油田经过长期的水驱、聚驱开发后,已进入开采高含水期。为了提高油田的产油量,往往需要应用堵水、控注、停注等常见技术,这些技术已经成为提高产油量的重要方法。目前随着低效井日益增多,人工分析低效井数据的复杂性较高、速度较慢,堵水、控注和停注的影响因素比较复杂。因此,结合油田历史数据和动静态数据综合研究,将计算机技术引入到治理措施井的实际业务中,采取人工智能技术辅助判断待治理的低效井,为待治理的低效井推荐相关的治理措施,从而构建油田水驱低效注采识别及辅助治理系统,以对油田产油量的增加提供帮助。本文为了解决油田在二次开采过程中所需要治理的低效井数量多和治理低效井的难度大等实际存在的问题为研究目标,首先,通过单井效益评价图版计算筛选出低效井,并根据计算结果确定低效井中的低效层,给出治理低效井层的治理措施,从而设计低效井层的识别及辅助治理系统,其次,对低效井层的智能优选和治理措施以及效果预测的方法进行研究,利用BP神经网络算法建立低效井产量的预测模型,保证治理后增油量的提高,把专家系统的知识运用到低效井治理措施中,设计出低效井选井选层的推理方法,不仅会使优选低效井层的分析难度大大降低,而且还提高优选结果的正确率和有效性,最后,结合油田治理低效井以及选井选层的实际存在问题和需求,开发了油田水驱低效注采识别及辅助治理系统,系统实现了分析低效井治理措施合理方法与决策,为油田提高产油量提供科学依据。采用面向SOA架构对油田水驱低效注采识别及辅助治理系统进行设计和实现,融入了多年人工选井积累的经验和方法,系统具有全面性的功能设计,操作简单易懂,运行省时省力,通过系统的应用实现了低效井治理措施辅助分析与决策,大大提高了工作效率,同时为油田标准化管理提供有效的辅助分析工具。