Die CO₂-Erhöhung der Schiefergasgewinnung (CO₂-ESGR)-Technologie ist eine Kohlendioxidabscheidungs-, Nutzungs- und Speichertechnologie (CCUS), die die Förderung von unkonventionellem Erdgas mit der geologischen Speicherung von CO₂ kombiniert. Diese Technologie kann nicht nur die Schiefergasförderung verbessern, sondern auch die geologische Speicherung von CO₂ ermöglichen, was für die Verringerung der Treibhausgasemissionen und das Erreichen des Ziels der „Kohlenstoffneutralität“ von großer Bedeutung ist und eine breite Anwendungsperspektive hat. Im CO₂-ESGR-Prozess beeinflussen die Adsorptionseigenschaften von CH₄ und CO₂ im Schiefer die Gasaustausch-Effizienz und die Speicherwirkung direkt und sind einer der Schlüsselfaktoren, die die Effektivität von CO₂-ESGR beeinflussen. In dieser Arbeit wurden experimentelle Adsorptionsdaten von CH₄-CO₂-Gasen auf Schieferproben aus den wichtigsten schiefergasreichen Regionen Chinas systematisch zusammengestellt und eine entsprechende Datenbank aufgebaut. Diese Studie berücksichtigt umfassend Schlüsselfaktoren wie den Gesamtgehalt an organischem Kohlenstoff (TOC), den Gehalt an Tonmineralien, die BET-spezifische Oberfläche, Temperatur, Druck, CO₂-Gehalt und verwendet vier Methoden des maschinellen Lernens (BP-Neuronales Netzwerk, k-Nächste-Nachbarn-Algorithmus KNN, Random Forest und Support Vector Machine SVM), um ein Vorhersagemodell der Adsorptionseigenschaften von CH₄-CO₂ im Schiefer zu erstellen und anschließend die Adsorptions- und Wettbewerbsadsorptionseigenschaften des CH₄-CO₂-Systems systematisch zu untersuchen. Die Genauigkeit des entwickelten Maschinenlern-Adsorptionsmodells wurde durch multidimensionale Vergleiche mit Literaturdaten, experimentellen Messdaten und Langmuir-Modellvorhersagedaten verifiziert. Die Ergebnisse zeigen, dass das Random-Forest-Modell die höchste Vorhersagegenauigkeit und eine bessere Erweiterbarkeit des Anwendungsbereichs aufweist. Die mittlere absolute relative Abweichung der Vorhersage der Adsorptionsmenge für Einzelkomponentengase und Mischsysteme im Bereich von 0~15 MPa liegt zwischen 1,57 % und 1,94 %, und der Bestimmtheitskoeffizient (R²) erreicht 0,99. Das in dieser Studie erstellte Maschinenlernmodell kann die Adsorptions- und Wettbewerbadsorptionseigenschaften von CH₄-CO₂-Mischsystemen im Schiefer recht genau vorhersagen und bietet damit eine grundlegende theoretische Unterstützung für die Anwendung der CO₂-ESGR-Technologie.

Schiefer;CH₄-CO₂;Adsorption;Langmuir-Modell;maschinelles Lernen