| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 创新点摘要 | 第9-13页 |
| 第一章 绪论 | 第13-29页 |
| 1.1 选题目的和意义 | 第13-14页 |
| 1.2 逆时偏移方法与数据处理研究现状 | 第14-18页 |
| 1.2.1 波动方程偏移方法研究现状 | 第14-15页 |
| 1.2.2 逆时偏移方法研究现状 | 第15-16页 |
| 1.2.3 逆时偏移数据处理研究现状 | 第16-17页 |
| 1.2.4 逆时偏移数据处理存在问题 | 第17-18页 |
| 1.3 云计算及其数据处理研究现状 | 第18-22页 |
| 1.3.1 云计算的研究现状 | 第18-20页 |
| 1.3.2 云计算的数据处理研究现状 | 第20-21页 |
| 1.3.3 云计算的数据处理存在的问题 | 第21-22页 |
| 1.4 云计算在地震数据处理中研究现状与分析 | 第22-25页 |
| 1.4.1 地震数据处理特点与分析 | 第22-23页 |
| 1.4.2 云计算在地震数据处理中应用现状 | 第23-24页 |
| 1.4.3 云计算在地震数据处理中综合分析 | 第24-25页 |
| 1.5 论文主要研究思路与内容 | 第25-26页 |
| 1.5.1 论文研究思路 | 第25页 |
| 1.5.2 论文研究内容 | 第25-26页 |
| 1.6 论文组织结构与内容安排 | 第26-29页 |
| 第二章 逆时偏移数据处理方法理论研究框架 | 第29-58页 |
| 2.1 逆时偏移方法与数值计算 | 第29-36页 |
| 2.1.1 逆时偏移原理与处理流程 | 第29-31页 |
| 2.1.2 逆时偏移正演数值计算 | 第31-35页 |
| 2.1.3 逆时偏移算法实现流程 | 第35-36页 |
| 2.2 逆时偏移数据并行化处理分析 | 第36-41页 |
| 2.2.1 逆时偏移数据处理流程 | 第36-37页 |
| 2.2.2 逆时偏移数据并行处理分析 | 第37-40页 |
| 2.2.3 逆时偏移数据处理影响因素分析 | 第40-41页 |
| 2.3 云计算及其数据处理关键技术 | 第41-50页 |
| 2.3.1 云计算的体系结构 | 第41-43页 |
| 2.3.2 云计算与集群和网格区别 | 第43-44页 |
| 2.3.3 云计算数据处理的关键技术 | 第44-50页 |
| 2.4 云环境下逆时偏移数据处理架构模型 | 第50-57页 |
| 2.4.1 云环境下逆时偏移数据处理应用分析 | 第51-52页 |
| 2.4.2 云环境下逆时偏移数据处理流程 | 第52-53页 |
| 2.4.3 云环境下逆时偏移数据处理模型C-RTMDPM | 第53-57页 |
| 2.5 本章小结 | 第57-58页 |
| 第三章 云环境下逆时偏移数据分布式存取研究 | 第58-74页 |
| 3.1 云环境下数据分布式存储 | 第58-61页 |
| 3.1.1 分布式存储技术 | 第58-59页 |
| 3.1.2 云存储与云平台 | 第59-60页 |
| 3.1.3 云环境下地震数据分布式存储分析 | 第60-61页 |
| 3.2 云环境下逆时偏移数据分布式存取模型C-RTMDCM | 第61-65页 |
| 3.2.1 基于云计算的地震数据存储模型 | 第61-63页 |
| 3.2.2 数据存储副本分配策略 | 第63-64页 |
| 3.2.3 数据存储节点选择机制 | 第64-65页 |
| 3.3 基于节点动态选择的数据存储算法D-NSDSA | 第65-69页 |
| 3.3.1 影响节点选择的因素 | 第65-66页 |
| 3.3.2 节点选择策略的描述 | 第66-67页 |
| 3.3.3 节点动态选择的算法 | 第67-69页 |
| 3.4 实验结果与性能分析 | 第69-73页 |
| 3.4.1 C-RTMDCM数据存取性能分析 | 第69-70页 |
