本文以采油井示功图和生产数据进行预测产液量和动液面作为主要研究内容,丰富了数字化建设的内容。通过提取示功图特征值联合单井生产信息作为样本学习数据,实现液量自动计量和动液面计算,进一步指导油田生产,降低产能建设投入和运行成本,实现提高油井系统效率的目的。通过对基于数据挖掘的功图量油和动液面预测技术的研究,提高了油田的信息化、数字化程度。主要研究内容包括：⑴提出基于傅里叶描述子(Fourier Description)、矩特征向量和灰度矩阵统计量提取示功图特征值的方法,分析各种方法优点和缺点,并最终确立基于傅里叶描述子的提取示功图特征值方法为本论文进行产液量和动液面预测的特征值提取方法。⑵通过对预测样本进行分析,以修正神经网络算法、用SCG算法的变梯度反向传播算法和最速梯度下降算法等不同神经网络方法建立的模型对预测样本进行训练,从而得到神经网络,进而进行产液量和动液面预测。在预测一次完成后。⑶对不同方法进行的产液量和动液面预测误差进行分析,获得较好的预测方法,从而进一步指导生产。