近年来，随着计算机处理能力的发展以及一些新的并行设备的出现，特别是GPU(图形处理器)的通用计算能力和可编程性的提高，为加速科学计算带来了新的选择和希望。相比CPU(中央处理器)，GPU拥有天生的并行结构，而且功耗低、成本小、管理简单。目前，由NVIDIA公司推出的基于自身GPU的运算平台CUDA(Compute Unified Device Architecture，统一计算设备架构)，最引人瞩目，基于CUDA的图像与视频处理、计算生物学和化学、流体力学模拟、CT图像再现、以及光线追踪等都实现了在GPU上的计算加速。正是如此，本文基于CUDA将高阶差分正演模拟及逆时偏移由CPU移植到GPU上，实现高阶差分正演模拟及逆时偏移的加速计算。首先简要阐述了CUDA的相关理论，推导了一阶应力-速度弹性波方程，对一阶应力-速度弹性波方程采用交错网格高阶差分求解，详细推导了其波场正向延拓和反向延拓的离散差分格式。针对有限差分法数值模拟的固有问题(稳定性、频散以及人工边界反射)进行了深入分析，通过采用交错网格技术求解波动方程可以有效的压制频散现象，模型试算表明，还可以适当提高空间差分阶数来压制频散；采用PML(完全匹配层)吸收边界条件来吸收边界反射波场，详细阐述了其实现过程，并推导了对应的一阶应力-速度弹性波方程的离散差分格式，该吸收边界条件也非常适合在GPU上做并行计算。针对逆时偏移存储需求过大的问题，本文提出了一种有效内部存储策略以及改进的有效内部存储策略，可以有效解决逆时偏移中震源正向延拓波场存储过大问题以及显存不足的问题，在该存储策略下，震源波场通过存储的有效内部波场逆时延拓重构得到；通过模型计算分析了逆时偏移低频噪声产生的机制，并将电磁学领域的坡印亭矢量以及图像处理中的拉普拉斯滤波方法引入到逆时偏移的噪声压制中，相比其他去噪方法，这两种去噪方法更适合在GPU上做并行计算。根据上述理论和方法，详细阐述了基于CUDA的高阶差分正演模拟及逆时偏移算法的实现过程，并给出了算法实现的流程图。最后通过编写程序对不同模型进行了试算，分析了弹性波波场特征和传播规律，并对比了两种去噪方法对不同模型的噪声压制效果，证明了本文基于CUDA的高阶差分正演模拟以及逆时偏移理论和算法的正确性。同时，通过对不同平台的计算时间对比，充分证明，基于CUDA可以显著提高高阶差分正演模拟以及逆时偏移的计算速度。