随着油田生产开发不断深入,三次采油工业化规模逐年扩大。由于影响区块产量因素繁多、聚驱生产分析方法与知识体系不健全、生产单元维护维修成本高等原因,导致区块开发矛盾日显突出,三次采油精细开发管理较为困难。因此,聚驱生产对实时有效的动态分析和预警预测要求日益迫切。目前,数据挖掘是实现生产预警较为有效的方法,但在生产异常模式挖掘过程中存在数据计算量大、单一智能工具问题求解能力受限和生产异常并发等问题,导致其难以大规模应用于聚驱生产预警。近年来,混合智能技术不断发展与成熟,为智能化辅助决策油田生产提供了一种新的方法。本文分析了聚驱生产动态预警的工作原理及应用需求,在剖析了国内外生产预警与混合智能技术基础上,提出了一种基于混合智能的聚驱区块生产动态预警方法,为聚驱生产动态辅助决策提供实时性强、有效性高的服务支撑。首先,设计了混合智能聚驱区块生产动态预警模型,并分析了模型中的待解决问题：其次,针对待解决问题,深入研究聚驱生产动态数据的集成与管理方法、聚驱异常模式挖掘方法以及聚驱生产异常模式推理与匹配机制,寻求具体解决方案,为整体模型提供技术支撑；最后,结合聚驱区块生产管理的实际工作流程和业务需求设计聚驱生产开发管理平台,并分析系统实际工作效果。本文主要研究内容如下：1.提出混合智能聚驱区块生产动态预警模型(HI-DEMP)本文针对聚驱生产数据特点、生产预警应用需求及存在问题展开相关研究；重点研究聚驱生产动态预警的工作原理、流程及关键技术,分析混合智能技术在聚驱生产预警中的可行性和优势,设计了基于模式挖掘的聚驱生产动态预警流程：提出了一种运用混合智能技术实现的聚驱区块生产动态预警模型架构,详细阐述了模型整体结构、各层次功能和待解决问题；引用多Agent系统、不确定性推理等相关技术,实现对聚驱异常的有效准确预测,为聚驱生产预警提供了新的方法。2.重点研究HI-DEMP的聚驱生产数据集成与管理方法、聚驱异常模式挖掘方法及聚驱生产异常模式推理与匹配机制。首先,研究基于多Agent的聚驱生产数据集成与管理方法。通过分析模式挖掘的数据样本单元组成,设计异常案例样本结构,结合聚驱生产管理工作流程及数据特点,构建聚驱区块生产动态数据模型；并在数据模型基础上,引入多Agent系统,建立Agent单体结构、多Agent系统框架、通信机制和管理策略,提出基于Agent的聚驱数据集成管理模型,实现对聚驱生产数据的有效集成和整合。其次,研究聚驱区块生产异常模式挖掘方法(PFD-Him方法)。该方法分析并归纳不同聚驱预警类型的模式挖掘过程,以紧耦合混合模式为基础,提出了阶段式多处理过程混合模式(SMP混合模式)；利用时序化数据处理方法,完成有效影响因子的筛选和数据预处理：采用时域和频域参数,引入径向基的类内距差改进特征评估方法,提取和选择异常敏感特征；运用ANFIS方法,设计C-ECM结构完成模式的挖掘和解释。最后,研究聚驱生产异常模式推理与匹配机制。首先,构建聚驱区块生产异常模式知识库,提出由规则衍生知识的设计思想,引入算法库作为C-ECM结构的执行实体,描述了生产异常模式在知识中的存储方式和解释方式,建立知识与规则的继承关系,设计基于多级框架的知识表达结构；其次,研究模式推理与匹配,应用反射推理技术,采用论据累计的贝叶斯方法和确信因子算法,实现模式的不确定性推理过程；同时,通过实验验证预警推理模型的可行性和应用效果。3.聚驱区块生产动态预警方法实证分析以聚驱生产业务的日常管理和分析为应用背景,以HI-DEMP模型为基础,以提高三采室在生产预警、动态分析等方面的智能化水平为目的,设计并开发聚驱生产开发管理平台。详细描述了平台概况、总体设计、关键技术等几方面内容,并通过真实环境下实际数据测试和分析,表明系统应用能够实时、有效的实现聚驱生产动态预警。研究结果表明,基于混合智能的聚驱区块生产动态预警方法能够较好的解决当前聚驱区块生产动态分析和预警预测问题,同时,通过延展研究和分析,该方法为处理水驱区块的生产预警应用提供了一种新的思路。