高效裂缝网络表征对理解增强地热系统的地热分布、流场行为和溶质运移至关重要。本文提出了一种新的反演建模框架来估计裂缝网络分布，采用分层次参数化方法。对于少数大裂缝，使用裂缝长度、方位角和裂缝中心的坐标来表征每条裂缝。对于致密的小裂缝，利用裂缝密度和分形维数来表征裂缝网络。此外，我们采用变分自动编码器和生成对抗网络模型进行特征提取，并将生成对抗网络的目标函数与先验约束信息融合，以捕获复杂裂缝网络的参数分布并满足裂缝场的先验知识，从而实现将高维复杂参数分布转化为低维连续参数场。依托贝叶斯框架，基于水力层析实验采集的观测数据采用集合平滑方法来降低裂缝分布的不确定性。本项工作使用两个不同复杂度的案例来测试所提出框架的性能。结果表明，该算法能够有效地估计裂缝场的裂缝分布。
 

裂缝表征,裂缝参数反演,深度学习