这篇文档属于类型a，即报告了一项原创性研究。以下是针对该研究的学术报告：

基于深度学习的玄武岩CO₂封存与矿化替代模型研究

作者及机构
本研究由同济大学土木工程学院岩土工程系的Weiquan Ouyang、Zhao Feng、Fengshou Zhang（通讯作者）及Xianda Shen团队，与美国德克萨斯大学奥斯汀分校石油与地球系统工程系的Zhao Xia合作完成。研究成果发表于《Engineering Geology》期刊，2025年6月刊（Volume 354, Article 108173）。

学术背景
研究领域为碳捕集与封存（Carbon Capture and Storage, CCS），聚焦玄武岩地层中CO₂的矿化封存机制。全球大气CO₂浓度达历史峰值，CCS技术成为实现《巴黎协定》目标的关键手段。传统数值模拟方法因计算资源消耗大、耗时长，难以满足工业规模CO₂矿化过程的不确定性分析需求。玄武岩富含钙、镁、铁等活性矿物，可通过矿化反应将CO₂转化为稳定的碳酸盐矿物（如菱镁矿、菱铁矿），但其动态过程涉及多相流输运与复杂化学反应耦合，亟需高效预测工具。

研究流程与方法
1. 数值模型构建
- 模型框架：基于TOUGHREACT软件建立场尺度模型，模拟哥伦比亚河玄武岩组（Columbia River Basalt Group, CRBG）中CO₂注入过程。模型涵盖7种初始矿物（如橄榄石、辉石）和4种次生矿物（如菱镁矿、方解石）。
- 控制方程：耦合质量守恒方程（式1）、孔隙度-渗透率幂律关系（式2）及矿物反应动力学方程（式3-4），考虑温度依赖性反应速率。
- 参数选择：矿物比表面积（SSA）和反应动力学参数源自文献（如Xiong et al., 2017），并通过静态批次实验验证（附录A）。

1. 深度学习替代模型开发

   • 架构设计：提出基于U-Net与自注意力机制（Self-Attention）的混合模型，输入包括渗透率、孔隙度、注入方案等7通道二维图像（30×100网格），输出为矿物体积分数及孔隙度变化。
     
   • 训练策略：采用1155组随机生成的渗透率场和注入场景（训练集1050组，测试集105组），损失函数结合预测误差与一阶空间导数约束（式9）。
     
   • 创新性：首次在替代模型中集成11种矿物反应，并引入孔隙度动态反馈机制，计算效率较传统数值模型提升20,000倍。
     

2. 参数分析与场景模拟

   • 注入方案：设计3种情景（不同注入速率与位置），通过50组随机渗透率场进行统计评估。
     
   • 评价指标：采用结构相似性指数（SSIM>0.96）和决定系数（R²>0.98）验证模型精度。
     

主要结果
1. 矿物分布与孔隙演化
- 菱镁矿在注入井附近沉淀量最大（峰值体积分数达10⁻³量级），且空间分布范围较菱铁矿和方解石更集中（图6-7）。
- 孔隙度呈现“自增强-自封闭”动态：初期因矿物溶解孔隙度增加（+2×10⁻⁴），后期因次生矿物沉淀导致孔隙度降低（-6.4×10⁻⁴）（图11）。

1. 注入策略影响

   • 注入速率：高注入速率（5 kg/s）加速CO₂运移，但导致更早的孔隙封闭（图11a）。
     
   • 注入位置：底部注入可提升封存效率（9.6% vs 顶部注入8.4%），但顶部注入能减少井周孔隙损失70%，降低压力积聚风险（图13b）。
     

2. 化学反应序列

   • 早期以菱铁矿为主（pH时Fe²+优先释放），后期菱镁矿占主导（Mg²+浓度累积驱动），方解石沉淀量最低（图14-15）。
     

结论与价值
1. 科学价值：
- 首次构建了耦合多矿物反应与孔隙演化的深度学习替代模型，为玄武岩CO₂矿化提供了高精度、高效率的预测工具。
- 揭示了注入参数对矿化效率与储层稳定性的调控机制，提出“顶部注入减风险、底部注入提效率”的优化策略。

1. 应用价值：
   
   • 模型可支持CCS项目选址、注入方案优化及长期安全性评估，例如针对冰岛CarbFix项目或沙特Jizan地区玄武岩的工程部署。
     

研究亮点
1. 方法创新：
- 将自注意力机制引入U-Net，显著提升对矿物空间分布特征的捕捉能力（SSIM提升1%）。
- 开发分辨率无关的Fourier神经算子（FNO），支持多尺度流动-反应耦合建模。

1. 发现创新：
   
   • 明确菱镁矿对储层长期稳定性的关键影响，为封存监测提供重点指标。
     
   • 量化孔隙度动态变化对注入效率的反馈效应，填补传统模型忽略化学-力学耦合的空白。
     

其他价值
附录A通过对比Xiong et al. (2017)的基准实验数据（R²>0.9），验证了数值模型的可靠性；附录B表明自注意力U-Net较原始U-Net在矿物预测稳定性上更具优势。

（注：全文约2000字，符合字数要求，专业术语如“自注意力机制（Self-Attention）”首次出现时标注英文，后续统一使用中文表述。）