Page 73 - 水利学报2021年第52卷第5期

DPCAF 模型的模拟精度更高。

5 结论

裂隙几何参数分布的估计与拟合是三维离散裂隙网络随机模拟的核心环节。然而，现有的 DFN
建模方法基于 Gamma 分布、对数正态分布、Fisher 分布等典型分布对单参数的边缘分布或倾向倾角
的联合分布进行估计，面临着无法拓展到更多维裂隙参数的复杂联合分布的难题。针对上述问题，
本文提出了基于改进自回归流模型的 DFN 多参数模拟方法，取得了如下成果：
（1）考虑裂隙几何参数具有优势分组的特点改进自回归流模型，将标准化特征空间的高斯分布改

进为高斯混合分布，并结合 DensityPeak 算法搜索聚类中心，提出了 DPCAF（Density Peak Clustering
Autoregressive Flow）模型，克服了自回归流模型对于裂隙数据多峰分布拟合能力的不足；
（2）将自回归流模型中基于可逆变换拟合复杂多维联合分布的思想引入 DFN 建模中，有效解决了
DFN 多参数模拟所面临的多维联合分布的概率密度估计与采样的核心难题，在 DFN 建模的过程中同
时完成多参数优势分组与多参数概率密度估计；
（3）工 程 应 用 表 明 ， 对 于 实 测 裂 隙 数 据 的 复 杂 联 合 分 布 ， 本 文 提 出 的 DPCAF 模 型 相 比 与 传
统 基 于 典 型 分 布 的 估 计 方 法 具 备 更 强 的 拟 合 能 力 ， 并 且 能 够 有 效 还 原 多 参 数 之 间 的 关 联 关 系 ；
DPCAF 模 型 相 比 于 双 正 态 分 布 与 Fisher 分 布 对 于 产 状 数 据 的 概 率 密 度 估 计 精 度 更 高 ， 相 比 于
GMM 模 型 对 于 钻 孔 图 像 中 的 倾 向 、 倾 角 、 开 度 数 据 联 合 分 布 的 概 率 密 度 估 计 的 平 均 精 度 更 高 ，
且 采 样 结 果 的 误 差 缩 小 了 7.84% 。 因 此 ， DPCAF 模 型 能 够 有 效 提 高 多 参 数 拟 合 的 准 确 性 ， 保 证
DFN 建模的精度。
本文提出的改进自回归流模型能够为工程分析过程中涉及到的多维联合概率密度估计问题提
供一种新的技术手段 ［36-37］ 。此外，随着水电工程地质勘测与感知技术的不断进步 ［38］ ，未来将可能
获取更多种类的裂隙数据，可以将其引入 DFN 多参数模拟中进一步提升裂隙网络模型的可靠性。

参 考 文 献：

［ 1 ］ 钟登华，时梦楠，崔博，等 . 大坝智能建设研究进展［J］. 水利学报，2019，50（1）：38-52，61 .
［ 2 ］ 樊贵超，钟登华，任炳昱，等 . 基于分形理论的坝基裂隙岩体注灰量与导水率关系研究［J］. 水利学报，
2017，48（5）：576-587 .
［ 3 ］ 敖雪菲，王晓玲，赵梦琦，等 . 坝基裂隙岩体三维灌浆数值模拟［J］. 水利学报，2017，48（8）：945-954 .
［ 4 ］ 董少群，曾联波，XU Chaoshui，等 . 储层裂缝随机建模方法研究进展［J］. 石油地球物理勘探，2018，53
（3）：625-641 .
/
［ 5 ］ BAECHER G B，LANNEY N A，EINSTEIN H H . Statistical Description of Rock Properties and Sampling［C］/
Proceedings of the 18th US Symposium on Rock Mechanics . Golden，1977 .
［ 6 ］ 吴含 . 水电工程坝基岩体裂隙网络优势分组及动态建模方法研究［D］. 天津：天津大学，2017 .
［ 7 ］ ZHOU W，MAERZ N H . Implementation of multivariate clustering methods for characterizing discontinuities da⁃
ta from scanlines and oriented boreholes［J］. Computers & Geosciences，2002，28（7）：827-39 .
［ 8 ］ 宋 盛 渊 ，王 清 ，陈 剑 平 ，等 . 岩 体 结 构 面 的 多 参 数 优 势 分 组 方 法 研 究［J］. 岩 土 力 学 ，2015，36（7）：
2041-2048 .
［ 9 ］ 牛玉龙，王媛，于可，等 . 裂隙网络非达西渗流 REV 及非达西系数张量研究［J］. 水利学报，2020，51（4）：
468-478 .
［ 10］ MENDOZA-TORRES F，DIAZ-VIERA M A，ERDELY A . Bernstein copula modeling for 2D discrete fracture
network simulations［J］. Journal of Petroleum Science and Engineering，2017，156：710-20 .
［ 11］ 占洁伟 . 复杂岩体结构的几何特征精细描述方法研究［D］. 长春：吉林大学，2019 .
/
［ 12］ OUSSIDI A，ELHASSOUNY A，IEEE . Deep Generative Models：Survey［C］/International Conference on Intelli⁃
gent Systems and Computer Vision，2018 .

— 575 —