利用遗传算法-蝙蝠算法（GA-BP）和裂纹分形维数确定等效的GBM介观参数

《Scientific Reports》：Identification of equivalent GBM meso-parameters using GA-BP and crack fractal dimension

　　

摘要

针对离散元建模中传统试错参数分配效率低以及裂纹形态缺乏定量约束的问题，本文提出了一种基于遗传算法（GA）和BP神经网络的等效介观参数识别方法，该方法将裂纹分形维数纳入基于晶粒的模型（Grain-Based Model，GBM）框架中。在GBM框架内，整合了平行键合（PB）和光滑接头（SJ）模型，构建了具有晶内和晶间特性的粒子系统。通过敏感性分析筛选关键介观参数，并引入分形维数来定量描述裂纹形态。此外，开发了一种GA-BP神经网络，用于在规定的参数范围内将选定的宏观响应指标和裂纹分形维数映射到等效的介观参数集上。遗传算法用于优化初始权重，同时采用ReLU激活函数和动态策略来提升预测性能。结果表明，在五次重复的随机评估中（每次评估包含60个独立测试记录），平均参数R2值介于0.9563至0.9989之间，平均MAPE值介于0.6809%至9.1012%之间。与传统BP方法相比，GA-BP将总体平均R2值从0.9834提高到了0.9899，并分别将RMSE、MAE和MAPE降低了35.07%、41.02%和16.44%。跨岩性验证进一步表明，模拟结果与实验得到的机械响应及裂纹形态之间具有很好的一致性。等终性分析证实，相似的响应向量可能对应不同的介观参数组合；因此，识别出的参数应被视为在所采用的GBM框架内的模型依赖性等效解，而非唯一的物理常数。