摘要。三维地质结构建模旨在利用结构数据（叶理和界面）和拓扑规则作为输入，确定三维空间中的地质信息。这在地下物质特性的任何项目中都是必要的；它们表达了我们对几何学的深入理解。因此，三维地质模型具有广泛的实际应用，包括但不限于土木工程、油气工业、采矿业和水管理。然而，这些模型充满了来自建模引擎固有缺陷（工作假设、内插器参数化）的不确定性，以及在没有观测与输入不确定性（观测、概念和技术错误）相结合的领域固有的知识缺乏。由于三维地质模型通常用于有效决策，因此所有三维地质模型都必须提供准确的不确定性估计。本文重点研究了隐式三维地质建模中结构输入数据测量不确定性传播的影响。这一目标是通过蒙特卡罗不确定性估计模拟（MCUE）实现的，MCUE是一种随机方法，它从表示原始输入数据集不确定性的预定义干扰概率分布中进行采样。MCUE用于生成数百到数千个经过修改的唯一数据集。改变后的数据集被用作输入，以生成一系列看似合理的三维模型。然后将似是而非的模型组合成一个单一的概率模型，以将不确定性从输入数据传播到最终模型。本文提出了MCUE的几种改进方法。这些方法涉及输入不确定性的分布选择、样本分析和样本分布的统计一致性。对于平面特征，极点矢量采样被认为是一种比倾角矢量采样更严格的替代方法，并建议使用贝叶斯方法来进行扰动分布参数化。讨论了不正确的扰动分布的影响，并在综合和实际案例中提出和评估了一些建议，以解决眼前的问题。观测数据的误差分布（即方差）会影响MCUE先验分布的质量。结果表明，所提出的工作流提高了不确定性估计的可靠性，并减少了伪影的发生。