二氧化碳+水溶液体系的界面张力是二氧化碳地质封存与驱油技术中的一项核心物理参数。在地层多孔介质中，二氧化碳与水之间的界面张力直接控制着毛细管力的大小，而毛细管力是支配非混相流体分布、运移和残余饱和度的关键因素。较高的界面张力会增强毛细管阻力，可能限制二氧化碳在储层中的有效波及范围和封存效率；而较低的界面张力则有助于二氧化碳更好地驱替孔隙中的水或原油，提高采收率。因此，精确获取该体系在不同地质条件下的界面张力，对于评估封存潜力、预测羽流迁移范围以及优化工程方案设计至关重要。传统的实验测量方法，如悬滴法，虽然直接可靠，但过程耗时、设备昂贵且对复杂流体体系（如含杂质气体的二氧化碳与高矿化度地层水）的测试难度大，难以满足工程实践中快速、批量获取数据的需求。尽管已有学者基于实验数据建立了多种经验关联式，但这些公式通常适用范围有限，尤其在气体组成多变、地层水化学成分复杂的情况下预测误差较大。因此，发展一种兼具高精度、强泛化能力和操作简便的预测模型，成为该领域一个重要的研究课题。

界面张力的大小受到温度、压力、气体组成和水溶液化学成分等多种因素的复杂耦合影响。压力是其中最显著的影响因素之一，一般而言，随着系统压力升高，二氧化碳密度增大，与水的溶解度增加，分子间相互作用增强，导致界面张力显著下降。温度的影响也较为重要，升温通常会降低界面张力。除了这些热力学参数，气体组成的变化也不容忽视。在实际封存环境中，二氧化碳流中常含有氮气、甲烷等杂质气体，这些组分的混入会改变混合气体的物理化学性质，从而对气水界面张力产生直接影响。另一方面，水相即地层水的组成更为复杂，其中溶解的电解质离子是影响界面张力的关键。研究表明，一价阳离子（如Na⁺、K⁺）和二价阳离子（如Ca²⁺、Mg²⁺）的浓度增加，通常会导致界面张力上升，这主要是由于离子在水相表面的分布影响了界面处的分子排列与相互作用力，且二价阳离子由于电价更高，其影响通常比一价阳离子更为显著。这些因素之间存在着强烈的非线性关系，使得通过简单的线性或多项式回归难以实现精确的全局拟合。

为建立可靠的预测模型，研究系统收集和整理了公开发表的1677组由悬滴法测得的二氧化碳+水溶液体系界面张力实验数据。这些数据覆盖了广泛的工况条件：压力从1兆帕到40兆帕以上，温度从室温到超过100摄氏度，气体中甲烷与氮气含量最高可达20%，水溶液总矿化度范围宽广，并包含了从纯水到含多种离子的盐水体系。在模型输入参数的遴选上，研究采用了科学的逐步回归分析方法，确认了压力、温度、气体中甲烷含量、气体中氮气含量、水相中一价阳离子总浓度和二价阳离子总浓度这六个参数均为对界面张力有显著影响的变量，并将其全部纳入模型输入端。在建模前，对所有数据进行了归一化预处理，以消除量纲差异，加速模型收敛并提升训练稳定性。

本研究创新性地构建了小波神经网络模型来进行界面张力预测。该模型本质上是将小波分析理论与传统的BP神经网络相结合。其核心优势在于，用具有良好局部时频特性的小波基函数（本研究采用Morlet小波）替代了传统S型函数作为隐含层的激活函数。小波基函数具有伸缩和平移的能力，能更有效地捕捉和逼近数据中不同频率的特征，从而在理论上赋予了网络更强的函数逼近能力和容错性能，有助于克服传统BP神经网络易陷入局部极小值、对初始权重敏感等固有缺陷。模型的构建与训练过程严谨：首先将全部数据随机划分为训练集和测试集；通过试算法优化网络结构，即系统性地改变隐含层神经元数量进行多次训练，最终确定了输入层6个节点、隐含层16个节点、输出层1个节点（即6-16-1）的网络架构为最优，该结构在保证精度的同时避免了过拟合。模型通过最速下降法与动量因子结合的方法进行迭代训练，不断调整层间连接权重及小波函数的伸缩平移参数，直至预测误差最小化。

模型性能评估结果表明，基于839组数据训练得到的小波神经网络预测精度优异。在独立的测试集上，其预测结果与实验值的平均绝对误差低至1.23 mN/m，平均相对误差仅为3.30%，预测值与实验值之间的相关系数高达0.988。为验证其先进性，研究将其与最新的多元拟合模型以及标准的BP神经网络模型进行了对比分析。结果显示，多元拟合模型在界面张力较高（>60 mN/m）的区域预测偏差较大，整体相关系数较低（0.756），这暴露了多项式模型在刻画复杂非线性关系时的局限性。标准BP神经网络模型的表现（相关系数0.875）虽优于多元拟合，但其预测误差分布相对离散，部分数据点偏差明显，这正体现了其易受初始值影响而收敛于局部最优解的不足。相比之下，小波神经网络模型的预测结果均匀紧密地分布在45度理想线两侧，各项误差指标均显著优于另外两种模型，证明了其融合小波变换的策略有效提升了网络的全局寻优能力和预测稳定性，能够更精确地刻画多因素与界面张力之间复杂的非线性映射关系。

综上所述，这项研究建立的小波神经网络模型为快速、准确预测复杂条件下二氧化碳+水溶液体系的界面张力提供了一个强有力的工具。模型综合考虑了热力学条件、气体杂质和地层水化学等关键现场因素，其高精度和强鲁棒性使其在二氧化碳地质封存项目的选址评估、注入方案设计以及长期安全监测中具有重要的应用价值。该数据驱动方法不依赖于具体的物理方程，其精度很大程度上依赖于所使用训练数据的质量和覆盖面。未来，随着更多高质量、更广范围实验数据的补充，可以进一步对模型进行更新和训练，从而持续扩展其预测边界和应用范围，使其更好地服务于碳中和背景下的碳捕集、利用与封存技术发展。