随着传统一些构造简单的油气藏逐渐减少,油气勘探难度日趋提高,主要表现为地层倾角大、储层埋藏深和介质纵横向速度变化剧烈等,因此,油气勘探对偏移成像方法的计算速度与精度的要求也日益增加。目前,叠前逆时偏移被认为是精确获得复杂构造的内部映像最有效的方法,但在整个偏移成像数据处理过程中存在着计算量和存储量巨大等问题,导致其难以大规模的应用于工业生产。如何降低地震数据存储量和提高计算效率是油气勘探偏移成像中重点研究的问题。目前主要采用集群计算方式实现地震数据的高性能处理,但集群计算受到资源限制,并且建设成本高,很难得到广泛的应用。近年来,随着云计算技术的发展与成熟,为逆时偏移提供了一种新的数据存储与管理的有效方法。本文分析逆时偏移数据处理特点及应用需求,在剖析国内外数据处理与云计算等技术和方法的基础上,提出一种基于云计算的逆时偏移数据处理方法,提供更加广泛的高性能计算应用服务。首先,设计基于云计算的逆时偏移数据处理整体架构模型,并分析模型中待解决问题；其次,针对这些问题,对云环境下地震数据分布式存储方法、云环境下数据并行处理方法和云环境下任务调度算法等内容展开深入研究,寻求解决方法,为整体模型提供技术支撑:最后,根据地震资料偏移成像业务需求,研发逆时偏移成像系统,将其应用到云环境中提供服务。主要研究内容如下：1、提出云环境下逆时偏移数据处理的整体架构模型C-RTMDPM针对逆时偏移数据处理特点和应用需求以及存在问题展开研究,重点研究云计算架构及其数据处理的关键技术,设计云环境下逆时偏移数据处理流程:提出一种适合云环境下逆时偏移数据处理整体架构模型(C-RTMDPM),详细描述模型中各层次的功能和待解决的问题;通过引入云环境下分布式存储、并行计算和任务调度等相关技术,实现对逆时偏移数据高效的存储和处理,为逆时偏移数据处理提供新的方法。2、重点研究C-RTMDPM中数据存储、数据处理和任务调度方法首先,研究云环境下地震数据的分布式存储方法。通过对地震数据的存取特点分析,引入分布式云存储思想,从数据存储结构、数据分配策略和节点选择机制等多方面考虑,设计云环境下地震数据分布式存储结构模型：并在模型基础上对地震数据分布式存储策略展开深入研究,设计基于节点动态选择的数据存储算法,实现云环境下地震数据的高效存取。其次,研究云环境下逆时偏移数据的并行处理方法。通过对逆时偏移数据并行处理特点分析,根出逆时偏移数据分布式式处理流程和基于粒度划分的并行数据处理方法；利用GPU计算优势,设计基于CPU/GPU协同逆时偏移计算和多GPU卡联合计算的工作模式；结合云计算MapReduce编程模型,提出一种云环境下GPU-MapReduce并行计算模型,实现云环境下多GPU节点间协同并行工作的高效数据处理机制。最后,研究云环境下任务调度优化策略。通过分析目前常用任务调度算法的优缺点及其适用范围,重点研究遗传算法和蚁群算法,结合逆时偏移计算中大规模任务调度需求,提出一种适合云环境下的遗传-蚁群混合优化算法的任务调度策略。该策略融合遗传算法和蚁群算法双重优点,实现云计算任务调度的高效执行,同时在系统负载均衡方面也有较好的性能。3、云环境下逆时偏移数据处理方法实证分析基于云计算的逆时偏移数据处理方法,结合数据分布式云存取模型、数据并行处理方法和任务调度优化策略等研究成果,开发叠前逆时偏移成像系统,为逆时偏移数据处理提供可视化界面,并将系统应用到云环境中。通过实验表明,系统利用多节点并行处理,不会影响成像精度,能够提高偏移成像的计算效率。研究结果表明,本文提出的基于云计算的逆时偏移数据处理方法能够较好的解决当前地震数据处理存在的数据存储与计算问题,同时对处理其他地震资料应用提供了高效的数据存储、数据管理和高性能计算服务。