在油田开发过程中,产能预测是油田开发的一项重要内容。油田产能的精确预测在于提取可靠的预估资料,其目的是为采油厂的各项职能活动提供决策依据。油田的开发过程具有不可重复性和不可实验性的特点,因此准确而又符合实际的产能预测对油田的开发和生产具有重要的指导作用。小波分析和神经网络在近些年发展非常迅速,研究表明,小波分析和神经网络在许多领域具有广阔的应用潜力。小波分析具有良好的时域、频域及多分辨率分析能力;而人工神经网络具有很强的非线性函数逼近能力、自适应学习能力、容错能力和并行信息处理能力。本文结合两者优点,应用小波分析和神经网络的方法对地层油气预测进行了深入的研究,拓宽了小波分析和神经网络在油气预测中的应用范围,完善了在油气预测中的应用方法,为进一步有效、快速、方便地分析和预测油气产能提供了全新的思路和方法。本课题是以油田科技攻关项目为背景,以节约生产成本、提高生产效率为目标,围绕地层油气产能预测展开一系列研究工作。研究目标是找出地层油气产量的发展规律,建立一个实用的产能预测模型并实现精确预测。本文首先阐述了小波分析和神经网络相关技术,以及各自在油气产能预测中应用的基本思想。然后深入分析常用的油气产能预测方法和模型,经过分析比较采用了基于小波分析和神经网络的组合预测方法,该方法包括两部分:一是用小波分析对测试曲线数据进行分解和重构,以消除数据中的噪音部分;二是用除噪后的数据训练神经网络,再用训练好的网络模型进行油气产能预测。最后采用具体实例对模型进行实证分析,检验模型的有效性。实例及结果表明,本论文建立的石油产能预测模型精度较好,且可以克服数据较少的缺点,拓展石油产能预测的理论。该模型可以推广应用到其他类似的采油厂,以便为我国石油产能的预测分析提供一个很好的基础。