カナダ・モントニー層における炭素回収・貯留を併設した増進ガス回収の予測と最適化のためのアンサンブル学習モデルの開発

日本語

本研究は、カナダのモントニー層におけるCCSを併設した増進ガス回収（EGR）の予測と最適化にアンサンブル学習モデルを適用した。機械学習によりCO2圧入とガス回収の効率を高め、脱炭素とエネルギー生産の両立を目指す。カナダの地質データに基づくが、手法は他地域のCCSプロジェクトにも応用可能である。

English

This study applies ensemble learning models to predict and optimize enhanced gas recovery (EGR) coupled with carbon capture and storage (CCS) in Canada's Montney Formation. Machine learning enhances CO2 injection and gas recovery efficiency, balancing decarbonization with energy production. Though based on Canadian geological data, the methodology is transferable to CCS projects elsewhere.

日本のGX文脈において

日本ではCCSの社会実装が急務であり、特に北海道・東京湾等での実証が進む。本手法は貯留層の最適運用にAIを活用する点で、日本のCCS事業の効率化やコスト低減に示唆を与える。また、天然ガス生産とCO2貯留の統合は、日本のエネルギー安全保障とGX政策の両立に寄与し得る。

In the global GX context

Globally, CCS is critical for meeting net-zero targets, and AI-driven optimization can reduce costs and improve storage efficiency. This study offers a transferable framework for optimizing EGR-CCS operations, relevant to countries with gas reservoirs. It contributes to the growing literature on machine learning in carbon capture and storage, supporting ISSB-aligned transition planning.