一种基于迁移学习与物理信息神经网络的CO2封存模拟方法

本发明提供一种基于迁移学习与物理信息神经网络的CO2封存模拟方法，通过将迁移学习与物理信息神经网络相结合，旨在地质二氧化碳封存过程.该方法使用Matlab油藏模拟工具箱模拟生成数据，构建神经网络基础模型，并通过粗分辨率训练学习多孔介质中二氧化碳迁移的物理规律，然后采用迁移学习策略在生成的实际地质模型数据上进行微调，以适配不同地质结构与注入条件，并结合达西方程和质量守恒方程嵌入神经网络损失函数，增强预测结果的物理一致性.相较于传统数值模拟方法，该方法在保持预测精度的同时显著提升计算效率，适用于复杂地质条件下二氧化碳封存优化与环境风险评估，具有良好的工业推广价值和环境效益。