力学季刊

作者：张海滨, 卢迪, 王永昌, 高凤溥, 宋学行, 孙楠楠

关键词：机器学习；CO2；海底地质封存；快速泄漏

鉴于我国东部沿海地区碳排放量高且陆上封存容量有限的现状，CO2海底地质封存具有显著的应用潜力．尽管海底地质封存过程中CO2泄漏的风险极低，但准确评估快速泄漏情景下的海水中CO2扩散规律对于确保封存安全至关重要．本研究基于典型海洋环境数据，采用Volume of Fluid (VOF)模型模拟CO₂气泡动态特性，并用欧拉模型模拟CO2集群在海水中的扩散特征，从而完成流体动力学的综合仿真分析．在此基础上，开发基于机器学习的海底CO2泄漏量评估方法．构建神经网络模型框架，并据此建立反问题求解模型，解析不同海洋环境条件下CO2泄漏时的形态演变与分布范围，反演出导致此泄漏情景的裂缝宽度及泄漏速度等关键参数，进而精确计算出泄漏量．该模型预测精度可达95 %以上，证明其在处理CO₂泄漏反问题上的有效性和适用性．本研究不仅为海底地质封存CO2快速泄漏评估提供了一种创新性的方法路径，也为未来相关领域的风险评估与安全管理提供了重要的科学依据和技术支撑．

来源：2025年第1期

《力学季刊》期刊编辑部

查看力学季刊杂志2025年第1期