经过多年的生产,相当规模的油井已由开发初期具备自喷能力的高产井转为当前依靠人工举升方式的低产井。不断降低的产量与持续增加的消耗之间的矛盾日益显现,如何降低损耗、提高抽油系统自动化程度是油田长期以来需要解决的重要课题。在实际生产中,动态液面是一个重要的参数,其直接反映着油井的供液能力。实现动态液面的实时监测,掌握油井的生产状态,从而及时调整抽油时间和抽汲参数,是提高油井生产效率的关键所在。由于现有的动液面检测方法,如回声法、示功图法,存在不能实时检测或测量精度低等问题,因此本文采用支持向量回归的建模方法建立动液面检测模型。本文主要从支持向量机回归理论、支持向量机核函数的选取及其参数选择三个方面进行了详细讨论。在分析不同核函数所表现出的特性基础上,选取径向基核函数和多项式核函数线性组合成的混合核函数作为支持向量机的核函数。利用全局核函数拟合出样本中距离较远数据的相关性,局部核函数拟合邻近数据域的相关性,从而提高模型的泛化性能。通过与单一核函数支持向量回归模型的仿真结果进行对比,证明了采用混合核函数的支持向量机模型具有更好的泛化性能。模型的参数对其性能具有重要影响。本文拟采用粒子群算法对支持向量机回归模型的参数进行选取,通过该方法获得较优的参数组合使支持向量机回归模型具有更好的泛化性能。针对粒子群算法易陷入局部最优解的缺陷,借鉴遗传算法中变异的思想对基本粒子群算法进行改进。改进后的粒子群算法具有更好的全局搜索能力。随着采油过程的继续,油井本身的参数会发生变化,因此对模型进行更新十分必要。增量式算法可以很好的解决样本数据集过大导致的计算瓶颈问题。因此,本文中拟采用增量式算法更新模型,以便在工况发生变化时,模型能及时调整,保证了模型的预测能力。最后,本文利用上述方法为有杆泵抽油系统建立了动态液面软测量模型,并进行了仿真验证。从模型的预测效果上看,该方法对有杆泵抽油井动态液面预测效果较好,完全满足项目要求。