Технология повышения коэффициента извлечения сланцевого газа с использованием CO₂ (CO₂-ESGR) представляет собой технологию улавливания, использования и хранения углерода (CCUS), которая объединяет разработку нетрадиционного природного газа и геологическое хранение CO₂. Эта технология не только улучшает эффективность разработки сланцевого газа, но и позволяет осуществлять геологическое хранение CO₂, что имеет важное значение для снижения выбросов парниковых газов и достижения целей углеродной нейтральности, а также обладает широкими перспективами применения. В процессе CO₂-ESGR адсорбционные свойства CH₄ и CO₂ в сланце напрямую влияют на эффективность замещения газа и результат хранения, являясь одним из ключевых факторов, влияющих на эффективность CO₂-ESGR. В данной работе систематизированы экспериментальные данные по адсорбции газов CH₄-CO₂ на образцах сланцев из основных районов накопления сланцевого газа Китая и создана соответствующая база данных. В исследовании комплексно учтены ключевые факторы, такие как общее содержание органического углерода (TOC), содержание глинистых минералов, удельная поверхность по БЭТ, температура, давление, содержание CO₂, и на основе четырех методов машинного обучения: нейронная сеть обратного распространения (BP), алгоритм k-ближайших соседей (KNN), случайный лес и опорные векторы (SVM) создана модель прогнозирования адсорбционных свойств CH₄-CO₂ в сланце, а также проведено систематическое исследование адсорбции и конкурентной адсорбции в системе CH₄-CO₂. Точность созданной модели машинного обучения проверена многомерным сравнением с данными из литературы, экспериментальными измерениями и прогнозами модели Лэнгмюра. Результаты показывают, что модель случайного леса обладает самой высокой точностью прогнозирования и хорошей расширяемостью области применения: средняя абсолютная относительная ошибка прогноза адсорбции однокомпонентных и смешанных газов в диапазоне 0~15 МПа составляет 1,57%~1,94%, а коэффициент детерминации (R²) достигает 0,99. Разработанная модель машинного обучения позволяет достаточно точно прогнозировать адсорбционные и конкурентные адсорбционные свойства смешанных систем CH₄-CO₂ в сланце, что обеспечивает базовую теоретическую поддержку для применения технологии CO₂-ESGR.

сланец;CH₄-CO₂;адсорбция;модель Лэнгмюра;машинное обучение