基于Python的土坝溃决元胞自动机模拟及可视化优化问询

核心需求梳理 #

• 完成元胞自动机核心模块：设定元胞状态、定义Von Neumann标准邻域、构建演化规则、分步展示溃决过程
• 当前Plotly散点图方案未达预期，需适配元胞网格特性的可视化方案

优化实现方案 #

元胞自动机本质是规则网格结构，散点图无法体现网格关联且浪费性能，推荐以下两种针对性方案：

方案一：Matplotlib + 动画（轻量高效，适合调试） #

能清晰展示网格元胞的状态变化，快速验证演化逻辑：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.animation import FuncAnimation

# 初始化100x100元胞网格：0=未溃决，1=溃决
grid = np.zeros((100, 100), dtype=int)
# 初始溃口位置
grid[50, 50] = 1

# 定义Von Neumann邻域（上下左右四个方向）
def get_von_neumann_neighbors(i, j, grid_shape):
    neighbors = []
    for di, dj in [(-1,0), (1,0), (0,-1), (0,1)]:
        ni, nj = i + di, j + dj
        if 0 <= ni < grid_shape[0] and 0 <= nj < grid_shape[1]:
            neighbors.append((ni, nj))
    return neighbors

# 演化规则示例（可替换为真实物理溃决逻辑）
def update(frame):
    global grid
    new_grid = grid.copy()
    for i in range(grid.shape[0]):
        for j in range(grid.shape[1]):
            if grid[i,j] == 1:
                for ni, nj in get_von_neumann_neighbors(i,j, grid.shape):
                    # 随机概率触发溃决，可修改为基于水位/土体强度的规则
                    if np.random.rand() < 0.1:
                        new_grid[ni, nj] = 1
    grid = new_grid
    im.set_data(grid)
    return im,

# 可视化配置
fig, ax = plt.subplots(figsize=(8,8))
im = ax.imshow(grid, cmap='YlOrRd', vmin=0, vmax=1)
plt.colorbar(im, label='元胞状态：0=未溃决，1=溃决')
plt.title('土坝溃决元胞自动机模拟')

# 生成动画
ani = FuncAnimation(fig, update, frames=50, interval=200, blit=True)
plt.show()

方案二：Plotly 热力图 + 滑块交互（交互式展示） #

适合需要查看任意时间步状态的场景，交互性更强：

import plotly.graph_objects as go
import numpy as np

# 预先生成50步模拟状态数据
grid_steps = []
grid = np.zeros((100, 100), dtype=int)
grid[50,50] = 1
grid_steps.append(grid.copy())

# 生成多步演化数据
for _ in range(49):
    new_grid = grid.copy()
    for i in range(100):
        for j in range(100):
            if grid[i,j] == 1:
                for di, dj in [(-1,0), (1,0), (0,-1), (0,1)]:
                    ni, nj = i+di, j+dj
                    if 0<=ni<100 and 0<=nj<100 and np.random.rand()<0.1:
                        new_grid[ni,nj] = 1
    grid = new_grid
    grid_steps.append(grid)

# 创建交互式热力图
fig = go.Figure()

# 添加初始帧
fig.add_trace(go.Heatmap(
    z=grid_steps[0],
    colorscale='YlOrRd',
    zmin=0, zmax=1,
    colorbar=dict(title='元胞状态')
))

# 定义滑块控制步骤
steps = []
for i in range(len(grid_steps)):
    step = dict(
        method="restyle",
        args=["z", [grid_steps[i]]],
        label=f"时间步 {i}"
    )
    steps.append(step)

sliders = [dict(
    active=0,
    currentvalue={"prefix": "当前时间步: "},
    pad={"t": 50},
    steps=steps
)]

fig.update_layout(
    sliders=sliders,
    title="土坝溃决元胞自动机交互式模拟",
    width=800, height=800
)

fig.show()

关键优化说明 #

• 放弃散点图，改用网格可视化（热力图/imshow），完美匹配元胞自动机的规则结构
• 内置Von Neumann邻域实现，可直接对接后续演化规则开发
• 动画/滑块交互天然适配分步展示溃决过程的需求
• 示例中演化规则可替换为真实物理逻辑（如加入水位、土体抗剪强度等参数）

内容的提问来源于stack exchange，提问作者Francis Benisemeni