非线性现象是在工程技术、科学研究以至自然界及人类社会活动的各个领域普遍存在的问题。非线性系统辨识成为目前国内外众多学者致力研究的一个热点问题。RBF 神经网络理论为非线性系统辨识提供了有力的工具。如何找到一种更加行之有效的 RBF 神经网络学习算法具有重要的理论意义和应用价值。 针对多数原有算法的计算量大、学习速度慢等缺点,本文在深入研究系统辨识理论和RBF 神经网络理论的基础上采用一种新型混合算法。该混合算法包括优选聚类算法和新型二阶学习算法。　针对油田中试井解释的特点,采用新型基函数网络模型进行建模;通过对油田累积产油量系统的机理分析和趋势性分析,采用函数型连接网络模型进行拟合和预测。用这些神经网络作为油田系统辨识现代描述方法,具有很高的精度。依据某油田几个采油厂不同区块的数据进行网络学习训练和预测,均得到很好的结果。 用本文的混合算法对不同的非线性系统进行仿真,仿真结果表明了本文方案的有效性。