Aller au contenu principal
Accès ouvert déclaré 2026 preprint

Fourier Neural Operator Surrogates for Hysteretic Multiphase Flow in Heterogeneous Geological CO2 Storage Reservoirs

0Citations signalées, ce qui n’est pas une note de qualité
2Institutions déclarées
2Pays d’affiliation déclarés

Rattachement africain : my, in. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

Modeling hysteresis in heterogeneous field-scale reservoirs is essential for estimating residual CO2 trapping capacity and assessing the security of geological storage. This requires accounting for both relative permeability hysteresis and capillary pressure hysteresis, which control path-dependent multiphase flow and the spatial distribution of trapped gas. Because maximum residual gas saturation varies across lithofacies, residual trapping cannot be predicted from saturation alone when reservoir properties are spatially discontinuous. However, full-physics hysteresis-enabled simulations are computationally expensive, making large-scale storage appraisal impractical. To address this challenge, we develop 2D Fourier Neural Operator (FNO) surrogates that predict CO2 and brine saturation fields together with a hysteresis states. The models are evaluated across three complexity levels: Case F, a homogeneous system; Case D, a heterogeneous system with variable porosity and permeability but a single trapping law; and Case M, a multi-lithofacies system with five rock types. Each case is tested under relative permeability-only physics and under coupled relative permeability plus capillary pressure hysteresis. Results show that when trapping behavior is uniform, input fields and flow-condition scalars are sufficient to reproduce saturation evolution with accuracy. In contrast, when residual gas saturation varies by lithofacies, prediction accuracy deteriorates unless rock type is encoded. Adding a categorical rock-type channel restores performance across all cases, including hysteresis-state classification, but reduces robustness under coarse-to-fine grid transfer. These results show that surrogate modeling of heterogeneous CO2 storage requires representation of lithofacies-dependent trapping behavior. Petrophysical fields alone are insufficient to resolve spatially discontinuous hysteresis physics, especially when capillary pressure hysteresis is included.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
Fourier Neural Operator Surrogates for Hysteretic Multiphase Flow in Heterogeneous Geological CO2 Storage Reservoirs
Date Crossref
01/01/2026
Éditeur
Elsevier BV
Type
posted-content

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Où se fait cette recherche

  • Universiti Teknologi Petronas pays non établi dans la notice
    Université ou école supérieure
  • Periyar University pays non établi dans la notice
    Université ou école supérieure

Universiti Teknologi Petronas et Periyar University.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

CO2 Sequestration and Geologic InteractionsAdvanced Mathematical Modeling in EngineeringReservoir Engineering and Simulation Methods

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.