石油作为重要的生产能源,在人民的生活和经济发展中起着重要作用。油井产液量是油井生产管理中重要指标,采用传统设备测量方法测量记录不及时且成本高,而基于示功图的产液量测量机理模型存在准确率低、泛化性弱等问题。本文以有杆抽油系统的生产过程为研究背景,针对井下工况识别和示功图量油机理模型存在的不足进行分析研究,提出一种基于示功图的油井产液量软测量混合预测模型和根据工况变化而即时更新的模型动态更新策略,其主要研究内容如下:（1）建立了一种基于示功图的油井产液量预测混合模型。以基于示功图量油的有效冲程法为主,基于支持向量机算法的产液量补偿模型为辅,而建立产液量混合预测模型。通过补偿模型从而减少机理模型的计算误差对产液量预测模型精度产生的影响,提高了油井示功图产液量测量模型的泛化性和准确率。（2）针对传统工况识别算法在识别有杆抽油系统工况时,易受到数据集不平衡等因素的影响,导致部分工况误判,导致后续根据工况变化而更新产液量软测量模型时工况不准确,提出一种数据不平衡处理的随机森林井下工况识别模型。首先采用灰度矩阵特征提取算法对泵功图进行特征提取,将提取的灰度特征值通过合成少数类过采样技术进行上采样,实现不平衡数据均衡化,再采用蜻蜓优化算法优化选取随机森林参数对抽油机井工况进行识别。（3）针对油井产液量软测量模型随油田工况的变化而失效,导致产液量预测结果不准确、泛化性差的问题。在工况发生变化时,根据即时学习算法更新建模数据的方法,利用相似样本数对补偿模型进行在线更新。提高补偿模型建模样本选取的准确性,加强补偿模型对工况变化的更新能力,避免产液量混合模型失效。通过建立基于示功图的油井产液量软测量混合预测模型和根据工况变化而即时更新的模型动态更新模块,得到基于示功图的油井产液量软测量整体模型。