实际工业过程中,广泛存在被控对象非线性强、参数时变或干扰作用强的问题,为控制算法的设计带来了难题,当前针对这类问题主要采用自适应控制算法。本论文在前人自适应控制的基础上,结合具有良好工业易用性的预测控制和逼近非线性函数效果较好的神经网络技术,对一种以神经网络为基础的自适应预测控制算法进行了较为深入的研究,取得了一些成果。广义预测控制中,模型建立后虽然能在线自适应调整模型参数,但由于模型结构无法改变,不管参数如何改变都不能抵消因为模型结构与被控对象不符产生的模型输出误差。本文设计了一种自适应预测控制的算法,将广义预测控制和神经网络进行结合,在利用广义预测控制计算模型的参数同时,也利用神经网络计算模型的输出误差,并用误差校正模型的输出,实现算法的自适应性。仿真结果表明算法有良好的自适应预测控制效果。然后针对智能井系统这一石油开采中先进自动化控制系统,应用本文提出的自适应预测控制算法,研究了井底流量的定值控制问题。由于无法在实际油田实验,本文采用油藏及智能井系统的数值模型作为被控对象,用数模软件Eclipse来模拟实际生产过程,将本文所研究的自适应预测控制算法应用其中,实验结果表明这种算法在智能井控制系统中具有可行性和潜在的应用价值。