CO_2地质封存断层稳定性分析及地表隆起量预测_.pdf

东北石油大学硕士研究生学位论文

CO地质封存断层稳定性分析及地表隆起量预测

2

摘要

为了应对气候变化和全球变暖，中国制定了“3060”的双碳目标。CO2地质封存

作为减少温室气体排放的关键技术之一，其封存安全性得到了广泛关注。封存区存在

断层时，CO2注入后可能引起断层失稳，导致CO2发生泄漏，因此需要对CO2封存中

的断层稳定性进行评估。基于此，本文研究了断层结构和耦合方法，利用有限元软件

建立正断层模型，针对单层和多层的注入模型，设置不同注入方案，分析对断层稳定

性的影响，在此基础上，采用两种不同神经网络模型对地表隆起量进行预测。

首先，针对注入速率、地层压力和断层结构特征的影响，建立CO2单层注入模型，

以孔隙压力、地表隆起量、vonMises应力和剪切应力为评价指标，基于莫尔-库伦准则，

研究不同注入方案下的断层稳定性。研究发现：静摩擦系数为1时，断层保持稳定状

态；静摩擦系数为0.47时，注入速率增加到50t/d或断层倾角增加到60°和90°时，断

层发生失稳现象，其他注入方案断层保持稳定状态。

其次，多层注入可以增加CO2在咸水层中的封存能力，缓解地层压力，由此建立

CO2多层注入模型，针对分层注入各注入点注入速率相同、总注入量相同和多层注入

改变断层结构等因素的影响，以孔隙压力、地表隆起量、vonMises应力以及剪切应力

等力学参数为评价指标，基于莫尔-库伦准则，研究不同注入方案的断层稳定性。研究

发现：分层注入各注入点注入速率相同时，力学参数变化显著，对断层稳定性的影响

较大；静摩擦系数为0.47，各注入点注入速率相同，断层倾角增加到90°时，在两层

注入和三层注入的情况下，断层均发生失稳现象。

最后，地表隆起量是判断断层稳定性的关键参数，基于LSTM神经网络对地表隆

起量进行预测，并将CNN神经网络与LSTM神经网络相结合，利用CNN神经网络对

数值模拟结果的图像特征进行提取，并结合LSTM对时序关系建模，从而提高地表隆

起量的预测精度。研究发现：两种神经网络模型的预测误差都在允许范围内，但是

CNN-LSTM神经网络的预测性能更好，可以更全面、准确地预测地表隆起量。

关键词：CO地质封存，地质力学，数值模拟，断层稳定性，神经网络

2

II

东北石油大学硕士研究生学位论文

FaultStabilityAnalysisandPredictionofSurfaceUpliftVolume

ofCO2GeologicalStorage

ABSTRACT

Inordertocopewithclimatechangeandglobalwarming,the3060dual-carbontarget

hasbeensetinChina,andthesafetyofCO2geologicalstorage,asoneofthekeytechnologies

toreducegreenhousegasemissions,hasreceivedwidespreadattention.Whenafaultexistsin

thestoragearea,instabilityofthefaultmaybecausedbyCO2injection,resultinginCO2

leakage,sothestabilityofthefaultinCO2storageneedstobeevaluated.Basedonthis,t