Page 65 - 水利学报2021年第52卷第5期

图 1 研究框架
)
u = (x - β exp(-α i ) "i = 1D
i
i
i

α
x = u exp( ) + β i "i = 1D
i
i
i
图 2 自回归流模型网络结构 ［19］
3 基于密度峰值聚类自回归流的 DFN 多参数模拟方法

3.1 密度峰值聚类自回归流模型 由于裂隙网络的几何参数普遍存在优势分组的现象，其分布呈现

出多峰的特点。然而，自回归流模型的初始分布采用一个单峰的高斯分布，估计多峰的概率密度的
能力有待提高。针对以上不足，本文提出的 DPCAF 模型，将自回归流模型的标准化空间的高斯分布
改进为一个由均值、方差和各分支的混合比例所参数化的高斯混合分布，并结合 DensityPeak 算法，
以无监督的形式实现裂隙多参数优势分组与多参数联合概率密度估计的多任务学习，提高对实测裂

— 567 —