溶解CO₂运移预测模型

R²超0.9

基于全连接神经网络的预测框架，实现多储层类型下溶解CO₂最大运移距离的高精度预测，并通过SHAP揭示渗透率与孔隙度的主导作用。

Zheng, Dai · Li, Shugang · Hu, Biao · 孔祥国 · Zhang, Jingfei · Zhu, Bing · Qian, Wei

Energy & Fuels 2025

参数信息

决定系数 (R²)

>0.9

归一化均方根误差 (NRMSE)

0.04

渗透率特征贡献

0.77

孔隙度特征贡献

0.34

孔隙度

0.0129

孔隙度

0.621

最大运移距离

7229 m

最大运移距离

818 m

技术优势

跨储层通用

该框架整合数值模拟与神经网络，可应用于多种储层类型，无需针对特定场地重新建模。

能定位主控因素

SHAP方法定量给出每个特征的贡献，明确渗透率和孔隙度是主控因素，使预测过程可解释。

能揭示高孔抑制

模型发现高孔隙度会抑制运移距离和总储存量，为场地筛选提供反直觉的参考。

应用场景

• CO₂地质封存：快速预测溶解CO₂在咸水层中的最大运移距离，评估封存效率与安全性。
• 碳捕集与封存：为CCS项目的封存可行性评估提供数据驱动的预测工具。
• 储层筛选：依据地质参数快速筛选适宜封存的储层，指导注入方案设计。
• 环境影响评估：预测CO₂运移范围以评估潜在的泄漏风险和环境影响。