用于多层滑坡系统正向与反向建模的可微图神经网络模拟器
地球物理
2026-05-11 v3
摘要
图神经网络模拟器 (GNS) 已成为模拟颗粒流的计算效率工具。以往的工作受限于简化的均匀几何结构，仅包含摩擦角，无法反映工程实践中遇到的真实滑坡的复杂性。本研究引入一种可微 GNS 框架，专为包含多种材料属性的多层滑坡系统设计，涵盖正向和反向建模组件。其中，正向组件依赖经过微调的 GNS，集成摩擦角与黏聚力。通过坞堤系统的失效引发滑坡回溜仿真，证明了该 GNS 能够复制多材料流动动力学，同时相较于材料点法 (MPM) 实现了显著的计算加速。反向建模组件利用训练好的 GNS、反向模式自动微分和 L-BFGS-B 优化算法，从目标滑坡几何反推材料属性。通过回算导致坞堤失效滑坡的材料强度，证明了该方法的有效性。结果在数分钟内获得，与目标强度值表现良好。本研究所提出的框架为真实滑坡系统中的正向滑坡评估和反向强度回算提供了一种高效方法。
引用
@article{arxiv.2504.15938,
title = {Differentiable graph neural network simulator for forward and inverse modeling of multi-layered slope system with multiple material properties},
author = {Yongjin Choi and Jorge Macedo and Chenying Liu},
journal= {arXiv preprint arXiv:2504.15938},
year = {2026}
}