油田开发指标预测是实现油田科学合理开发、保证油田稳产的重要途径。油田开发指标预测常用的方法主要有油藏数值模拟、物质平衡法、经典公式法等,这些方法通常都是基于少量样本建立的预测模型,校正后可用于快速预测开发指标,但当样本数据增多时,往往会出现拟合效果降低的情况,导致预测精度下降。由于油田开发指标与其影响因素之间是一种不明确的非线性关系,导致常规的预测方法存在模型建立困难、误差较高、计算量大等缺点。针对这一难题,利用人工神经网络能无限接近任意非线性函数的功能,可实现对油田开发指标的准确预测。本论文选用K-近邻算法对油田现场数据进行预处理,从定性和定量两个方面对油田开发数据进行分析,利用随机森林算法对影响单井产油量因素的贡献度进行排序并确定主要影响因素,作为后续遗传算法优化BP神经网络预测模型的输入变量。通过分析遗传算法和BP神经网络,建立了遗传算法（GA）优化BP神经网络的预测模型,利用该模型实现了单井含水率、累计产油量指标的预测,并通过拟合计算单井控制储量进而预测单井采收率,根据采收率预测结果并结合累计偏差系数法从4口典型油井中筛选出2口潜力井,通过童氏图版法间接验证了遗传算法优化BP（GA-BP）神经网络预测模型的可行性和准确性,对GABP神经网络预测模型进行了推广,并对同一区块的50口井进行预测并分类筛选出15口潜力井。为了提高筛选出潜力井的产能,选择压裂增产措施,从选井选层两个方面分析影响压裂的因素,并确定了影响压裂的主要因素。针对压裂效果（增油量、增油有效期）预测问题,引入鲸鱼优化算法（WOA）优化Elman神经网络,建立了四层结构的鲸鱼优化算法优化Elman（WOA-Elman）神经网络预测模型,预测表明,实施压裂措施后,潜力井产能有较大提升,通过数学方法（平均相对误差、均方根误差）验证了预测模型的可行性和有效性,并对WOAElman神经网络预测模型进行了推广,对筛选出的同一区块的15口潜力井的压裂效果（增油量、增油有效期）进行了预测。