| 3.4.2 D-NSDSA数据存取性能分析 | 第70-73页 |
| 3.5 本章小结 | 第73-74页 |
| 第四章 云环境下逆时偏移数据并行处理研究 | 第74-92页 |
| 4.1 云环境下数据并行处理 | 第74-80页 |
| 4.1.1 并行计算处理 | 第74-77页 |
| 4.1.2 逆时偏移数据分布式计算 | 第77-78页 |
| 4.1.3 基于粒度划分并行数据处理 | 第78-80页 |
| 4.2 CPU/GPU协同逆时偏移并行计算 | 第80-83页 |
| 4.2.1 CPU/GPU协同计算模式 | 第80-81页 |
| 4.2.2 CPU/GPU协同逆时偏移计算 | 第81-82页 |
| 4.2.3 多GPU卡联合逆时偏移计算 | 第82-83页 |
| 4.3 基于GPU-MapReduce并行计算模型C-GMR | 第83-87页 |
| 4.3.1 C-GMR设计思想 | 第83-84页 |
| 4.3.2 C-GMR模型结构 | 第84-86页 |
| 4.3.3 C-GMR实现过程 | 第86-87页 |
| 4.4 实验结果与性能分析 | 第87-91页 |
| 4.4.1 CPU/CPU协同逆时偏移实验分析 | 第87-90页 |
| 4.4.2 C-GMR叠前逆时偏移实验与分析 | 第90-91页 |
| 4.5 本章小结 | 第91-92页 |
| 第五章 云环境下逆时偏移任务调度优化研究 | 第92-108页 |
| 5.1 云环境下资源任务调度 | 第92-95页 |
| 5.1.1 云环境下任务调度流程 | 第92-93页 |
| 5.1.2 云环境下任务调度算法分析 | 第93页 |
| 5.1.3 遗传算法与蚁群算法 | 第93-95页 |
| 5.2 基于遗传-蚁群混合算法任务调度策略GA-ACOHSP | 第95-99页 |
| 5.2.1 资源与任务的约束条件 | 第96页 |
| 5.2.2 混合优化调度算法思想 | 第96-97页 |
| 5.2.3 混合优化调度算法流程 | 第97-99页 |
| 5.3 基于GA-ACOHSP混合优化算法实现 | 第99-102页 |
| 5.3.1 遗传算法快速搜索过程 | 第99-101页 |
| 5.3.2 蚁群算法优化求解过程 | 第101-102页 |
| 5.4 实验结果与性能分析 | 第102-107页 |
| 5.4.1 实验环境与设置 | 第103-104页 |
| 5.4.2 实验结果与分析 | 第104-107页 |
| 5.5 本章小结 | 第107-108页 |
| 第六章 云环境下叠前逆时偏移系统设计与应用 | 第108-125页 |
| 6.1 系统运行整体架构 | 第108-111页 |
| 6.1.1 系统设计思想 | 第108-109页 |
| 6.1.2 系统总体结构 | 第109-110页 |
| 6.1.3 系统开发与运行 | 第110-111页 |
| 6.2 系统的设计与功能 | 第111-113页 |
| 6.2.1 系统设计流程 | 第111页 |
| 6.2.2 系统主要功能 | 第111-113页 |
| 6.3 系统主要实现过程 | 第113-117页 |
| 6.3.1 叠前逆时偏移成像实现 | 第113-114页 |
| 6.3.2 地震数据显示功能实现 | 第114-116页 |
| 6.3.3 多节点任务管理的实现 | 第116-117页 |
| 6.4 实验结果与性能分析 | 第117-124页 |
| 6.4.1 系统应用可行性验证分析 | 第117-118页 |
| 6.4.2 系统2D RTM成像效果分析 | 第118-120页 |
| 6.4.3 云环境下3D RTM计算效率分析 | 第120-124页 |
| 6.5 本章小结 | 第124-125页 |
| 结论与展望 | 第125-127页 |
| 参考文献 | 第127-137页 |
| 发表论文与科研情况 | 第137-138页 |
| 致谢 | 第138页 |
