一种基于多源数据融合与机器学习校正的盐穴CO₂封存稳定性预测方法

本发明公开了一种基于多源数据融合与机器学习校正的盐穴CO2封存稳定性预测方法，具体涉及地质工程与碳封存技术领域，针对盐穴腔体形态极不规则、内部夹层发育复杂的特点，通过多波束声呐点云数据的高精度采集与优化处理，实现了腔体与夹层空间结构的毫米级三维还原；针对盐岩蠕变效应显著、长期变形难以预测的难题，调用了溶解‑流变耦合本构模型，通过用户自定义材料子程序嵌入ANSYS，动态模拟CO溶解作用下的盐岩力学性能退化与时效变形行为；针对传统数值模型参数不确定性高、误差累积突出的问题，引入基于拉丁超立方抽样与随机森林的机器学习校正机制，构建虚拟‑仿真‑误差校正闭环流程，显著提升了对复杂地质条件下腔体长期稳定性的预测精度与可靠性。