一种岩土颗粒轨迹预测方法、电子设备及介质

本发明涉及土木工程岩土力学分析与机器学习技术交叉领域，特别是涉及一种岩土颗粒轨迹预测方法、电子设备及介质。

背景技术：

1、离散元方法最初用于岩土力学分析，旨在通过数值模拟颗粒间相互作用，研究颗粒系统的宏观性质。该方法在解决颗粒渗透性、颗粒堆积结构稳定性以及变形特性等问题上具有显著优势，并广泛应用于边坡工程、基坑工程、隧道工程中。

2、离散元方法将颗粒物质系统划分为独立的离散元颗粒，每个离散元之间通过简化的力学模型与其他颗粒相互作用，从而在微观上模拟离散元颗粒的行为，并在宏观上模拟出岩土力学作用与运动规律。随着离散元方法与其他数值方法相结合，多尺度和多物理场的耦合模拟技术应运而生，能够更准确地模拟复杂颗粒系统的行为。

3、然而，在处理大规模、多物理场耦合问题时，离散元方法仍然需要较长的计算时间。模型的尺度和复杂程度影响着计算速度，而颗粒的接触和碰撞对计算速度的影响尤为显著。因此，针对大规模、高复杂度模型场景下，提升离散元模型的计算效率至关重要。

4、近年来，由于加速离散元方法的重要意义，许多研究者将研究重点放在了这方面。南京大学刘春研发了岩土体大型三维离散元软件matdem，采用创新的接触搜索算法和gpu矩阵计算法，极大地提高了计算效率，在单台计算机上首次实现了百万单元的动态模拟，以及能量守恒模拟。matdem的计算效率和计算单元数达到了商业软件pfc的30倍。尽管如此，离散元方法的计算效率仍有进一步提升的空间。

技术实现思路

1、本发明的目的是提供一种岩土颗粒轨迹预测方法、电子设备及介质，可基于训练好的加速度预测模型通过岩土颗粒的历史轨迹预测下一时刻岩土颗粒的加速度，从而基于岩土颗粒当前时刻的速度和位置以及下一时刻的加速度计算得到岩土颗粒下一时刻的位置，提高了计算效率。

2、为实现上述目的，本发明提供了如下方案。

3、本发明提供一种岩土颗粒轨迹预测方法，包括以下步骤。

4、获取当前时刻岩土颗粒系统的无向图；所述无向图的图节点对应所述岩土颗粒系统的岩土颗粒；所述无向图的边表示所述边所连接的两个图节点对应的岩土颗粒之间的距离小于设定距离；所述岩土颗粒系统中的岩土颗粒在设定边界内运动。

5、将当前时刻所述无向图的节点特征和边特征输入至训练好的加速度预测模型中，得到下一时刻所述岩土颗粒系统中每一所述岩土颗粒的加速度；所述节点特征包括每一所述图节点对应的岩土颗粒的速度、粒子类型以及每一所述岩土颗粒与设定边界的距离信息；所述边特征包括每一所述岩土颗粒与所有岩土颗粒的距离信息；所述训练好的加速度预测模型为以历史时刻样本岩土颗粒系统的样本无向图的样本节点特征和样本边特征为输入，以所述历史时刻的下一时刻所述样本无向图中所有样本图节点对应的样本岩土颗粒的样本加速度为标签训练得到的模型。

6、对于所述岩土颗粒系统中每一所述岩土颗粒，根据所述岩土颗粒当前时刻的速度和位置以及下一时刻的加速度确定所述岩土颗粒下一时刻的位置。

7、可选的，在将所述无向图的节点特征和边特征输入至训练好的加速度预测模型中之前，还包括：对加速度预测模型进行训练，具体包括以下步骤。

8、获取数据集；所述数据集包括若干历史时刻样本岩土颗粒系统的样本无向图的样本节点特征和样本边特征以及每一历史时刻的下一时刻所述样本无向图中所有样本图节点对应的样本岩土颗粒的样本加速度。

