时移地震数据互均化处理并行算法研究

摘要

随着油气勘探目标越来越复杂,人们正逐步加深对地震资料处理重要性的认识,并愈加迫切地需要高精度勘探技术。并行处理技术日益得到石油地球物理界的广泛关注,如何快速高效地并行处理大规模地震数据这一个问题已经成为急需解决的重大课题之一。本文中利用CUDA平台来实现计算复杂度较大的大数据量的处理;利用云计算平台Hadoop对大规模的地震数据进行处理;并将Hadoop DB技术应用到时移地震数据处理中,来处理一些相对关系比较复杂的地震数据。
　　近年来,GPU绘制流水线的高速度和并行性以及可编程功能,使其在通用计算领域的应用有着巨大的潜力。本文利用GPU并行计算技术实现对时移地震数据的相位校正和振幅校正中任务繁重的计算进行并行化处理。实验结果表明基于GPU的并行计算提高该算法的运算效率,并且该方法可以应用于多种时移地震数据互均化校正算法。
　　云计算是一种高效处理数据密集型应用的计算模式,Hadoop平台是基于MapRecuce编程模型的云计算软件平台。本文基于Hadoop来实现时延校正和匹配校正的并行算法,将大数据集分成小数据集,分配到异构的计算机集群上,有效的实现了大规模海量数据的并行处理。实验结果表明基于Hadoop的并行算法在处理大规模数据集时具有明显的优势。
　　Hadoop DB是集高吞吐、大并发、海量数据存储和分析计算与一体的技术,它在Hadoop的基础上进行了改进并使用了关系型数据库保存数据,是一种混合型的海量数据存储计算技术。本文将Hadoop DB技术应用到时移地震数据互均化处理上,将HadoopDB的基本构造和特性与时移地震数据互均化处理相结合,提出一种解决方案。
　　最后我们对论文工作进行了总结,并讨论了对进一步工作的展望。

目录

封面

声明

中文摘要

英文摘要

目录

1. 绪论

1.1课题简介

1.2时移地震数据互均化技术

1.3实际资料处理

1.4本文主要工作

1.5论文结构

2. 基于GPU的时移地震数据互均化处理并行算法

2.1引言

2.2 CUDA编程模型

2.3 CUDA存储器模型

2.4基于GPU的振幅校正的并行算法

2.5基于GPU的相位校正的并行算法

2.6 本章小结

3. 基于云计算平台的时移地震数据互均化处理

3.1 引言

3.2 云计算平台Hadoop

3.3 Hadoop中的MapReduce

3.4 基于Hadoop的时延校正并行算法

3.5 基于Hadoop的匹配滤波并行算法

3.6本章小结

4 基于HadoopDB的时移地震数据互均化并行处理

4.1引言

4.2 HadoopDB

4.3在HadoopDB上的实现时移地震数据互均化并行处理

4.4本章小结

5 结束语

参考文献

致谢

攻读硕士期间发表的论文目录