颗粒材料在岩土工程、水利工程、道路桥梁工程及化工工程等领域广泛应用。颗粒材料由于具有离散性、多尺度和能量耗散机制，表现出远比传统固体、流体材料更复杂的物理力学特性。从结构决定性能的力学视角出发，寻找解密颗粒材料力学性质的关键信息已成为学界共识。由于颗粒材料属于典型的无序介质，几乎每个颗粒的局部环境都是独一无二的，颗粒材料内部蕴含着海量的结构信息。机器学习在大数据分析、信息分类、复杂系统预测等方面有着天然的优势，为颗粒材料多尺度力学特性研究提供了新方法。本书以机器学习为工具，系统研究决定颗粒材料力学性能的关键指标，建立颗粒结构与性能间的映射关系，为人工智能时代的颗粒材料研究开拓新视野。

更多科学出版社服务，请扫码获取。

2007.09-2014.07 武汉大学水利水电学院，水工结构工程，博士 2003.09-2007.07 武汉大学水利水电学院，水利水电工程，本科2022.11-至今 武汉大学水利水电学院，教授 2017.09-2022.11 武汉大学水利水电学院，副教授 2014.08-2017.09 武汉大学水利水电学院，讲师 2014.08-2016.08 武汉大学水利水电学院，博士后颗粒材料细观力学试验“优青” 2022年，高土石坝坝料工程特性与坝体变形控制理论创新及工程实践，水利学会，大禹水利科学技术奖二等奖（2/15） 2021年，堆石坝变形监测和变形预测关键技术及应用，中国大坝工程学会，科技进步奖一等奖（1/15）中国水力发电工程学会青年工作委员会，委员 湖北省水力发电工程学会，理事 湖北省水力发电工程学会水工专委会，秘书长 第五届颗粒材料计算力学会议组委会，秘书长 SCI期刊《Journal of Intelligent Construction》，青年编委

目录
第1章 机器学习方法在颗粒材料中的应用 1
1.1 机器学习方法简介 2
1.1.1 决策树 3
1.1.2 随机森林 5
1.1.3 梯度提升决策树 6
1.1.4 极端梯度提升 6
1.1.5 k-means 7
1.1.6 反向传播神经网络 8
1.1.7 循环神经网络 9
1.1.8 支持向量机 9
1.1.9 超参数优化 11
1.1.10 模型评估方法 12
1.2 机器学习方法在颗粒材料中的应用概述 13
1.2.1 微观结构与力学性能的关联 14
1.2.2 颗粒材料宏观本构建模 15
1.3 本章小结 16
参考文献 16
第2章 颗粒材料试验研究方法 19
2.1 颗粒材料物理试验方法 20
2.1.1 浅层探测试验方法 20
2.1.2 内部探测试验方法 25
2.2 颗粒材料数值仿真方法 33
2.2.1 离散单元法（DEM） 34
2.2.2 连续-离散单元法（FDEM） 41
2.3 本章小结 52
参考文献 53
第3章 机器学习预测颗粒材料的结晶演化 57
3.1 循环剪切数值试验 58
3.1.1 结晶演化现象 58
3.1.2 试验方案 59
3.1.3 试样制备 60
3.1.4 摩擦系数的选取 61
3.1.5 宏观演化过程 62
3.2 局部结构与最密堆积演化的关系 65
3.2.1 特征选择 65
3.2.2 模型训练方法 67
3.2.3 模型验证与对比 69
3.2.4 机器学习预测效果 71
3.3 局部结构对最密堆积演化的影响机制 74
3.3.1 特征重要性分析 74
3.3.2 特征依赖性分析 77
3.3.3 结晶相前驱体颗粒的空间分布 80
3.4 本章小结 81
参考文献 82
第4章 微观结构“编码”塑性变形倾向 85
4.1 常规三轴数值试验 86
4.1.1 试验方案 86
4.1.2 试样制备 86
4.1.3 宏观力学响应 87
4.1.4 边界效应 88
4.2 微观塑性行为的表征与量化 89
4.3 局部结构-微观塑性行为的关系 92
4.3.1 机器学习模型 92
4.3.2 预测时域的选择 93
4.3.3 “软度”因子的确定 95
4.3.4 局部结构-力学特性关系 97
4.4 摩擦系数对预测效果的影响 101
4.5 本章小结 105
参考文献 105
第5章 初始微观结构预测塑性演化 109
5.1 颗粒材料三轴剪切试验 110
5.1.1 数值试验 110
5.1.2 宏观应力变形 111
5.2 颗粒材料结构表征量化 111
5.2.1 短程结构指标 112
5.2.2 中程结构指标 112
5.2.3 细观组构模型 113
5.3 微观塑性表征 116
5.4 微观塑性的结构起源 117
5.5 微观塑性逾渗演化 124
5.6 本章小结 131
参考文献 132
第6章 颗粒形态与颗粒破碎强度的关系 135
6.1 颗粒三维扫描 136
6.2 颗粒形状统计分析 138
6.2.1 形状参数获取 138
6.2.2 聚类分析 141
6.3 单颗粒单轴压缩试验数值模拟 144
6.3.1 数值试样及材料参数 144
6.3.2 破碎强度Weibull分布 145
6.4 机器学习回归分析 147
6.4.1 颗粒稳定性分析 147
6.4.2 机器学习模型训练 148
6.4.3 机器学习模型解释 149
6.5 颗粒碎片形态特征统计分析 152
6.5.1 基于颗粒形态的颗粒分类 153
6.5.2 FDEM数值模拟 156
6.5.3 统计分析 158
6.6 本章小结 164
参考文献 165
第7章 颗粒材料宏观力学行为预测 169
7.1 机器学习预测小应变刚度 170
7.1.1 建模过程 170
7.1.2 模型预测能力对比 171
7.1.3 机器学习模型解释 173
7.2 局部结构建模的扩展验证 175
7.3 本章小结 179
参考文献 179
第8章 总结与展望 181
8.1 总结 182
8.2 展望 183