注入压力主控
融合机器学习与孔隙尺度模拟，量化储层结构与流动条件对CO₂驱替CH₄效率的协同影响，为优化注入策略提供可解释的数据驱动框架。
Tong, Rongchen · Jia, Sida · 甘泉 · Zihao, Wang · Xu, Lulu · Cunbao, Li · 王军磊 · 戴振学
Energy & Fuels 2026
敏感性分析表明注入压力的总效应指数高达0.77，说明提高注入压力是加快突破的最有效手段，可优先调控该参数。
XGBoost模型在测试集上对突破时间和扫掠效率的R²达0.91和0.90，可作为代理模型快速评估驱替效果，减少昂贵的数值模拟次数。
特征长度比增大虽能加速早期驱替，但会加剧指进，导致扫掠效率下降；该框架可量化这类权衡，帮助在采收率和封存效果间取得平衡。