油田开发是一个复杂的非线性动态系统,涉及油田开发与地质研究、开采过程模拟分析、油层生产状况判别等多方面的内容。由于地下油藏在形成过程中受复杂的地质沉积环境以及物理、化学条件的影响和约束,各种变量之间的作用关系十分复杂。目前,油藏地质和开发系统仿真主要存在两个方面的困难：一是建模对象复杂,实际油藏系统存在着多种不确定、不确知以及难以定量描述的非线性特性；二是油藏多学科精细研究和开发生产对系统建模提出了更高的精度要求,迫切需要提高油藏系统模型的描述能力和建模方法的灵活性、适用性以及智能化水平。系统仿真是以计算机为主要工具,通过运行实际系统的仿真模型和算法,对系统输入/输出的信息进行分析与研究,以实现对实际系统运行状态和变化规律的综合评估与预测,是分析、评价系统运行状况或按照给定的性能和功能要求对新的系统进行优化设计的一种技术手段,已成为研究各种系统、特别是非线性动态系统的重要工具。本课题针对油田地质和开发研究中的若干典型问题,研究基于智能计算理论的系统仿真模型建立方法、模型求解算法和应用技术。理论及模型研究部分主要针对油藏描述和油气开采过程中典型实际问题,研究基于动态神经网络信息处理机制的非线性时变系统建模方法、基于非线性规划理论的判别分析模型以及模型结构和参数的优化方法。论文建立和改进了动态输出过程神经网络、模糊过程神经网络、过程支持向量机等用于油田开发过程模拟与预测的仿真模型,并对模型的连续性、函数逼近能力和适用条件等性质进行了分析和研究；提出了进化算法与非线性规划相结合的地层对比和油井开采状况智能分析模型,以及基于过程神经元网络的动态识别与预测分析模型。学习算法部分主要针对所建立智能模型的结构特征和映射机制,研究具有较高效率和稳定性的学习算法,构建了基于LMS-CGA的混合学习算法、基于数值积分与粒子群相结合的学习算法和基于最优分段函数逼近学习算法等智能模型求解方法,较大提高了网络的学习效率、稳定性以及实际应用能力。在应用技术研究和实际应用方面,建立了针对不同信息处理问题的智能仿真模型应用方法和技术,并应用于油田开发动态系统过程模拟、开发动态指标预测、油藏参数优化计算、小层沉积微相和油层水淹状况自动判别、地层对比和异常井生产状况诊断分析等实际问题的求解,取得了良好的应用结果。