基于数值稳定型神经网络的Villain-Lai-Das Sarma方程的动力学标度行为研究

Villain-Lai-Das Sarma(VLDS)方程因其能够有效描述分子束外延生长过程而在表面生长动力学等领域中备受关注.然而,长程关联噪声驱动下的VLDS方程的标度结果尚不明确,不同解析近似方法所得的标度结果仍不自洽.在数值模拟方面,由于非线性项的存在,VLDS方程一直存在数值发散的问题.当前主要引入指数衰减技术替换非线性项以缓解数值发散的问题,但是最近研究表明,这种方法会导致所获得的标度指数发生歧变.因此本文基于深度神经网络来表征VLDS方程中的各个确定项,并基于数值稳定型神经网络分别对含长程时间和空间关联噪声的VLDS系统进行有效的数值模拟.结果表明,我们所构建的深度神经网络具有良好的数值计算稳定性和泛化性,可以获得不同关联噪声驱动下的VLDS方程的可靠标度指数.同时,本文还发现长程时间关联噪声驱动的VLDS系统在时间关联指数较大时呈现谷堆状的表面形貌,而空间关联噪声驱动下的表面形貌则仍然呈现自仿射分形结构.

不平衡推力法与Sarma法的讨论

不平衡推力法是我国独创的边坡稳定性分析方法,在滑坡的分析治理中得到了广泛应用,然而对其精度的分析却廖廖无几。目前在与其他方法的对比分析中,发现在某些情况下其误差非常大,如果不加限制地使用该方法,可能会给工程带来巨大的隐患。针对该方法存在的问题,通过理论分析和算例比较,认为折线形滑面的计算精度与滑面控制点处滑面倾角的变化密切相关,通过控制该变化角度可以控制其精度,工程中建议将滑面控制点处的倾角变化小于10°作为该方法的使用条件,超过该限制应对滑面进行处理使它满足使用条件或采用其他的分析方法。针对Sarma法所给条间剪力方程存在的问题,给出了一个新的条间剪力方程。新的条间剪力方程不但符合边坡稳定性问题的合理性要求,且能正确表示任意条块的条间剪力。基于新的条间剪力方程对Sarma法进行了改进。改进后的Sarma法认为条块界面和滑动面上的剪切强度具有不同折减系数。算例分析表明,改进后的Sarma法优于Sarma法,应用它能够得到更合理的安全系数值,即使条块形状是变化的,也能够给出一致的安全系数值,而且能够保证迭代过程稳定收敛。