9、利用所述数据集对加速度预测模型进行训练，得到训练好的加速度预测模型。

10、可选的，所述获取数据集，具体包括：基于图论的方式对所述样本岩土颗粒系统中的样本岩土颗粒进行表示，得到所述样本岩土颗粒系统的样本无向图；所述样本无向图的一个样本图节点对应所述样本岩土颗粒系统的一个样本岩土颗粒；所述样本无向图的样本边表示所述样本边所连接的两个样本图节点对应的样本岩土颗粒的距离小于样本设定距离；所述样本无向图的样本节点特征包括历史时刻每一所述样本图节点对应的样本岩土颗粒的速度、粒子类型以及每一所述样本岩土颗粒与样本设定边界的距离信息；所述样本无向图的样本边特征包括历史时刻样本无向图中每一样本图节点对应的样本岩土颗粒与所有样本岩土颗粒的距离信息。对于每一所述样本岩土颗粒系统中的每一所述样本岩土颗粒，确定历史时刻的下一时刻所述样本岩土颗粒的加速度；所有历史时刻样本岩土颗粒系统的样本无向图的样本节点特征和样本边特征以及每一历史时刻的下一时刻所述样本无向图中所有样本图节点对应的样本岩土颗粒的样本加速度构成所述数据集。

11、可选的，基于图论的方式对所述样本岩土颗粒系统中的样本岩土颗粒进行表示，得到所述样本岩土颗粒系统的样本无向图，具体包括：根据所述样本岩土颗粒系统中样本岩土颗粒的位置信息构建若干粒子点对；所述粒子点对中的两个样本岩土颗粒之间的距离小于样本设定距离。以构成粒子点对的样本岩土颗粒作为样本无向图的样本图节点，并在每一所述粒子点对中的样本岩土颗粒对应的样本图节点构建边，得到样本无向图。

12、可选的，根据所述样本岩土颗粒系统中样本岩土颗粒的位置信息构建若干粒子点对，具体包括：利用kdtree算法根据所述样本岩土颗粒系统中样本岩土颗粒的位置信息构建若干粒子点对。

13、可选的，所述边特征包括无向图中每一所述边所连接的两个图节点的距离以及所述距离与所述设定距离的比值。

14、可选的，所述设定边界为二维模型的边界或三维模型的面边界。

15、当所述设定边界为二维模型的边界时，所述岩土颗粒与设定边界的距离信息包括所述岩土颗粒与所述二维模型的每一条边的距离。

16、当所述设定边界为三维模型的面边界时，所述岩土颗粒与设定边界的距离信息包括所述岩土颗粒与所述三维模型的每一面的距离。

17、可选的，所述加速度预测模型为由多层感知机构成的模型。

18、本发明还提供一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行前述的一种岩土颗粒轨迹预测方法。

19、本发明还提供一种可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序适用于由处理器加载并执行前述的一种岩土颗粒轨迹预测方法。

20、根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明提供一种岩土颗粒轨迹预测方法、电子设备及介质，首先获取当前时刻岩土颗粒系统的无向图；无向图的图节点对应岩土颗粒系统的岩土颗粒；无向图的边表示边所连接的两个图节点对应的岩土颗粒之间的距离小于设定距离；岩土颗粒系统中的岩土颗粒在设定边界内运动；将当前时刻无向图的节点特征和边特征输入至训练好的加速度预测模型中，得到下一时刻岩土颗粒系统中每一岩土颗粒的加速度；节点特征包括每一图节点对应的岩土颗粒的速度、粒子类型以及每一岩土颗粒与设定边界的距离信息；边特征包括每一岩土颗粒与所有岩土颗粒的距离信息；对于岩土颗粒系统中每一岩土颗粒，根据岩土颗粒当前时刻的速度和位置以及下一时刻的加速度确定岩土颗粒下一时刻的位置。本发明基于训练好的加速度预测模型通过岩土颗粒的历史轨迹预测下一时刻岩土颗粒的加速度，从而基于岩土颗粒当前时刻的速度和位置以及下一时刻的加速度计算得到岩土颗粒下一时刻的位置，提高了计算效率。