影响卵石土壤极限孔隙度的微观结构相互作用：基于离散元方法（DEM）和机器学习解析的见解

《Powder Technology》：Microstructural interactions influencing limiting porosity in cobble soils: DEM and machine learning-interpreted insights

多尺度微结构交互作用对 cobble soils 孔隙率限制特征的影响研究。采用离散元法模拟与可解释机器学习（XGBoost-SHAP）框架，系统分析颗粒粗糙度、级配、粗颗粒含量、形状及空间排列对最小孔隙率（MIP）、最大孔隙率（MAP）及孔隙率区间（LPI）的作用机制。研究发现：颗粒级配与粗颗粒含量呈增强交互效应，形状因子与空间排列呈抑制交互效应，提出基于粗颗粒含量与分形维度的结构分类框架，明确三种孔隙率控制模式（骨架主导型、最优互锁型、基质主导型）。

　　

秦一文|刘凤银|赖金星|邱俊玲|王双双

西安理工大学岩土工程研究所，中国西安710048

摘要

卵石土在自然沉积物中广泛分布，在岩土工程中较为常见。由于其颗粒形状不规则且粒径分布范围广，微观结构因素对孔隙率的耦合效应非常复杂，难以用传统方法量化。因此，本研究采用离散元方法（DEM）模拟和可解释的极端梯度提升（XGBoost）-Shapley加性解释（SHAP）框架，探讨了颗粒粗糙度、级配、粗颗粒含量、颗粒形状及空间排列对卵石土孔隙率极限参数（最小孔隙率、最大孔隙率和孔隙率区间）的影响。结果表明，这些效应具有很强的尺度依赖性。在颗粒尺度上，粗颗粒形状通过改变局部接触配置直接影响孔隙率；在团聚体尺度上，粗颗粒含量通过控制宏观骨架结构及其与级配的相互作用产生最强影响。此外，建立了一个以粗颗粒含量和颗粒分形维数为双指标的结构分类框架，识别出三种堆积状态：基质主导的稳定区、有利互锁的密实区和骨架主导的多孔区。这些发现有助于深入理解多尺度微观结构之间的相互作用，并为评估卵石土的结构状态提供了有用的框架。

引言

卵石土是一种粗粒地质材料，通常由嵌入在较细基质（如砾石、砂和粘土）中的粗颗粒骨架（如卵石和巨石）组成。它们常见于动态沉积环境，如河阶地、洪泛区和山麓地带[21][22][23][25][62]。随着基础设施项目的快速发展，尤其是隧道建设和相关地下工程，卵石土的工程特性在岩土工程实践中受到越来越多的关注[38][39][40]。

由于材料来源和沉积历史的不同，卵石土表现出高度异质的级配、复杂的颗粒形态和随机的空间排列，导致其力学行为存在显著变异性[7][8][10][13]。以往的研究通过现场试验、实验室实验和离散元方法（DEM）模拟来研究单个微观结构特征对卵石土力学行为的影响。例如，DEM模拟表明，增加粗颗粒含量（CPC）可以强化骨架结构[11][12]，而角状颗粒比圆颗粒更能有效增强互锁性和混合强度[61]。尽管这些因素的单独效应已有大量文献记载，但它们对卵石土宏观行为和孔隙结构的综合影响仍不甚明了。

微观颗粒的排列直接影响孔隙特性，从而影响宏观性质，如压缩性、抗剪强度和渗透性[18][19][20][28][41][42][56][57][62]。本研究关注的孔隙率极限参数，即最小孔隙率（MIP）、最大孔隙率（MAP）和孔隙率区间（LPI），是评估卵石土堆积状态和行为范围的关键指标。因此，准确估计这些孔隙率参数至关重要；然而，传统方法无法捕捉卵石土高度异质的孔隙结构。因此，机器学习（ML）越来越多地被用于分析岩土数据中的非线性关系[58]。特别是极端梯度提升（XGBoost）在处理高维数据和非线性关系方面表现出优异性能[2][15][59]。为了提高模型的可解释性，开发了如Shapley加性解释（SHAP）等方法[33]。基于博弈论，SHAP用于量化特征贡献，并提供关于特征重要性和相互作用的透明见解[5][29][30]。

