目前国内外许多油田都已进入开发中后期,这一阶段的油田通常面临含水率较高、产量递减速度快等问题。如何制定合理有效的开发方案或措施调整方案是当前国内外油藏开发面临的重要问题。这一工作的完成不仅需要措施技术和工艺水平的提高,同时也需要对油藏开发动态进行准确地预测,从而反映当前开发状况,对制定开发方案和措施调整方案进行指导。然而油藏开发动态受诸多自然因素和人为因素的影响,油藏开发动态指标与其影响因素之间呈现出较为复杂的关联关系,因此对油藏开发动态进行准确预测十分困难。另外,随着国内外油藏开发年限的增长和开发规模的扩大,在进行油藏开发动态预测时需要对大量数据进行处理,因此如何高效地进行这项工作也逐渐成为新的挑战。本文针对目前油藏开发动态预测中面临的主要问题,基于灰色系统理论和核方法建立针对不同条件下的油藏开发动态预测模型,并基于最优化方法研究核方法预测模型的快速训练方法,以达到准确和高效预测的目的。基于上述思想,本文开展以下几个方面的研究：(1)从理论层面分析和总结灰色单变量离散预测模型的推导方式,基于这两种推导方法提出两种灰色多变量离散预测模型。通过理论分析研究离散模型与传统模型之间的区别和联系,并利用算例分析验证离散预测模型的优势。同时,通过理论分析讨论灰色预测模型与传统Arps递减之间的理论联系,从而说明灰色预测模型与油田产量递减规律之间的联系,为利用灰色预测模型进行油藏开发动态预测提供理论基础。(2)通过对传统核方法预测模型的建模过程的研究,抽象出核方法建模的主要思想和一般步骤。利用核方法建模技术建立Arps递减模型的非线性扩展模型,新模型同时包含了产量递减规律和产量与影响因素之间的非线性关系。利用算例分析验证了非线性模型与线性模型在动态预测中的不同,指出了非线性模型的优势。(3)利用核方法对传统灰色多变量预测模型进行非线性改造,提出了一种基于核方法的多变量灰色预测模型,使得核方法处理非线性关系的能力和灰色预测模型在小样本建模中的优势得以结合。利用算例分析验证了该模型在处理小样本非线性动态预测中的优势。(4)基于序贯最小化最化算法(SMO)和共轭梯度算法,研究了上述核方法模型的快速训练方法。利用算例分析对两种算法的收敛性、收敛速度和精度进行了详细讨论。(5)利用实际的油藏开发动态数据建立动态预测模型,并对上述四个预测模型的预测精度进行了详细对比。分别针对各模型在线性、非线性和小样本、大数据的情况下的优缺点,从而得出各模型的适用条件。同时,在应用实例中对比分析了SMO算法和共轭梯度算法的运算效率和精度,指出了在实际的开发动态预测中更具有优势训练算法。