井下油套管长期处于恶劣环境,极有可能发生腐蚀穿孔造成泄漏,给油气井安全生产带来严重威胁。准确判断井下油套管是否发生泄漏,泄漏来源和泄漏位置对油气井安全生产具有重要意义。但现有的泄漏诊断多采用单一检测法进行检测,采集到的信息不完善,降低了诊断的准确度。针对以上问题本文采用多源信息融合方法进行综合处理。主要研究内容如下:（1）利用实验室自主研发的油套管泄漏模拟系统开展了油套管泄漏声波试验、环空液位检测试验、环空泄压—压力恢复试验、组分分析试验和示踪剂检测试验,并采集保存试验数据,为下文的研究提供了数据支持。（2）采用基于蚁群算法改进的神经网络信息融合方法判断油套管是否发生泄漏。利用小波阈值降噪法对声波信号和环空泄压—压力恢复信号降噪,并提取时域和频域特征值;针对BP神经网络存在的不足提出用蚁群算法改进,构建蚁群算法改进的神经网络融合模型,将提取的特征值作为输入矢量,油套管状态作为输出,试验表明该融合模型识别的准确率达97.5%。（3）确定油套管发生泄漏后,采用最小二乘支持向量机分析环空气体组分判断泄漏来源,选取了具有稳定性的径向基核函数,采用交叉验证法寻找最优参数,构建LS-SVM模型,试验表明该模型能准确的判断泄漏来源于产层或非产层,准确率达98%。（4）针对来源于产层的泄漏,本文利用D-S证据理论融合基于自相关分析的油套管泄漏定位法和示踪剂定位法确定泄漏位置。先建立目标识别框架,再分别计算两个证据体的基本概率赋值函数,利用Dempster融合规则融合两个证据体的基本概率赋值函数;根据基于基本概率赋值的决策规则进行判断,试验表明该模型可以从两种定位方法得到的结果中选择出定位精度更高的一种。