近年来人工神经网络技术的研究受到国内、国际各领域的普遍关注,成为一种新兴的人工智能技术.它独特的结构和处理信息的方法,使之成为进行模式识别工作的合适工具.该文提出并实验了一种利用神经网络对井下示功图进行模式识别的方法,它有别于前人所提出的类似方法,在总体思路上借鉴和吸收了人工进行示功图识别的识别思路和过程.利用四个子网络对最能代表示功图故障特征的四个部分进行识别,根据识别结果判断抽油井故障类型.从而在一定程度上避免了网络训练的盲目性.在数据的预处理工作中,进行了彩色图象的黑白化、二值化、填充、模糊化和分割、缩小等处理,从而得到了适合用于进行网络训练的数据格式.在网络结构和算法的选择中,选择了近来发展较为充分的BP网络算法,对网络各层节点数的选取作了讨论,确定了合理的网络结构.为了加快网络收敛速度,避免陷入局部无穷小,采用了了一系列方法,使网模型更适应实时应用的要求.示功图的识别是一个和现场联系密切的工作,该文中所建立的网络模型还不完善,在这一研究领域仍有大量工作要做.