随着我国老油田进入到开发后期,油田含水率上升、原油采出量减少,如何更新技术手段保证原油采收率是稳定油田生产的重要措施。三元复合驱是一种重要的提高原油采收率的三次采油技术,大量的矿场试验均取得了不错的效果。但是,三元复合驱价格高、开发时间长、见效慢、模型复杂。为了获得最大的经济效益,需要制定出科学有效的开发方案。本文提出多尺度小波核极限学习机优化相对渗透率数据提高油藏模型精度,建立基于动态记忆小波神经网络的三元复合驱时空分解模型,同时以最大净现值收益为优化目标,采用近似动态规划方法进行求解,获得最优控制策略。针对原始果蝇优化算法在寻优过程存在的不足,借鉴已有成果,本文对其进行了改进研究,提出了一种改进的果蝇优化算法。本文为算法引入变异操作,并定义进化速度因子指导算法的变异过程,并引入自适应的迭代步进值长,使改进算法具有更强的全局搜索能力和局部寻优特性,显著提高了搜索精度和收敛速度。通过对六个标准测试函数和CSTR过程的最优控制问题进行优化测试,验证了改进算法的有效性。油藏相对渗透率数据是进行油藏数值模拟开发的重要基础数据。针对相对渗透率曲线计算复杂度高、准确率低的特点,本文利用小波函数的多尺度特性结合核极限学习机方法,提出了基于多尺度小波核极限学习机的油水相对渗透率计算新方法,并采用改进的果蝇优化算法优化相关参数。利用实验数据进行仿真验证,仿真结果表明所提方法具有较高的准确度,有一定的应用价值。三元复合驱是一种具有无穷维特性的分布参数系统,在求解其数学模型时需解高阶偏微分方程,因而计算复杂度高、效率低。针对以上问题,并结合三元复合驱特性,本文采用K-L方法对三元复合驱系统中的网格含水饱和度进行时空分解,分别得到空间基函数和时间系数。针对油藏动态特性,本文提出了动态记忆小波神经网络(DRWNN),先使用改进的果蝇优化算法确定网络初始权值,然后使用动态梯度下降法进一步优化网络权值,提高算法的动态建模能力。以三元复合驱注入浓度为输入,分解得到的时间系数为输出,采用DRWNN辨识得到时域模型,综合空间基函数即可得到含水饱和度与注入浓度之间的动态模型。同时采用DRWNN建立生产井对应网格含水饱和度和采出含水率之间的动态模型。综合以上两种模型,得到基于DRWNN的三元复合驱时空分解模型。通过油藏数模软件CMG获得用于模型辨识的三元复合驱四注九采数据,使用上面所提方法进行建模,最后对模型进行随机验证,仿真结果表明模型具有较高准确性。针对三元复合驱的注入策略动态优化问题,本文以最大化净现值收益为优化目标,采用近似动态规划方法进行求解。其中,基于所建立的DRWNN三元复合驱时空模型,利用网格含水饱和度构造基函数,采用Actor-Critic算法对控制策略和值函数分别使用线性函数进行近似逼近,通过迭代得到最优控制策略和最优值函数,仿真表明该方法显著提高了三元复合驱的净现值收益。