Monitorizarea geofizică a siturilor geologice de stocare a dioxidului de carbon (CCS) reprezintă o componentă indispensabilă pentru validarea siguranței și permanenței pe termen lung. Cu toate acestea, modelarea matematică a răspunsului seismic la injecția de CO₂ se confruntă cu provocări care depășesc fundamental cadrele convenționale ale geofizicii de explorare. Această lucrare demonstrează că o modelare precisă necesită renunțarea la modelele acustice sau elastice simple în favoarea unor cadre avansate de tip poro-visco-elastic, integrate în simulări complet cuplate de tip termo-hidro-mecanico-chimic (THMC). Deși ecuația canonică a lui Gassmann constituie un standard în industrie, aceasta eșuează sistematic în a prezice răspunsul seismic CO2 , întrucât nu ia în considerare slăbirea structurii rocii, dizolvarea chimică și fluxul de fluid indus de unde (WIFF). Pentru a asigura o execuție operațională riguroasă, acest studiu revizuit detaliază explicit arhitecturile solverelor numerice, rezoluțiile rețelei de calcul, condițiile la limită și fluxurile de lucru avansate pentru cuantificarea incertitudinii (UQ) — utilizând rețele neuronale informate fizic (PINN) și simulări Monte Carlo asistate de modele surogat — în scopul gestionării unui număr mare de grade de libertate, al reducerii intervalelor de incertitudine a predicțiilor și al calibrării parametrilor multifizici pe baza unor date de teren limitate
Geophysical monitoring of geological carbon dioxide storage sites (CCS) represents an indispensable component for validating long-term safety and permanence. However, mathematical modeling of the seismic response to CO₂ injection faces challenges that fundamentally exceed the conventional frameworks of exploration geophysics. This paper demonstrates that accurate modeling requires abandoning simple acoustic or elastic models in favor of advanced poro-viscoelastic frameworks integrated within fully coupled Thermo-Hydro-Mechanical-Chemical (THMC) simulations. While the canonical Gassmann equation serves as an industry standard, it systematically fails to predict the seismic response to CO2 due to its omission of rock-frame weakening, chemical dissolution, and wave-induced fluid flow (WIFF). To ensure rigorous operational execution, this revised study explicitly details the numerical solver architectures, grid resolutions, boundary conditions, and advanced uncertainty quantification (UQ) workflows—utilizing physics- informed neural networks (PINNs) and surrogate-assisted Monte Carlo simulations—to manage high degrees of freedom, reduce prediction uncertainty bounds, and calibrate multiphysics parameters from limited field data
