基于多特征融合神经网络的CCS快速模拟方法

本发明涉及碳捕集与封存(CCS)模拟技术领域，具体提供一种基于多特征融合神经网络的CCS快速模拟方法；该方法构建了一种融合型U神经网络(U‑Net)与傅里叶神经算子(FNO)的U‑FNO网络，提高CO2地质封存过程中压力场与饱和度场在长时间序列上的预测精度；同时，采用基于变压器编码器(Transformer Encoders，TE)的产量序列预测网络，将U‑FNO网络的输出端直接连接至TE网络的输入端，实现从地质参数和井控曲线到压力与饱和度场时序分布及对应产量曲线的直接预测；该方法有效克服了现有CCS模拟技术难以同时处理多特征输入与输出的问题，提升了CO2封存速率对储层安全性影响的预测效率，可为CCS工程优化与历史拟合提供高效可靠的智能模拟工具。