本研究采用可解释的ML框架结合DEM模拟，系统地研究了微观结构因素及其相互作用（包括颗粒形状、表面粗糙度、粒径分布、粗颗粒含量和空间分布）对卵石土孔隙率极限参数（MIP、MAP和LPI）的影响。开发了包含这些微观结构特征的DEM模型，并通过几何相似的卵石土试样的实验测量进行了验证。生成了综合数据集来训练和优化XGBoost模型，随后通过SHAP分析评估特征重要性、依赖模式和相互作用效应。基于识别的特征相互作用，提出了卵石土的结构分类框架。这些发现有望加深对微观结构因素如何共同控制卵石土孔隙率特性的理解。

部分内容摘录

微观结构特征

粗颗粒显著影响卵石土的接触配置和堆积结构[20][56][57][62]。卵石土的微观结构特征分为两类：（1）与接触相关的特征，包括颗粒形状和表面粗糙度，主要影响颗粒尺度上的局部颗粒间相互作用；（2）与分布相关的特征，包括粒径分布、粗颗粒含量和空间排列

相似卵石土试样的孔隙率极限测量

将模拟结果与相似卵石土试样的实验测量孔隙率进行比较，以验证DEM模型的准确性。相似试样比未扰动样品更能控制关键结构特征，从而减少实验不确定性。根据以往研究[8][38][62]，采用1:50的几何相似比来平衡可行性和代表性。如图7所示，相似试样由重晶石粉末组成

微观结构对卵石土孔隙率极限的交互效应

本研究使用SHAP解释XGBoost模型，捕捉各个特征效应及其相互作用。如图11所示，初始数据集被分为训练集（80%）和测试集（20%）。在模型训练过程中，训练集进一步分为内部训练集和验证集，比例为90:10，采用k折交叉验证进行超参数优化。然后使用SHAP解释所得的高性能模型，以量化特征重要性

CPC和GFD对孔隙结构演变的耦合效应

微观结构特征对卵石土孔隙率极限的交互效应表明，颗粒尺度特征主要通过局部颗粒接触配置影响孔隙结构。相比之下，团聚体尺度特征，尤其是CPC，似乎影响这些局部接触配置对整体孔隙率响应的影响，并在SHAP分析中显示出更大的贡献。CPC代表团聚体尺度

结论

本研究利用DEM模拟与可解释的XGBoost–SHAP模型相结合，研究了微观结构相互作用对卵石土孔隙率极限的影响。主要结论如下：

1) 确定了三种主要的孔隙率预测交互模式：CPC与粗颗粒形状（尤其是长条形和平坦度）之间的增强型相互作用，其方向与主要效应相同；长条形与

CRediT作者贡献声明

秦一文：撰写 – 审稿与编辑，撰写 – 原稿，软件开发，资金筹集，概念构思。刘凤银：撰写 – 审稿与编辑，监督。赖金星：监督，项目管理，资金筹集。邱俊玲：研究。王双双：软件开发，研究。

利益冲突声明

作者声明以下可能被视为潜在利益冲突的财务利益/个人关系：

赖金星报告称获得了国家自然科学基金和宁夏回族自治区重点研发计划的财政支持。秦一文报告称获得了西安理工大学的财政支持。如果还有其他作者，他们声明没有已知的利益冲突或个人关系

致谢

本研究得到了国家自然科学基金（编号：52278393；51978066）、西安理工大学启动的博士后研究项目（编号：256082505）以及宁夏回族自治区重点研发计划（编号：2026BEG02054）的联合支持。感谢这些资助方的支持。