一种基于数值模拟及深度神经网络的多级配颗粒压实孔隙率预测方法

本发明公开了一种基于数值模拟及深度神经网络的多级配颗粒压实孔隙率预测方法，涉及土木工程技术领域，包括：构建多级配颗粒数值模型，模拟颗粒压实过程，获取一组级配参数和对应孔隙率数据；基于级配参数和孔隙率数据，建立并训练机器学习模型；利用训练后的机器学习模型，预测多组级配参数组合下的压实孔隙率，分析级配参数与孔隙率的关系。本发明在数值模型构建模块中，通过离散元法构建多级配颗粒数值模型并模拟压实过程，有效克服了传统实验方法耗时长、成本高的问题，同时提高了数据获取的效率和精度。