本发明公开了一种嵌入物理意义的注采量劈分机器学习动态分析方法，属于油藏工程技术领域，包括如下步骤：步骤1、构建流管网格结构矩阵；步骤2、构建特征聚合范围矩阵和多井势能叠加模块；步骤3、构建包含多个分配器子模型的渗透率场表征模块，并对各分配器子模型进行预训练初始化；步骤4、构建油水推进模块，基于油水推进模块计算含水率和产油速率估计值；步骤5、建立产液、产油损失函数，反向传播优化所有神经网络子模块的参数，通过不断迭代训练使得残差下降到指定范围；步骤6、迭代训练完成后，输出各时间步模型中间变量注采劈分系数。本发明能准确地捕捉劈分系数受到的多方面影响，提高对油藏动态行为的理解和预测的精度。