数据挖掘是从大量数据中识别出有效的、新颖的、潜在有用的以及最终可理解的知识和模式的高级操作过程,因此,数据挖掘也是一个模式识别和发现的过程。计算智能是目前人工智能研究领域十分活跃和比较成功的一个分支。计算智能是用计算的手段或方法来获取和表达知识,并模拟实现智能行为的一个学科。计算智能方法中集中了许多领域知识的最新成果,运用它们可对数据集中的模式进行分类、聚类、分析、预测、建模等数据挖掘任务。基于计算智能的数据挖掘的最大特点是可以模拟人类的思维方式灵活的进行数据处理,且计算智能方法本身具有自适应和自组织的学习机制,不需要建立问题本身的精确模型,也不依赖于知识表示,而是直接对输入数据进行处理并得出结果。论文对数据挖掘、计算智能的研究现状、发展趋势及应用领域进行了分析,介绍了数据挖掘、计算智能的基本概念、基本模型和实现方法。针对信息挖掘所要解决的问题,归纳构建了适合于信息挖掘问题特点的神经网络、支持向量机、遗传算法、粗糙集等计算智能模型,实现对分类、聚类、分析、预测、关联等数据挖掘任务的处理,并对各计算智能挖掘模型特点和适用的信息挖掘任务进行了分析。基于构建的用于信息挖掘的计算智能模型,设计并开发了基于计算智能的数据挖掘系统“基于计算智能的信息挖掘工具包”。信息挖掘工具包CI-InfoMiner以关系数据库为底层数据支持,包括数据清洗、数据转换、数据抽取、信息挖掘、结果评估和知识表示等信息挖掘各阶段的信息处理,同时定义了信息挖掘工具(算法模块)的标准输入输出格式和二次开发接口。结合油田勘探生产实际,基于构建的计算智能信息挖掘模型,以油田勘探开发数据库为实验数据,使用信息挖掘工具包应用于水淹层识别、沉积微相识别、复杂岩性模式聚类、地层对比等实际油田研究问题,并取得了较好的应用效果。