油田预警是一类带有许多不确定因素的问题。其中又有许多因素没有历史数据,无法实现科学计算。传统的预警方法有许多的局限性,致使分析与预测的结果也不精确。当前人工智能和数据库领域研究的热点之一是数据挖掘技术,它能解析数据库的大量数据,从中挖掘出丰富而又客观的有用的知识。将数据挖掘技术运用于预警领域,不仅丰富了油田预警中预测的理论与方法,而且对石油资源的合理规划和可持续地开发利用提供了科学的决策依据与技术支持。为了保持油田产量正常的生产,本课题试图通过寻找历史生产数据的变化规律,找到报警的产生模式,将这些模式应用于预警中,有效指导石油生产。本文根据预警理论、数据挖掘技术中的人工神经网络理论、油气田开发理论,又综合油田生产实际情况,建立了本文研究与应用的框架。其次,通过总结多方研究后,再根据专家意见,几轮反复考虑油田开发指标以及相应的油田历史生产数据后,选择了10个与原油产量密切相关的主要因素,作为生产预警指标。最后,根据结合油田实际情况,建立生产预警指标体系。分析了现代基于数据挖掘技术的几种传统预警模型之后,建立了基于BP人工神经网络的预警模型,通过BP人工神经网络预警模型对历史生产数据及所处的警度区间的训练学习,得出其潜在的变化规律,因而能了解未来的生产趋势。根据油井生产预警模型的计算结果,从警兆指标变化分析入手,得出影响油田产量预警模式,同时将这些模式应用于开发动态预警系统中使预警结果更准确,达到及时的预警,为石油生产提供指导。