基于BP神经网络的咸水层CO2封存注入能力预测方法

作者：王志强; 李航宇^*; 刘树阳; 徐建春; 范晨

来源：中南大学学报(自然科学版), 2022, 53(12): 4678-4686.

• 咸水层
• 二氧化碳封存
• 碳捕集、利用与封存(CCUS)
• CO2注入能力
• 机器学习
• BP神经网络
• 十折交叉验证

本文采用数值模拟软件CMG-GEM，构建咸水层CO2封存模型，并基于BP神经网络对CO2注入能力进行预测。首先，在数值模拟中考虑了不同地质参数和操作参数，使用拉丁超立方抽样形成220组数值模拟方案，建立机器学习样本库；然后，使用数据归一化、十倍交叉验证等技术，形成CO2注入能力预测的代理模型；最后，利用该模型分别测试Sleipner,Quest和Illinois碳封存项目的注入能力。研究结果表明：最优的BP神经网络的激活函数为satlin，最优的隐藏层神经元数量为10，最优的学习率为0.4；对于Sleipner,Quest和Illinois碳封存项目，训练集、测试集与全部数据的皮尔逊相关系数均超过0.95；使用该代理模型预测的Sleipner,Quest和Illinois碳封存项目年注气量与实际情况年注气量相对误差分别为6.85%,5.57%和3.26%。与传统数值模拟技术相比，该技术具备计算耗时短、准确率高的优点。

• 单位
  中国石油大学（华东）