CO₂による頁岩ガス回収率向上（CO₂-ESGR）技術は、非従来型天然ガス開発とCO₂地質貯留を組み合わせたカーボンキャプチャー・利用・貯留（CCUS）技術の一つです。本技術は頁岩ガス開発効果を高めるだけでなく、CO₂の地質貯留を実現し、温室効果ガス排出の抑制や「カーボンニュートラル」目標達成に重要な意義を持ち、応用可能性が広範です。CO₂-ESGR過程において、頁岩内部のCH₄とCO₂の吸着特性は、ガス置換効率や貯留効果に直接影響し、CO₂-ESGR効果に影響を与える重要な要素の一つです。本稿では、中国の主要な頁岩ガス資源集積地域の頁岩サンプルにおけるCH₄-CO₂ガス吸着実験データを体系的に整理し、対応するデータベースを構築しました。本研究では、総有機炭素（TOC）含有量、粘土鉱物含有量、BET比表面積、温度、圧力、CO₂含有量などの重要因子を総合的に考慮し、BP（逆伝播）ニューラルネットワーク、K近傍法（KNN）、ランダムフォレスト、サポートベクターマシンの4種の機械学習手法に基づき、頁岩中のCH₄-CO₂吸着特性予測モデルを構築し、さらにCH₄-CO₂系の吸着および競合吸着特性を体系的に研究しました。文献報告データ、実験測定データ、ラングミュア（Langmuir）モデル予測データなどと多面的に比較することで、本研究で構築した機械学習吸着モデルの精度を検証しました。結果は、ランダムフォレストモデルが最も高い予測精度と良好な適用範囲の拡張性を示し、0〜15MPa範囲内の単一成分ガスおよび混合系の吸着量予測の平均絶対相対誤差が1.57％〜1.94％の範囲にあり、決定係数（R²）は0.99に達しました。本研究で構築した機械学習モデルは、頁岩内のCH₄-CO₂混合系の吸着特性および競合吸着特性を比較的正確に予測でき、CO₂-ESGR技術の応用に一定の基礎理論的支援を提供します。

頁岩;CH₄-CO₂;吸着;ラングミュアモデル;機械学習