本发明公开了一种基于数据驱动的油藏井间连通性确定方法，首先收集油田区块的相关参数，得到各个注入信号的滤波系数，对注采数据进行预处理，修正注采数据的时滞性和衰减性；对注采数据进行归一化处理，构成神经网络学习和训练的标准样本集；搭建神经网络，并以共轭梯度算法作为学习算法，实现神经网络模型参数的快速优化求解；基于训练好的神经网络模型进行参数敏感性分析，得到表征油藏井间连通性的连通系数。本发明方法简便，计算高效，用于评价油藏井间的动态连通性，在具有传统井间连通性判别方法同等井间连通系数计算精度的同时，具有更好的产量预测效果，可进一步指导调剖堵水等优化措施的制定和智能油田分层注采历史拟合、生产优化。