1.一种水泥稳定碎石细观断裂参数快速反演方法,其特征在于,包括:步骤S1:根据水泥稳定碎石半圆弯曲试验得到荷载位移曲线,获取所述荷载位移曲线的特征值;
步骤S2:建立水泥稳定碎石离散元模型,并基于离散元模型的底层代码数据构建可调整的建模系统;所述建模系统的可调整参数至少包括试件大小、颗粒半径、排布方式、骨料级配和模型维度;
步骤S3:基于所述离散元水泥稳定碎石模型,筛选出多个细观断裂参数并获取每个所述细观断裂参数的取值范围,通过不断地随机获取若干组细观断裂参数的组合构建出XGBoost模型学习样本;
步骤S4:基于步骤S3所构建的学习样本进行模型训练,获取水泥稳定碎石离散元模型细观参数的XGBoost模型;
步骤S5:随机选取一组在步骤S3中确定的细观参数取值范围内的细观参数作为初始值,并将其归一化处理后输入到XGBoost模型中;
将XGBoost模型的输出结果作为预测的荷载位移曲线特征值,并将这些特征值保存为一个列表,以用于后续计算目标向量;
步骤S6:构建向量化粒子群优化模型框架,以所述步骤S1中的荷载位移曲线的特征值和所述步骤S5中XGBoost模型输出的特征值的相对误差作为目标向量,每种特征值的相对误差作为目标向量的一个目标元素,迭代产生各细观力学参数;
步骤S7:获取步骤S5中XGBoost模型输出结果,反馈到向量化粒子群优化模型框架中计算目标向量,若满足精度要求,迭代终止,此时得到的水泥稳定碎石细观断裂参数作为最符合该试验中水泥稳定碎石力学性能的参数;若不满足精度要求,粒子群优化模型进行搜索优化出一组新的细观参数,并进行下一步迭代计算直至满足迭代终止的条件。
2.根据权利要求1所述的水泥稳定碎石细观断裂参数快速反演方法,其特征在于,所述步骤S1中的特征值至少包括峰值荷载、峰值位移、峰前斜率和峰后斜率。
3.根据权利要求1所述的水泥稳定碎石细观断裂参数快速反演方法,其特征在于,所述步骤S3具体包括:步骤S31:基于所述离散元水泥稳定碎石模型,历遍各个参数,每个参数取多个数值并获取对应的荷载位移曲线及其特征值;
步骤S32:以特征值的变化率与参数的变化率的比值作为参数敏感性评价指标,以每个特征值对应指标的平均值的大小进行排序后选取其中的多个细观断裂参数;
步骤S33:基于敏感性分析结果优化筛选出上述所选细观断裂参数的取值范围;
步骤S34:随机选取若干组细观参数组合并通过set数据结构自动删去重复的组合,将这些组合代入模型中计算对应荷载位移曲线,通过模型直接得到荷载和位移的数据并画出荷载位移曲线;
步骤S35:在MATLAB中提取荷载位移曲线的特征值,并与对应的细观参数进行整合形成包含细观参数和特征值的若干组数据集;将数据集按一定比例划分为训练集和验证集,组成XGBoost模型学习样本。
4.根据权利要求3所述的水泥稳定碎石细观断裂参数快速反演方法,其特征在于,所述步骤S4具体包括:S41:建立输入层,设置输入层特征X1~Xn1;将步骤S3中所选取的细观参数作为输入特征,输入特征数量与选取的细观参数种数相同;
S42:设置XGBoost模型参数范围;
S43:建立输出层,设置输出层特征Y1~Yn2;以步骤S3中提取的荷载位移曲线特征值为输出层,输出特征数量等于提取的特征值种数;
S44:构建XGBoost模型目标函数,以用于衡量模型预测值与真实值之间的差异,并通过引入正则化项防止过拟合;所述真实值为所述步骤S35中的荷载位移曲线的特征值;
S45:利用梯度提升算法构建多棵决策树,形成XGBoost模型。
5.根据权利要求4所述的水泥稳定碎石细观断裂参数快速反演方法,其特征在于,所述步骤S44具体包括:S441:采用基于绝对误差的平滑损失函数,用于衡量模型预测值与真实值之间的差异,公式如下:,其中代表样本数量,是第i个样本的真实值,是第i个样本的预测值,为阈值,控制着损失函数对异常值的敏感程度;
S442:为防过度拟合,引入正则化项:,其中M表示树的叶子节点数量,是第j个叶子节点的值,、均是正则化系数;
S443:结合平滑损失函数和正则化项,最终形成XGBoost模型的目标函数。
6.根据权利要求4所述的水泥稳定碎石细观断裂参数快速反演方法,其特征在于,所述步骤S45具体包括:S451:计算目标函数对预测值的梯度以用于指导下一棵树的构建方向;
S452:使用贪婪算法构建树结构;
S453:在树结构构建后,计算每个叶子节点的值;
S454:将所有树的预测结果加权融合,得到最终的预测结果;
S455:通过不断迭代添加新的决策树,XGBoost模型可以逐步提高预测精度,最终得到一个预测精准的模型。
7.根据权利要求4所述的水泥稳定碎石细观断裂参数快速反演方法,其特征在于,所述步骤S6的优化目标向量如下:,,式中:为试验得到的荷载位移曲线特征值,为XGBoost输出的特征值,为各种特征值的相对误差值,即为向量化粒子群优化算法的目标向量的各目标元素。