您当前的位置：
首页 >
文章列表页 >
机器学习在CO2提高油气采收率与地质封存中的研究进展
方法理论 | 更新时间：2026-01-09

    • 机器学习在CO2提高油气采收率与地质封存中的研究进展

    • Research progress on machine learning in CO2 enhanced oil and gas recovery and geological storage

    • “在碳捕集、利用与封存领域，机器学习技术展现出显著优势，优化操作参数、提高计算效率，为实现碳中和提供解决方案。”
    • 油气藏评价与开发   2026年16卷第1期 页码：84-95

    • DOI：10.13809/j.cnki.cn32-1825/te.2025268    

      中图分类号： TE357

    • 收稿：2025-06-09，

      纸质出版：2026-01-26

    移动端阅览

  • 叶虹莹, 曹成, 赵玉龙, 等. 机器学习在CO2提高油气采收率与地质封存中的研究进展[J]. 油气藏评价与开发, 2026, 16(1): 84-95. DOI： 10.13809/j.cnki.cn32-1825/te.2025268.

    YE Hongying, CAO Cheng, ZHAO Yulong, et al. Research progress on machine learning in CO2 enhanced oil and gas recovery and geological storage[J]. Petroleum Reservoir Evaluation and Development, 2026, 16(1): 84-95. DOI： 10.13809/j.cnki.cn32-1825/te.2025268.

  •  
  •  

0

浏览量

15

下载量

0

CSCD

文章被引用时，请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

中深层油藏CCUS示范工程开发关键技术研究与实践
基于机器学习的裂缝水驱气藏采收率预测方法
融合地应力特征的致密储层压裂缝长机器学习预测

相关作者

赵松
曹成
叶虹莹
王圆圆
高同
杨志凯
刘赛军
樊超

相关机构

中国石油长庆油田
中国石化胜利油田分公司纯梁采油厂， 山东 博兴
中国石油冀东油田分公司储气库建设项目部
中国石油杭州地质研究院
中国石油长庆油田分公司勘探开发研究院
0