水利水电工程区域往往地质条件恶劣,错综复杂地遍布着大大小小的岩体结构面。结构面是岩体中强度最薄弱的部分,严重破坏了岩体的完整性。因此,对结构面进行充分分析与合理描述是水利水电工程岩体结构研究中的重中之重。然而,由于地质勘查信息的稀疏性、描述方式的模糊性,对于结构面的分析与建模过程必然存在着不同程度的不确定性;加之现有地质研究中不确定性分析方法的不完善,导致地质工程师难以充分实现结构面信息的精准解译。针对这一难题,在充分剖析水工岩体结构面不确定性特点与关键问题的基础上,综合采用构造地质学和水工岩体力学的相关原理和方法、统计分析方法、机器学习、图像处理、三维地质建模等多种交叉学科的技术方法,从不同角度深入挖掘了多尺度结构面的随机分布中所蕴含的规律,提出了一系列不确定性建模与分析方法,并应用于实际工程中。本文主要取得了以下四个方面的创新研究成果:（1）建立了Copula方法框架下岩体结构面多维参数描述与相关性分析的基本模式,提出了结构面参数不确定性分析的生成式智能建模中的解决方案。首先以Copula理论为基础综合分析了倾向与倾角、迹长与开度之间的不确定性关系,以“伪迹长”为桥梁建立了开度与裂隙空间尺寸之间的联系,解决了传统Baecher圆盘模型中结构面开度赋值的难题,并在此基础上提出了随机扁椭球离散裂隙网络模型。进而基于生成式智能模型（包括Variational autoencoder（VAE）、Generate adversarial network（GAN）和Gaussian mixture model（GMM））的基本原理和特点,以GMM算法为核心提出了高维裂隙参数不确定性分析的解决方案。最后通过工程实例验证了该方法在表征参数间复杂关系、数据模拟、概率计算、可视化等方面的适用性与优势。（2）提出了一种用多边形代替圆盘的离散裂隙网络（Discrete fracture network,DFN）建模方法,给出了裂隙形状合理性的证明,开发了从迹线推导裂隙空间尺寸的迭代反演算法。采用控制圆法将传统的Baecher圆盘模型替换成随机多边形,使裂隙模拟更接近实际情况;利用迭代反演算法实现了不规则裂隙尺寸分布函数的逼近求解,从而避免了因裂隙形状过于随机导致难以通过数学方法推导裂隙尺寸分布规律的问题。该方法是对Baecher圆盘模型的推广,能够更准确地还原岩体内部裂隙的发育情况。（3）研发了针对三维随机离散裂隙网络模型有效性检验的图形检验算法。通过一系列预处理对实际迹线图与三维DFN模型中相应部位的迹线图进行标准化;进一步计算迹线图的四个特征分量,从多角度衡量二者之间的相似程度,包括总体灰度分析、灰度级配曲线、特征方向和灰度密度曲线;最后,通过加权平均上述指标,提出了综合评价公式。图形检验是DFN模型有效性检验的必要环节,该算法能够避免以往DFN模型图形检验过程中的主观判断,为DFN模型的准确性验证提供更为客观的依据。（4）构建了大尺度结构面不确定性几何形态智能感知的方法体系,并提出了复杂断层网络的链式表示法,实现了断层网络的不确定性分析与半自动建模。以混合密度神经网络为核心对于单个断层的不确定性进行感知与表征,该方法体系包含了数据预处理、算法模型设计和有效性检验标准,在一定置信度下定量模拟断层带的方法,以及断层形态的不确定性程度评价方法。在此基础上,借鉴二叉树表示法的研究思路,提出了复杂断层网络的链式表示法,实现了断层网络的不确定性分析与半自动化建模。该方法属于一种半隐式的大尺度结构面智能建模方法,比于传统的显示建模自动化程度高,对断层的表达也更为精准,同时为地层、褶皱等大尺度地质构造的不确定性分析提供了重要参考。