CCUS数据集G04 · 国际
U-FNO CO₂多相流学习基准
围绕CO₂封存多相流预测构建的神经算子研究资源，作者提供数据获取说明、训练脚本和模型。
- 资源形态
- 数值模拟
- 数据量
- 按作者提供的模型和数据分包为准；未核验总量
- 地区
- 合成地下CO₂运移系统；不对应指定实测油田
数据概览
- 数据类型
- 数值模拟训练数据、饱和度/压力预测与研究代码
- 数据性质
- 数值模拟
- 数量与口径
- 5,500例：训练4,500、验证500、测试500（作者README口径；两个预测任务不重复计数）
- 数据量与口径
- 按作者提供的模型和数据分包为准；未核验总量
- 数据地区
- 合成地下CO₂运移系统；不对应指定实测油田
- 格式
- PyTorch .pt数组、Notebook与Python/PyTorch
- 获取条件
- 作者GitHub提供Google Drive数据包与预训练模型入口；本轮未下载完整包
- 数据许可
- 仓库许可证为CC BY-NC-ND 4.0；外部数据包和权重还需分别核实
- 代码许可
- CC BY-NC-ND 4.0（作者仓库LICENSE）
- 元数据核验
- 2026-11-04；未下载完整数据包、未运行外部模型
数据特征
- 结合U形结构与傅里叶神经算子。
- 学习多相流输入场到预测场的映射。
- 训练域、井条件与物理约束影响泛化。
神经算子多相流饱和度预测
代表性图件
作者 README 中的 U-FNO 网络结构、傅里叶层和 U 形傅里叶层示意，说明多相流代理模型内部构成；不是数据样本或本站运行结果。
图件关系：直接模型研究的原始网络结构图
引用源：Wen、Li、Azizzadenesheli、Anandkumar、Benson（2022） · 作者 README 原图
原始网页 / 文献 · 原图
许可：CC BY-NC-ND 4.0；仅整图展示，不改绘 · 许可
图件保持原样；页面仅按比例缩放。已记录许可；仍须遵守非商业/禁止演绎及第三方信用行
相关研究
已发表的数据论文、地质解释、储层表征、数值模拟、监测与机器学习研究；按核实程度标注与数据的关系。
直接模型研究 · 2022 · Advances in Water Resources
U-FNO—An enhanced Fourier neural operator-based deep-learning model for multiphase flow
提出增强傅里叶神经算子 U-FNO，学习 CO₂ 多相流的饱和度与压力预测，作者提供数据、训练脚本及模型入口。
来源与引用
核验日期：2026-11-04。文献题录、图件来源和许可依据如下。