随着油田开采的逐步推进,大多数油田需要通过注水来保持地层压力、稳定产量。油田注水需要以精确注采模型为指导,而且缺乏有效控制的注水不仅无法保持地层压力,反而会破坏地层平衡,不利于油藏开发。所以现阶段油田迫切需要一种更加精确的油田注采模型构建方法和更有效的油田注水控制方法。因此本文将小波神经网络建模方法引入到油田注采系统建模中,并基于小波神经网络模型对预测控制算法进行改进研究。（1）为了用控制思想解决油田注采的优化问题,本文结合注采井组的物质平衡微分方程对注采过程进行推导,说明了用RC电路模拟采油过程的合理性。（2）基于混合智能优化算法的小波神经网络油田注采系统模型建立。为了对传统油田注采系统建模方式进行改进,本文引入小波神经网络建模。针对小波神经网络梯度下降寻优方式存在的问题,提出一种混合智能优化算法对其进行改进。该算法具有遗传算法全局寻优和天牛须算法局部寻优的优势,保证了算法的全局寻优能力和寻优精度。最后基于该混合智能优化算法改进的小波神经网络建立了油田注采系统模型。（3）基于小波神经网络预测控制算法的油田单注单采系统控制研究。为实现油田注采系统的优化控制,本文引入预测控制算法。鉴于传统预测控制算法难以处理实际工业对象的非线性、时变性问题。因此本文将小波神经网络可以应对非线性和时变性的优势与预测控制算法相结合,改良了传统预测控制算法控制效果,并对油田单注单采模型进行控制。（4）基于小波神经网络分布式动态矩阵预测控制算法的油田多注多采系统控制研究。目前成熟油田中油井密集,简单的单注单采系统的控制难以有效解决耦合严重的油田注采系统的控制问题,所以本文引入了分布式预测控制算法。同样针对油田注采过程中的时变问题,用被控对象的小波神经网络模型对分布式动态矩阵预测控制算法中动态矩阵的求取进行了改进,并对油田多注多采模型进行控制。本文用基于混合智能优化算法的小波神经网络对传统油田注采系统建模方式进行改进,并将小波神经网络应对非线性和时变对象的能力与预测控制算法相结合,用改进后的预测控制算法对油田单注单采和多注多采系统的简化模型进行控制仿真研究,证明了算法的有效性,可以为未来智能油田的发展奠定一定基础。