随着油井在采油时间增加，油井管壁和抽油杆上的结蜡，严重影响采油的速度和产油的效率，导致油井的产量极大下降。因此洗井清蜡，是油田生产中的一项重要工作。目前实际生产中，洗井周期的判断都是通过人工识别示功图来进行的，采取这种方式工作量巨大，并且人工识别不可避免存在疏忽和错误。所以采取新的判别方式，减少工作量，提高工作效率，势在必行。　　本文设计并实现了《海拉尔采油工程信息管理平台》抽油机井洗井判别模块，根据当前抽油机井状态参数数据来判别抽油机井是否需要洗井，论文主要内容如下：　　首先，论文简要介绍了课题研究背景和意义，抽油机井洗井判别的研究现状，以及相关专业基础知识。　　其次，分别介绍了BP神经网络和支持向量机的产生发展过程以及目前人工神经网络在抽油机故障诊断方面的应用。分别采用BP神经网络和支持向量机的方法对规范的训练数据进行训练，产生模型，然后代入测试数据进行预测和分类。　　最后，介绍了洗井判别的程序实现，并对两种实现方法进行对比，找出效果更好的。