我院师生在国际权威期刊发表CO2地质封存人工智能综述论文

       近日，我院师生在能源领域国际权威期刊《Renewable and Sustainable Energy Reviews》发表题为“Artificial intelligence for geological CO₂ storage: from surrogate prediction to uncertainty-aware decision making”的综述论文。该期刊长期关注可再生能源、低碳能源系统与可持续发展等前沿问题，是能源与环境交叉领域具有重要影响力的国际学术期刊之一。

       该论文第一作者为我院在读硕士生魏文凯，通讯作者为冯宇副教授和焦玉勇教授。我院联合同济大学、上海交通大学、中国科学院地质与地球物理研究所、加拿大阿尔伯塔大学等单位合作完成该研究。

       二氧化碳地质封存（GCS）是支撑“双碳”目标实现的重要技术路径之一。该技术通过将捕集并压缩后的CO₂注入深部咸水层、枯竭油气藏等适宜地质储层，使其在地下高温高压环境中以超临界状态存在，并通过多种圈闭机制实现长期、安全封存。然而，地下储层具有强非均质性和多尺度性，并伴随较强的不确定性，同时，可获取的地下观测数据通常较为稀疏，CO₂羽流迁移、储层压力演化、潜在泄漏风险及封存安全性评估仍面临显著挑战。传统地下多相流数值模拟虽能高保真地刻画CO₂运移过程，但计算成本高，难以满足大规模不确定性分析、实时监测更新和工程决策优化需求。

图1. GCS的多尺度圈闭机制与潜在泄漏通道

       针对上述挑战，该论文聚焦“人工智能如何支撑CO₂地质封存的安全、高效运行与风险感知决策”这一核心问题，构建了从代理预测到不确定性量化、再到闭环优化与智能决策的系统性综述框架。论文梳理了AI技术在GCS领域的演进脉络，重点评述了纯数据驱动代理模型、物理信息深度学习、神经算子、不确定性量化、闭环优化及数字孪生等关键方向的最新进展，并系统比较了不同方法在CO₂羽流预测、储层压力响应、泄漏风险识别、监测数据同化和运行方案优化等任务中的适用性与局限性。

图2. AI技术在GCS预测中的演进

       论文还提出了面向风险决策的GCS全生命周期智能管理路线图，强调未来GCS人工智能研究应从单纯追求“加速数值模拟预测”拓展至“预测—监测—更新—优化—决策”的一体化闭环管理。该研究为AI与地下多相流模拟、地质不确定性表征及风险决策的深度融合提供了系统框架和重要参考，并为面向工程应用、兼具可解释性和不确定性量化能力的GCS智能决策工具发展提供了可借鉴的研究思路。

图3. 面向风险决策的GCS全生命周期智能管理路线图

       全文链接请见：

       https://doi.org/10.1016/j.rser.2026.117185