深部咸水层CO2封存循环神经网络代理模型构建中的常见误区与修正路径.docx

PAGE

深部咸水层CO2封存循环神经网络代理模型构建中的常见误区与修正路径

构建高精度、快响应的代理模型是突破深部咸水层CO2封存动态监测瓶颈的核心手段。纯数据驱动的循环网络在地质多相流场景中极易偏离物理规律，导致预测结果丧失工程可用性。必须将渗流方程、质量守恒与自适应采样机制嵌入训练闭环，才能输出符合监管要求的封存潜力评估与风险预警数据。忽略地层非均质性与时间步长耦合关系，会直接造成羽流运移轨迹的系统性偏移。修正路径需从数据空间重构、物理约束损失函数设计、不确定性量化与边缘端轻量化四个维度同步推进。

原始监测数据的时空异质性处理陷阱

深部咸水层储层通常具有千米级垂向厚度与数十公里平面展