La tecnología para aumentar la tasa de recuperación de gas de esquisto mediante CO₂ (CO₂-ESGR) es una tecnología de captura, almacenamiento y utilización de carbono (CCUS) que combina el desarrollo de gas no convencional con el almacenamiento geológico de dióxido de carbono. Esta tecnología no solo puede mejorar la eficacia del desarrollo del gas de esquisto, sino también lograr el almacenamiento geológico de CO₂, lo que es importante para aliviar la presión de las emisiones de gases de efecto invernadero y ayudar a alcanzar el objetivo de «carbono neutral», con amplias perspectivas de aplicación. En el proceso CO₂-ESGR, las propiedades de adsorción del CH₄ y CO₂ en la roca de esquisto afectan directamente la eficiencia del desplazamiento de gases y el efecto del almacenamiento, siendo uno de los factores clave que afectan el efecto del CO₂-ESGR. Este artículo recopiló sistemáticamente datos experimentales sobre las propiedades de adsorción de gases CH₄-CO₂ en muestras de esquisto de las principales áreas ricas en gas de esquisto en China y estableció una base de datos, considerando de manera integral la influencia de factores clave como el contenido total de carbono orgánico (TOC), contenido de arcilla, área superficial específica, temperatura, presión y contenido de CO₂ en las propiedades de adsorción. Basándose en métodos de aprendizaje automático como la red neuronal BP, el algoritmo de k vecinos más cercanos (KNN), el bosque aleatorio (RF) y la máquina de vectores de soporte (SVM), se construyeron modelos de predicción de las propiedades de adsorción CH₄-CO₂ en el esquisto, estudiando las características de adsorción y adsorción competitiva del sistema CH₄-CO₂. La precisión de los modelos de adsorción construidos mediante aprendizaje automático se verificó mediante comparaciones multidimensionales con datos de la literatura, datos experimentales y datos predichos por el modelo de Langmuir. Los resultados muestran que el modelo de bosque aleatorio tiene la mayor precisión de predicción y una buena capacidad de ampliación del rango de aplicación, con un error absoluto relativo medio del 1,57%-1,94% en la predicción de la cantidad adsorbida de gases de un solo componente y sistemas mezclados en el rango de 0 a 15 MPa, y un R² de 0,99. El modelo de aprendizaje automático establecido en esta investigación puede predecir con bastante precisión las propiedades de adsorción y adsorción competitiva del sistema mixto CH₄-CO₂ en el esquisto, proporcionando un soporte teórico básico para la aplicación de la tecnología CO₂-ESGR.

esquisto;CH₄-CO₂;adsorción;adsorción competitiva;aprendizaje automático