在油田开发进入特高含水期后，水平井的应用越来越多。准确地进行水平井油水两相流测量对于估计原油产量，预测油井的开发周期具有重要意义。同轴线相位法含水率测量方法已成功地应用于大庆、辽河油田的生产测井中，为了进一步研究其水平井的测量模型，本文基于同轴线相位含水率测量方法，在自主搭建的水平井油水两相流模拟装置上对水平井倾斜角度、流量与含水率等多个影响因素的水平井测量模型进行了研究。　　首先，根据水平井的实际需求，制定了不同水平井倾斜角度、不同总流量的含水率测量分布式实验方案和数据采集方法。　　其次，针对温度、压力、流量和含水率等信号的噪声干扰，提出了基于Hilbert-huang变换的EMD阈值降噪方法，结果表明，该方法有效地减少了传感器信号的噪声干扰问题。　　再次，因为水平井含水率测量是一个受多方面因素影响的复杂的非线性系统，提出了基于BP神经网络的水平井含水率测量模型，研究了含水率的变化规律。为了克服BP网络学习速度较慢且容易陷入局部最小的问题，提出了基于最小二乘支持向量机(LSSVM)水平井含水率测量模型，并与BP神经网络模型进行比较。结果表明，采用LSSVM模型较BP神经网络模型可以更加准确地预测水平井含水率的变化趋势。　　最后，为了进一步提高预测精度，采用遗传算法(GA)对LSSVM水平井含水率测量模型的各项参数进行寻优预处理，建立了基于遗传算法的最小二乘支持向量机(GA-LS SVM)水平井含水率测量模型。结果表明，运用GA-LSSVM算法得到的均方根误差低于运用LSSVM和BP神经网络模型得到的均方根误差，优化时间也低于通常使用的网格搜索优化参数方法，有效地验证了此模型运用于水平井油水两相流测量的可行性。