本论文设计了一套基于自适应混沌粒子群算法(ACPSO)的BP神经网络分层注水系统。该系统能够准确地计算分层段注水量，使得分层注水各层得到有效动用，提高采油效率。以分层注水量的预测为核心，以注水量预测结果为基础，计算注水过程中的压力、分层水嘴尺寸及注水系统效率。并根据本文的研究结果开发了一套分层注水智能预测软件。主要研究内容包括：1.ACPSO结合BP神经网络:本文动态调整学习因子以优化粒子群算法的全局搜索能力和局部搜索能力；混沌优化粒子群初始值，避免寻优的盲目性，增加粒子的遍历性与算法的稳定性；根据群体早熟收敛程度自适应地调整惯性权重，保证算法收敛到全局最优。用两个经典函数对混沌自适应粒子群算法进行测试，分析算法的优劣。通过ACPSO寻找到的最优解更新代替BP神经网络通过误差反传算法对权值与阈值的更新。2.分层注水量的预测：确定影响分层注水量的因素，并建立基于的BP神经网络分层注水量预测模型，以影响因素为输入层，注水量为输出层，对网络进行训练。应用训练好的模型对注水量进行预测。并通过对预测结果与单个影响因素之间的关系曲线的分析，来验证预测结果的准确性。3.注水系统的设计：根据注水压力的计算公式，将预测所得每层注水量带入其中，从而对注水压力进行预测；通过循环试算的方式对水嘴的尺寸进行计算，从而避免水嘴尺寸不准确而造成的水嘴反复投捞；通过增加注水效率的计算，查看注水效果并完善系统的设计。