油田开发过程是一类复杂的非线性动态人与自然交互系统。随着油田开发进程的推进,油藏中油、气、水分布,储集层孔隙度、渗透率、泥质含量等岩石、物性、含油性指标发生了复杂的动态变化。与油藏初始状态相比,数据分布特征与油藏属性关联性变差,越到后期就难以用确定性的机理模型和统计公式进行准确地描述。伴随着我国油田多年的勘探开发工作,同时也积累了丰富的多学科动静态数据。如果能够利用地质统计学和人工智能信息处理方法,通过对油藏多学科数据的分析,建立起新的适用于油藏开发地质特征演化规律分析评价的方法和模型,则可为当前油藏区块评价和井组单元开采现状研究提供一种新的方法。本课题利用某油田开发区块积累的丰富数据资料和认识规律,面向油田开发地质参数演化规律、开发指标变化特征、油层水淹状况评价等典型问题,基于油田开发多学科大数据,开展基于地质统计学、动态神经网络的预测方法研究。论文的主要创新工作包括以下几个方面:1、建立油田多学科数据的组织和应用模型。课题在研究区块所收集到的资料包括地质、测试、生产动态、取心井分析资料等多学科油田动静态信息和过程数据。面向课题数据分析主题,建立多学科数据的组织和应用模型。2、基于地质统计学方法进行储层参数预测。根据研究区块地质特征,构建符合储层沉积理论的泛克里格预测方法。根据储集层钻井测井解释结果和取心井岩心分析数据,实现储层孔隙度、渗透率、泥质含量等物性参数的平面分布预测分析。3、基于径向基过程神经网络的开发指标预测和油层水淹状况判别。考虑油田开发地下储层性质变化的复杂性,基于油田生产数据和取心井岩心分析数据,构建径向基过程神经网络模型和算法,实现对研究区块开发指标的动态预测和油层水淹状况的判别。4、研制开发应用软件系统。基于上述研究的成果,研制开发应用软件系统,实现对油藏地质参数和开发指标的预测分析。论文面向油藏开发地质实际研究问题,以油田数据为基础,建立了在信息处理机制上符合油藏地质参数演化规律和开发指标变化特征的预测模型,开发了应用软件系统,实际资料处理取得了较好的结果。