
| ·MapReduce 并行编程模型 | 第31-32页 |
| ·HDFS | 第32-33页 |
| ·Hadoop 中的 MapReduce | 第33-35页 |
| ·Hadoop 中 MapReduce 的执行流程 | 第33-35页 |
| ·基于 Hadoop 的时延校正并行算法 | 第35-39页 |
| ·基于 Hadoop 的时延校正并行算法设计 | 第35-37页 |
| ·基于 Hadoop 的时延校正并行化的实现流程 | 第37-38页 |
| ·测试及结果分析 | 第38-39页 |
| ·基于 Hadoop 的匹配滤波并行算法 | 第39-42页 |
| ·基于 Hadoop 的匹配滤波并行算法设计 | 第40-41页 |
| ·实验结果与分析 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 4 基于 HadoopDB 的时移地震数据互均化并行处理 | 第43-50页 |
| ·引言 | 第43页 |
| ·HadoopDB | 第43-47页 |
| ·HadoopDB 的实现背景 | 第44-45页 |
| ·HadoopDB 的组件 | 第45-47页 |
| ·在 HadoopDB 上的实现时移地震数据互均化并行处理 | 第47-49页 |
| ·基于 HadoopDB 的时移地震数据互均化并行化设计 | 第47-48页 |
| ·时移地震数据互均化在 HadoopDB 上实现流程 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 5 结束语 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54-55页 |
| 攻读硕士期间发表的论文目录 | 第55-56页 |
