油水井测试是了解油田生产状况、预防和解决生产问题的关键,但在测试前选井的问题上,一直没有成形的标准和方案。因此,利用目前已有的大量数据资源和数据挖掘技术,为油田提供一个适用的井口分类方法,对解决测试前选井的问题具有重要意义。论文通过对油田现有数据结构分析,将基于特征的时间序列聚类作为研究点。研究内容包括:(1)分析特征集代替原始时间序列进行聚类的适用性,进行了特征项提取和特征集构建。在数据处理过程中,采用了小波变换法将时间序列数据多层分解,把多种影响因素剥离,从而有助于分析、提取其特征。(2)采用均值聚类和层次聚类组合的方式对特征集进行聚类,使得聚类结果在满足规定要求的测井数目的前提下,能结合实际状况调整真正要测试的井的个数,实现测试方案的优化。(3)构建基于数据智能的油水井测试方案优化软件,借助软件从油田历史数据信息中构建特征集后进行井口聚类、状态划分,从而实现理论研究的应用价值。论文在Windows平台上搭建基本开发框架,应用Java和Matlab混合编程思想,设计实现油水井测试方案优化模型软件。分别在油井和注水井数据集上进行实验,结果表明提取特征集后再聚类的方法对于大多数的井能获得良好的归类划分,为油田在测试前选井的问题上起到辅助决策的作用。