邊坡失穩(wěn)災(zāi)害是全球范圍內(nèi)最普遍且發(fā)生頻率最高的災(zāi)害類型之一，具有極其顯著的破壞力和影響范圍（Millán和Galindo，2025；Xu等人，2025a；Wang，2025）。在邊坡失穩(wěn)過程中，土壤強(qiáng)度的退化是一個(gè)關(guān)鍵因素（Wu等人，2024）。離散元方法（DEM）作為一種高效的顆粒系統(tǒng)數(shù)值模擬技術(shù)（Zhou等人，2026a；Sun等人，2025），近年來在邊坡工程中得到了廣泛應(yīng)用。其應(yīng)用包括邊坡穩(wěn)定性分析、強(qiáng)度和變形特性分析以及水-巖相互作用（Chen等人，2025a；Lu等人，2024）。在強(qiáng)度特性方面，DEM通過模擬顆粒間的接觸力學(xué)行為，有效再現(xiàn)了邊坡土壤的剪切力學(xué)響應(yīng)（Jin等人，2024）。因此，它越來越多地被用于分析邊坡土壤的宏觀和介觀尺度上的強(qiáng)度特性（Tu等人，2024）。值得注意的是，DEM數(shù)值模擬的準(zhǔn)確性高度依賴于微觀參數(shù)的合理校準(zhǔn)（Li等人，2024a；Zhong等人，2025），包括粘結(jié)強(qiáng)度、摩擦系數(shù)等。然而，傳統(tǒng)的參數(shù)校準(zhǔn)通常依賴于耗時(shí)且高度主觀的試錯(cuò)方法，這些方法效率低下，無法保證參數(shù)的全局最優(yōu)性。近年來，機(jī)器學(xué)習(xí)方法已廣泛應(yīng)用于土壤本構(gòu)建模、參數(shù)反演和宏觀響應(yīng)預(yù)測等多個(gè)領(lǐng)域（Zhang和Vanapalli，2025；Singh等人，2026；Zou等人，2025），表現(xiàn)出強(qiáng)大的非線性擬合和泛化能力。迫切需要使用智能機(jī)器學(xué)習(xí)方法來融合多源異構(gòu)的測試和模擬數(shù)據(jù)，從而實(shí)現(xiàn)DEM參數(shù)的高效可靠校準(zhǔn)。這對(duì)于提高DEM數(shù)值模擬在宏觀-介觀強(qiáng)度分析和邊坡穩(wěn)定性分析中的準(zhǔn)確性具有重要意義。

建立DEM微觀參數(shù)與宏觀力學(xué)特性之間的準(zhǔn)確映射關(guān)系是實(shí)現(xiàn)智能參數(shù)校準(zhǔn)的前提條件。當(dāng)前的研究主要包含兩種方法：以響應(yīng)面方法和回歸分析為中心的統(tǒng)計(jì)方法（Chen等人，2022），以及基于機(jī)器學(xué)習(xí)的數(shù)據(jù)驅(qū)動(dòng)方法（Shang等人，2025）。響應(yīng)面方法通過有限的實(shí)驗(yàn)設(shè)計(jì)來開發(fā)參數(shù)與響應(yīng)之間的多項(xiàng)式關(guān)系（Xiao等人，2023）。它簡化了計(jì)算過程，但難以捕捉復(fù)雜的非線性關(guān)系，并且在融合多源數(shù)據(jù)方面表現(xiàn)不佳。回歸分析方法通常假設(shè)變量之間存在線性或可線性化的關(guān)系，這限制了它們?cè)趯?shí)際工程問題中的適用性（Suo等人，2024）。近年來，機(jī)器學(xué)習(xí)方法在DEM參數(shù)校準(zhǔn)方面顯示出潛力。例如，Hua等人（2025）使用反向傳播（BP）神經(jīng)網(wǎng)絡(luò)開發(fā)了微觀參數(shù)與多個(gè)宏觀強(qiáng)度特性之間的映射模型，并評(píng)估了模型的有效性。Long等人（2023）利用DEM模擬為土壤構(gòu)建了應(yīng)力-應(yīng)變訓(xùn)練和測試數(shù)據(jù)集，并基于循環(huán)神經(jīng)網(wǎng)絡(luò)開發(fā)了DEM參數(shù)校準(zhǔn)模型。上述研究使用多種神經(jīng)網(wǎng)絡(luò)算法從微觀參數(shù)到宏觀響應(yīng)學(xué)習(xí)非線性映射，為DEM參數(shù)的智能校準(zhǔn)提供了寶貴的見解。然而，現(xiàn)有研究仍面臨兩個(gè)需要改進(jìn)的問題。首先，在模型開發(fā)和實(shí)際應(yīng)用中，獲得的數(shù)據(jù)通常具有多源和異構(gòu)特性（室內(nèi)測試數(shù)據(jù)、DEM模擬數(shù)據(jù)、土壤固有特性），現(xiàn)有方法難以有效利用這些數(shù)據(jù)開發(fā)高精度映射模型。其次，上述方法都缺乏可解釋性，這意味著大多數(shù)機(jī)器學(xué)習(xí)模型仍處于“黑箱”狀態(tài)（Shao等人，2025）。參數(shù)影響的物理機(jī)制無法被解釋，限制了它們?cè)诠こ虒?shí)踐中的透明度和可接受性。

