A Physics-Informed Transformer Framework for Spatio-Temporal Modeling and Energy-Carbon Tradeoffs in CCUS-EOR
Notice bibliographique
Résumé
Abstract Carbon Capture, Utilization, and Storage for Enhanced Oil Recovery (CCUS-EOR) plays a vital role in achieving carbon neutrality while ensuring energy and economic development. Although process modeling and scheme optimization are essential for CCUS-EOR, existing methods often have difficulty in simultaneously describing the complex spatiotemporal behavior of reservoirs and performing effective optimization design. Therefore, they cannot fully meet the task requirements of energy-carbon integrated coupled prediction and optimization. To address the challenge, we propose an intelligent decision-making framework that integrates a Spatio-Temporal Physics-Informed Transformer (STPIformer) with an Adaptive Operator-Controlled NSGA-II (AOC-NSGA-II) algorithm. By embedding CO2–oil–water three-phase flow partial differential equations (PDEs) into a Swin Transformer backbone and incorporating WAG-aware temporal encoding module and spatio-temporal attention mechanisms, STPIformer enables high-fidelity prediction of reservoir dynamics, including oil migration and CO2 plume evolution. The AOC-NSGA-II algorithm further enhances multi-objective optimization by adaptively balancing energy-carbon trade-offs among cumulative oil production, CO2 geological storage, net present value (NPV), and carbon emissions. Field-scale 3D model validation on the Tuha oilfield demonstrates that the proposed method significantly enhances spatio-temporal prediction accuracy and generalization performance, while delivering optimization schemes that satisfy underlying physical constraints and balance environmental and economic objectives for task-specific deployment. This study provides a robust modeling and optimization framework to support the large-scale deployment of CCUS-EOR.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».