相比传统的微处理器CPU，图像处理单元(Graphics Processing Unit，GPU)具备低成本、低功率，高性能等特点。由于其强大的并行处理能力和浮点计算能力以及快速提升的可编程能力，除了在图像处理上的应用，学者们越来越重视GPU高性能并行计算在数值计算上潜在的应用。CUDA(Compute Unified DeviceArchitecture，计算统一设备架构)的推出为高性能并行计算提供了一个新的开发平台。目前，CUDA已经在金融、石油开发、天文学、流体力学、信号处理、图像处理等领域获得广泛应用，并取得了丰硕的成果。边界面法(BFM)不仅继承边界元法(BEM)的求解问题降维、应力计算精度高等优点，还具备自身的特点：边界积分和场变量插值都是在以边界表征的实体边界曲面的参数空间里进行。在边界积分过程中，积分点的几何数据，如物理坐标、雅可比、法向量都是直接由曲面本身计算得到，而不是通过单元插值近似，从而避免了几何误差。然而，边界面法高额的计算成本使其成为求解大型问题的瓶颈。因此，本文基于CUDA平台，利用GPU加速边界面法的计算具有重要的意义。在深入分析CUDA编程模型和体系结构的基础上，本文研究了边界面法中的正则积分和奇异积分，分别给出了正则积分和奇异积分的并行方案及算法流程。根据CUDA平台的特性和优化策略并结合GPU自身的硬件性能提出了并行程序的优化方案。本文在NVIDIA GTX680GPU和英特尔（R）酷睿（TM）i7-3770KCPU的计算平台上进行计算对比。数值算例结果表明，在计算精度良好且与CPU串行程序计算精度保持高度一致的前提下，正则积分并行程序的加速比可达到8.2。