此外，參數(shù)動(dòng)態(tài)優(yōu)化是DEM校準(zhǔn)的核心步驟，本質(zhì)上是通過最小化目標(biāo)函數(shù)（如數(shù)值模擬與測試結(jié)果之間的誤差）來確定最優(yōu)參數(shù)集（Chauhan和Yadav，2023）。優(yōu)化方法已經(jīng)從早期的直接搜索方法發(fā)展到基于啟發(fā)式的優(yōu)化算法，如遺傳算法（GA）、粒子群優(yōu)化（PSO）和模擬退火（SA）（Xu等人，2025b；Konar和Chatterjee，2025；Tsai等人，2022）。GA是一種模擬自然選擇和遺傳機(jī)制的優(yōu)化搜索算法，它通過模擬生物進(jìn)化原理來尋找最優(yōu)解（Zhang和Liu，2025）。由于其綜合搜索能力、并行計(jì)算能力和魯棒性（Ye等人，2024；He等人，2024），它在復(fù)雜參數(shù)空間中表現(xiàn)良好，并已成功應(yīng)用于參數(shù)優(yōu)化、自動(dòng)化設(shè)計(jì)和掃描規(guī)劃等領(lǐng)域（Li等人，2024b；Dong等人，2025）。這也為實(shí)現(xiàn)準(zhǔn)確高效的DEM參數(shù)校準(zhǔn)和建模提供了支持。

總之，本研究進(jìn)行了近200次直剪試驗(yàn)和DEM模擬，結(jié)合了先進(jìn)的集成機(jī)器學(xué)習(xí)算法、可解釋性分析算法和GA，提出了一種基于多源數(shù)據(jù)的智能DEM參數(shù)校準(zhǔn)方法。首先，使用多維相關(guān)性分析方法系統(tǒng)地識(shí)別和定量分析DEM參數(shù)與剪切強(qiáng)度之間的相關(guān)特性。隨后，結(jié)合關(guān)鍵DEM參數(shù)、測試參數(shù)和土壤固有特性構(gòu)建多源數(shù)據(jù)集。然后，利用極端梯度提升（XGBoost）算法和局部可解釋模型-不可知解釋-Shapley加性解釋（LIME-SHAP）算法開發(fā)出一種可解釋的土壤強(qiáng)度預(yù)測模型。最后，將GA與預(yù)測模型結(jié)合，實(shí)現(xiàn)關(guān)鍵DEM參數(shù)的動(dòng)態(tài)優(yōu)化和智能校準(zhǔn)。校準(zhǔn)結(jié)果經(jīng)過全面驗(yàn)證后，用于分析邊坡土壤的宏觀-介觀強(qiáng)度特性。

本研究的主要意義如下：離散元方法（DEM）的介觀參數(shù)對(duì)于準(zhǔn)確模擬邊坡土壤的強(qiáng)度特性至關(guān)重要。現(xiàn)有的DEM參數(shù)校準(zhǔn)方法存在多源數(shù)據(jù)挖掘不足和智能化水平低的問題，這嚴(yán)重限制了校準(zhǔn)結(jié)果的準(zhǔn)確性和可靠性（研究局限性）。本研究提出了一種新穎的基于多源數(shù)據(jù)的智能DEM參數(shù)校準(zhǔn)框架。校準(zhǔn)過程由多維相關(guān)性分析方法、可解釋預(yù)測模型和遺傳算法共同驅(qū)動(dòng)。通過比較和應(yīng)用分析驗(yàn)證了所提方法的優(yōu)越性和可靠性（研究的進(jìn)步）。研究結(jié)果有望為邊坡土壤DEM參數(shù)的準(zhǔn)確校準(zhǔn)提供新的理論參考和實(shí)踐基礎(chǔ)（研究發(fā)現(xiàn)）。