岩体中的裂缝通常是流体迁移的主要通道，直接影响裂缝岩体的渗透性。1,2然而，由于裂缝在地质体内的隐蔽性，3,4关键几何参数（如长度、开口度、倾角、倾向和密度）往往无法得到全面表征。5,6缺乏全面的裂缝数据严重阻碍了关键工程渗漏问题的解决，包括灌浆泄漏控制、7隧道诱发的水害风险评估8和核废料储存库的安全评估9。准确获取裂缝参数是应对这些渗漏相关挑战的基本前提10，因为它为渗透性分析、施工期间的地下水分布表征以及热量和质量传输路径的识别提供了基础。因此，开发高精度的裂缝参数预测方法至关重要。
到目前为止，预测裂缝参数的主要方法可以分为统计方法和使用数值模拟进行验证的反演方法。统计方法通常通过基于观测参数统计特性的离散裂缝网络（DFN）来估计未观测区域的裂缝参数11,12，在本研究中记为DFN-sc。观测参数的统计特性通常通过直接观测方法获得，包括在定义的观测窗口内采样和分析裂缝参数13。例如，测量裸露岩表面的裂缝密度分布和量化隧道壁上的迹线长度分布14,15。此外，还可以使用成像技术获取可观测裂缝，包括钻孔成像16、岩芯扫描图像17和遥感摄影18,19。然而，依赖直接观测方法的统计方法的一个主要限制是所需的时间和经济资源较多20,21。为了解决这一限制，一些研究人员应用反演方法根据地球物理数据（如电阻率和地震速度）来推断裂缝参数22, 23, 24。示踪剂测试也可以用来反演裂缝，通过注入特定气体25、溶质26或热量27来实现。水压数据提供了另一种分析裂缝参数的反演方法28, 29, 30。然而，反演方法有一个共同的缺点：它们通常只能预测裂缝的存在与否，在预测复杂裂缝特性方面的效果有限31,32。此外，一些研究人员采用了结合统计方法和反演方法的混合方法。例如，Ringel等人33将贝叶斯框架与水压层析成像数据结合起来反演三维离散裂缝网络。Zhou等人34开发了一种结合裂缝网络热示踪剂测试数据和统计技术的反演方法。R?mhild等人35在考虑材料参数随机性的情况下，使用水压层析成像对离散裂缝网络进行了反演分析。水压测试在岩体工程中得到了广泛应用。因此，基于水压测试的混合预测方法的研究具有重要意义。
水压测试通常用于校准岩体的水压数据并评估裂缝的密度36,37。这些测试通常分为单孔和孔间压力测试38, 39, 40, 41。单孔方法通过分析单个孔内的注入压力和流量变化来估计水压数据42，而孔间方法通过在两个孔之间注入或泵送水来确定水压数据43。水压测试为研究水压数据和裂缝参数奠定了基础。当前的研究主要集中在利用裂缝参数来表征水力特性，如水力传导率44、渗透性45、体积流量46和水压47。值得注意的是，渗透率张量可以从裂缝参数或水力传导率计算得出48,49，这表明可以通过水压数据推断裂缝参数。一些学者已经进行了使用水压数据反演裂缝参数的相关研究。例如，水压层析成像可以随机表征裂缝开口度、长度和空间分布33,35，也可以用来反演裂缝特性，如位置、倾角和长度50。此外，通过结合水压数据和自电位数据，还可以反演裂缝的位置和方向51。然而，由于反演计算模型的复杂性52,53，现有的水压数据反演方法在预测复杂裂缝网络的参数时计算效率相对较低。
为了解决这些挑战，本研究提出了一种使用孔间水压测试数据准确预测离散裂缝网络的方法，称为DFN-hpt。DFN-hpt通过解析计算裂缝渗透率张量，将水压数据创新性地纳入裂缝参数的预测中。本文的结构如下：第2节介绍了DFN-hpt框架。第3节通过在不同的统计特性条件下预测半径、倾角和倾向来验证DFN-hpt的预测能力。下一节应用DFN-hpt预测复杂裂缝网络，并分析在不同水力条件下的预测准确性。第5节总结了研究的主要发现和结论。
