裂隙介质具有多尺度、高对比度、各向异性等强非均质特征，且观测难度大、数据收集成本高。如何在数值模拟技术支持下，充分考虑裂隙介质特点，将有限高质量数据与相对丰富的噪声数据有效融合，实现复杂裂隙介质主要结构的可靠识别，具有十分重要的理论和实践意义。由于裂隙介质伴随的强非高斯性、强非均质、高计算量等困难，目前针对复杂裂隙介质的数据同化研究很少。本研究利用嵌入式离散裂隙模型（EDFM）模拟假想裂隙介质中的动力过程，分别利用两种模型（EDFM及等效孔隙介质模型EPM）和两种数据同化方法（集合平滑多数据同化ESMDA、深度学习集合平滑ESDL），研究了不同条件下同化裂隙介质中水头等数据以反演介质中的裂隙结构的效果。结果表明，ESMDA与ESDL通过EPM和EDFM模型均能一定程度上识别出裂隙介质中的优势通道；通过对裂隙进行单独参数化并使用EDFM模型，可以提高裂隙识别精度、获得较好的裂隙参数反演效果。

裂隙介质,数据同化,参数反演