本发明提供了基于深度学习和数据驱动建立岩土颗粒材料本构模型的方法，包括：采用离散元数值试验代替室内试验进行岩土颗粒材料的宏细观力学特性研究；对具有不同结构特征的颗粒材料数值试样进行不同加载路径下的离散元数值试验，得到大量的应力应变关系数据；采用累积绝对应变作为岩土颗粒材料的状态变量，用于描述颗粒材料的当前状态；采用改进的长短期记忆神经网络单元，搭建深度学习网络，将数值试样的结构特征和初始状态等非时序数据输入到网络的首个单元，将加载过程中的应变增量依次输入到网络中，输出颗粒材料当前的应力和其他状态量；采用基于奇异值分解的降噪方法对训练数据进行降噪处理，防止网络训练不收敛或误差过大。