Die CO₂-verbesserte Schiefergasförderungstechnologie (CO₂-ESGR) ist eine Technologie zur Kohlenstoffabscheidung, -speicherung und -nutzung (CCUS), die die Förderung von unkonventionellem Erdgas mit der geologischen Speicherung von Kohlendioxid kombiniert. Diese Technologie kann nicht nur die Förderung von Schiefergas verbessern, sondern auch die geologische Speicherung von CO₂ realisieren, was eine wichtige Rolle bei der Verringerung der Treibhausgasemissionen spielt und zur Erreichung des Ziels der „Kohlenstoffneutralität“ beiträgt. Sie hat ein weites Anwendungspotenzial. Im CO₂-ESGR-Prozess beeinflussen die Adsorptionseigenschaften von CH₄ und CO₂ im Schiefer direkt die Gasaustausch- und Speichereffizienz und sind einer der Schlüsselfaktoren für die Effektivität von CO₂-ESGR. In dieser Arbeit wurden systematisch experimentelle Daten zu den Adsorptionseigenschaften von CH₄-CO₂-Gasen in Schieferproben aus den wichtigsten schiefergasreichen Regionen Chinas gesammelt und eine Datenbank erstellt. Dabei wurden wichtige Faktoren wie der Gehalt an Gesamtorganischem Kohlenstoff (TOC), der Tonanteil, die spezifische Oberfläche, Temperatur, Druck und der CO₂-Gehalt berücksichtigt. Basierend auf maschinellen Lernmethoden wie BP-Neuronalen Netzen, k-Nearest Neighbor Algorithmus (KNN), Random Forest (RF) und Support Vector Machine (SVM) wurden Vorhersagemodelle für die Adsorptionseigenschaften von CH₄-CO₂ im Schiefer entwickelt und die Adsorptions- und Wettbewerbsadsorptionseigenschaften des CH₄-CO₂-Systems untersucht. Die Genauigkeit der entwickelten maschinellen Lernmodelle wurde durch multidimensionale Vergleiche mit Literaturdaten, experimentellen Messdaten und vom Langmuir-Modell vorhergesagten Daten validiert. Die Ergebnisse zeigen, dass das Random-Forest-Modell die höchste Vorhersagegenauigkeit und eine gute Erweiterbarkeit des Anwendungsbereichs besitzt. Die durchschnittliche absolute relative Abweichung der Vorhersage der Adsorptionsmenge von Einzelkomponentengasen und Gemischsystemen im Bereich von 0-15 MPa beträgt 1,57%-1,94% bei einem R² von 0,99. Das in dieser Studie entwickelte maschinelle Lernmodell kann die Adsorptions- und Konkurrenzadsorptionseigenschaften des CH₄-CO₂-Gemischsystems im Schiefer recht genau vorhersagen und bietet damit eine theoretische Grundlage für die Anwendung der CO₂-ESGR-Technologie.

Schiefer;CH₄-CO₂;Adsorption;Konkurrenzadsorption;maschinelles Lernen