聚类分析作为数据挖掘领域中的一个重要研究方法得到了研究人员的广泛关注。其思想来源于图的划分,将数据聚类问题转换成图论中对图的最优分割问题。主要目的是将所需处理的数据对象通过“类内相似最大化,类间相似最小化”的准则分成不同的类或簇。谱聚类算法与图的谱相关,与其他典型聚类分析算法相较,谱聚类算法降低了对样本空间的形状要求,同时也有效地解决了一些算法的局部最优问题。本文在已有研究基础上,对谱聚类算法进行了部分改进。针对传统谱聚类算法中自动确定类别数目以及特征向量选取困难的问题,提出了利用特征值间隔自动确定类别数目及选取特征向量的谱聚类算法。算法使用数据构造出拉普拉斯矩阵,然后求解拉普拉斯特征值及特征间隔,用特征值间隔确定聚类数目以及有用的特征向量。最后利用K-means算法对选出的特征向量进行聚类,最终得到社团划分的结果。为了测试算法的可行性以及划分结果的准确性,使用Matlab软件对常用基准网络数据进行实验,结果表明算法有效、可行。在油气生产过程中,预先较准确地预测油气产量对石油开采的部署有重要意义。通过对油气田生产环境中的单井进行建模并处理,使其变成谱聚类算法可处理的数据。然后运用本文提出的谱聚类算法,得出单井的分类,利用分类结果进一步对油气产量进行预测。对单井的油气产量预测时,不仅考虑单井自身因素而且将同一簇内与之有关联的井的影响因素考虑在内,提高了预测产量的准确性。经过实例可以得出谱聚类算法能够有效应用于油气产量预测中。本文的主要成果有:(1)提出了一种自动确定特征向量与类别数目的谱聚类算法,使用Matlab软件对算法在实验网络上进行测试,结果表明算法可行、有效;(2)将本文提出的自动确定特征向量与类别数目的谱聚类算法应用到油气产量预测中。对油气田生产环境中的单井进行建模处理,用谱聚类算法进行聚类分析得出单井的分类,利用分类结果对单井油气产量进行预测。