堤坝是防洪减灾的重要体系,但资料记载历史隐患较多,一旦失事,后果重大,因此对堤坝隐患进行精确探测与识别至关重要。高密度电法是目前最常用的方法之一,其探测精度与参数设置紧密相关,对结果的判读依靠人工经验误差较大,探测效率较低。因此,本文基于有限差分法分别采用偶极-偶极式、温纳式以及诗伦贝谢尔式三种不同探测方式对土石堤坝渗漏隐患地电模型进行正演模拟,结果较好,并进一步通过模型试验与正演模拟进行对比分析,同时引入机器学习对检测的视电阻率图进行隐患智能识别,有效提高了高密度电法在结果判读过程中精度,最后在工程实际进行了验证。本文所得结论如下:(1)有限差分法在高密度电法正演模拟中,可以较好的适用于不同的探测方式,在不同工况下结果较为理想,当测线总长度不变时,随着电极间距的减小,电极数量的增多,高密度电法所探测的地质数据信息也越丰富,数据准确度也越高。(2)通过土石堤坝隐患探测模型试验,发现在对不同规模、位置渗漏隐患的探测中,偶极-偶极式、温纳式和诗伦贝谢尔式均能探测到渗漏隐患的存在,偶极-偶极式可以较好的探测到隐患的存在和位置,而温纳式和诗伦贝谢尔式在隐患位置的定位上有不同程度的偏差,三种探测方式均无法给出可靠的渗漏规模数据信息;在对隐患位置的探测上,测线中间位置的探测效果优于边侧位置;偶极-偶极式对低电阻介质的探测效果显著,而诗伦贝谢尔式对于高电阻介质的探测效果要更好。综合探测效果来看,在对堤坝渗漏隐患的探测时的选择优选顺序为:偶极-偶极式>诗伦贝谢尔式>温纳式。(3)借助机器学习,基于Faster R-CNN模型,建立高密度电法渗漏隐患智能识别学习的模型,通过对所建立的高密度电法渗漏隐患数据库中渗漏隐患特征的学习和训练,发现所建立的模型在对高密度电法渗漏隐患的智能识别中,能够显著提高对渗漏隐患的识别准确度和效率,使得判别结果更加准确,具有客观性。(4)工程应用中,通过模拟及试验的结果,采用增加测线长度的方法,有效避免了高密度电法对于测线边侧位置探测效果差的缺点,同时验证了三种不同探测方式的有效性,偶极-偶极式在任何时期都能够较好的用于堤坝隐患的探测,诗伦贝谢尔式由于其对高电阻体的良好探测效果,能够较好的适用于对高聚物注浆效果的探测。