在本研究中,提出了三种方法来预测干燥裂缝性页岩样品中CO2吸附作用对CH4的置换。这些方法包括动态数值方法、稳态数值方法和基于机器学习(ML)的方法。开发了一个耦合公式,包括气体竞争吸附、压降、Knudsen扩散、滑脱、对流和菲克扩散等对多组分CO2-CH4单相体系的影响。对裂缝性页岩样品的多个随机微观结构生成和加工,进行孔隙网络提取,提取的孔隙网络中既有微孔,也有中孔和裂隙。此后,通过稳态模型代替动态数值方法,它的精确度仅降低2.3%,但执行速度要快3到4个数量级。为了进一步提高计算极限,本文对3982个模拟稳态情况训练了一个深度学习模型,拟合度大于0.93。此外,还定义了一个用于识别合适的页岩样品进行CO2封存的标准,该标准主要取决于吸附速率和吸附量。利用该标准和开发的ML工具,可以根据大量页岩孔隙尺度图像的适用性对其进行高效准确地排序。提出的工作流程有助于通过分析现有的图像数据来选择合适的二氧化碳地质封存位置。