注气驱注入气体突破后,气油比迅速上升,产量急剧下降。并且高气油比会降低泵效,甚至发生气锁使泵不能正常工作。油井流入动态是制定油井工作制度的基础,但还没有针对注气驱的流入动态研究。针对这些问题,在研究注气驱替机理的基础上,分析其产能及流入动态,为注气驱抽油机泵的优选、工作参数的调整提供可靠的依据,就显得尤为重要。　　 本文分别应用注气驱数学模型、全组分油藏数值模拟、人工神经网络研究了注气驱的产能公式和流入动态曲线,并做了参数敏感性分析。研究结果表明,注气非混相驱过程中,油藏中分为纯气区、两相区、纯油区三个渗流区域,产能公式分为突破前和突破后两部分,突破后产量需根据组分总分流量进行计算。注气驱流入动态曲线在突破前采出程度较低时为“S型”曲线,在突破后部分情况会出现有最大产量点的“反S型”曲线。两者均可用高斯函数和Sigmoid函数进行拟合,拟合精度较高。其中“反S型”曲线的拟合参数分别对应了最大产量点和最佳井底流压。注气量、绝对渗透率、相渗曲线、原油组分等参数会对IPR曲线的分布产生影响,但无因次IPR曲线却基本一致。另外,注入气体突破后的产量递减曲线符合双曲线递减,可由推导的公式近似估算产量。最后,研究表明人工神经网络用于IPR曲线预测是可行的,且具有较高精度,满足工程需要。其中,BP神经网络的过拟合问题,可由采用LM贝叶斯正则化算法的改进网络消除。广义回归神经网络需要人为调节的参数少、训练速度快、泛化能力高,具有很强的优势。