La technologie d'augmentation du taux de récupération du gaz de schiste par le CO₂ (CO₂-ESGR) est une technique de captage, d'utilisation et de stockage du carbone (CCUS) qui combine le développement du gaz non conventionnel avec le stockage géologique du CO₂. Cette technologie ne permet pas seulement d'améliorer l'efficacité du développement du gaz de schiste, mais permet également le stockage géologique du CO₂, ce qui est important pour atténuer la pression des émissions de gaz à effet de serre et soutenir l'objectif de « neutralité carbone », avec de larges perspectives d'application. Dans le processus CO₂-ESGR, les caractéristiques d'adsorption du CH₄ et du CO₂ à l'intérieur du schiste influencent directement l'efficacité du remplacement du gaz et l'effet de stockage, ce qui est l'un des facteurs clés affectant l'efficacité du CO₂-ESGR. Cet article organise systématiquement les données expérimentales d'adsorption des gaz CH₄-CO₂ des échantillons de schiste dans les principales zones d'enrichissement de ressources de gaz de schiste en Chine, et construit une base de données correspondante. Cette étude prend en compte plusieurs facteurs clés tels que le contenu total en carbone organique (TOC), la teneur en minéraux argileux, la surface spécifique BET, la température, la pression, la teneur en CO₂, et s'appuie sur quatre méthodes d'apprentissage automatique (réseau de neurones à rétropropagation BP, algorithme des k plus proches voisins KNN, forêt aléatoire et machine à vecteurs de support SVM) pour construire un modèle de prédiction des propriétés d'adsorption du CH₄-CO₂ dans le schiste, puis étudie systématiquement les propriétés d'adsorption et d'adsorption compétitive du système CH₄-CO₂. La précision du modèle d'adsorption construit par apprentissage automatique a été vérifiée par une comparaison multidimensionnelle avec des données rapportées dans la littérature, des données expérimentales mesurées et des données prédites par le modèle de Langmuir. Les résultats montrent que le modèle de forêt aléatoire possède la meilleure précision de prédiction et une meilleure extensibilité de la plage d'application, avec une erreur absolue relative moyenne de la quantité d'adsorption prédite pour les gaz monocouches et les systèmes mixtes dans la plage 0~15 MPa comprise entre 1,57 % et 1,94 %, et un coefficient de détermination (R²) atteignant 0,99. Le modèle d'apprentissage automatique établi dans cette étude peut prédire avec précision les caractéristiques d'adsorption et d'adsorption compétitive du système CH₄-CO₂ dans le schiste, fournissant ainsi un support théorique fondamental pour l'application de la technologie CO₂-ESGR.

schiste;CH₄-CO₂;adsorption;modèle de Langmuir;apprentissage automatique