English(EN) Closed-Loop CO2 Storage Control With History-Based Reinforcement Learning and Latent Model-Based Adaptation

AI通过基于历史的强化学习控制地质二氧化碳储存

作者 PulseAugur 编辑部 · [2 个来源] · 2026-05-04 09:49

研究人员开发了一种基于历史的强化学习方法，用于控制闭环二氧化碳储存操作。该方法仅使用可部署的井口级信息来适应不确定的储层行为，其性能接近于使用特权模拟器状态的策略。该框架还包括一个基于潜在模型的自适应管道，用于在异常操作条件下重新调整控制器，其性能优于直接的无模型重新调整。 AI

影响这项研究展示了适用于复杂环境控制问题的先进强化学习技术，有望提高碳捕获和储存的效率和安全性。

排序理由这是一篇研究论文，详细介绍了一种用于特定科学应用的新型强化学习方法。

AI 生成摘要 · Google Gemini · 来自 2 个来源。我们如何撰写摘要 →

报道来源 [2]

arXiv cs.LG TIER_1 English(EN) · Sofianos Panagiotis Fotias, Vassilis Gaganis · 2026-05-05 04:00

基于历史强化学习和基于潜在模型的自适应的闭环二氧化碳储存控制

arXiv:2605.02405v1 Announce Type: new Abstract: Closed-loop management of geological CO2 storage requires control policies that adapt to uncertain reservoir behavior while relying on observations that are realistically available during operation. This work formulates CO2 injectio…
arXiv cs.LG TIER_1 English(EN) · Vassilis Gaganis · 2026-05-04 09:49

基于历史的强化学习与基于潜模型的自适应的闭环二氧化碳储存控制

Closed-loop management of geological CO2 storage requires control policies that adapt to uncertain reservoir behavior while relying on observations that are realistically available during operation. This work formulates CO2 injection and brine-production control as a partially ob…