La tecnología de mejora de la recuperación de gas de esquisto con CO₂ (CO₂-ESGR) es una técnica de captura, utilización y almacenamiento de carbono (CCUS) que combina el desarrollo de gas no convencional con el almacenamiento geológico de CO₂. Esta tecnología no solo puede mejorar la eficiencia del desarrollo del gas de esquisto, sino también lograr el almacenamiento geológico de CO₂, lo que es fundamental para aliviar la presión de las emisiones de gases de efecto invernadero y ayudar a alcanzar el objetivo de «carbono neutral», y tiene un amplio potencial de aplicación. En el proceso CO₂-ESGR, las características de adsorción de CH₄ y CO₂ dentro de la roca esquistosa afectan directamente la eficiencia del reemplazo del gas y el efecto del almacenamiento, siendo uno de los factores clave que influyen en la efectividad del CO₂-ESGR. Este artículo organiza sistemáticamente los datos experimentales de adsorción de gases CH₄-CO₂ de muestras de esquisto de las principales áreas ricas en recursos de gas de esquisto en China, y construye una base de datos correspondiente. Este estudio considera de manera integral factores clave como el contenido total de carbono orgánico (TOC), contenido de minerales arcillosos, área superficial BET, temperatura, presión, contenido de CO₂, y basado en cuatro métodos de aprendizaje automático (red neuronal de retropropagación BP, algoritmo de los k vecinos más cercanos KNN, bosque aleatorio y máquina de vectores soporte SVM), construye un modelo predictivo de las propiedades de adsorción del sistema CH₄-CO₂ en esquisto, y luego estudia sistemáticamente las características de adsorción y adsorción competitiva del sistema CH₄-CO₂. La precisión del modelo de adsorción de aprendizaje automático construido fue verificada mediante comparación multidimensional con datos reportados en la literatura, datos experimentales medidos y datos predichos por el modelo de Langmuir. Los resultados muestran que el modelo de bosque aleatorio tiene la mayor precisión predictiva y una mejor capacidad para ampliar el rango de aplicación, con un error absoluto relativo medio en la predicción de la cantidad adsorbida para gases de componente único y sistemas mixtos en el rango 0~15 MPa entre 1.57% y 1.94%, y el coeficiente de determinación (R²) alcanzando 0.99. El modelo de aprendizaje automático establecido en este estudio puede predecir con bastante precisión las propiedades de adsorción y de adsorción competitiva del sistema mixto CH₄-CO₂ en esquisto, proporcionando un soporte teórico básico para la aplicación de la tecnología CO₂-ESGR.

esquisto;CH₄-CO₂;adsorción;modelo de Langmuir;aprendizaje automático