石油是不可再生的宝贵能源,是我国经济可持续发展的主要支柱。为了满足我国石油需求,高效开采石油成为重要课题。在石油开采过程中,动液面是关键参数,通过间接测量动液面有效调节采油工艺是提高石油开采效率的重要途径。传统的动液面测量方法有回声法、浮筒法、压力计探测法等,其中最常用的是回声法。传统的方法由于需要人工参与,动液面测量的精度、实时性、安全性无法得到保证。因此本文采用软测量技术,提高石油开采的自动化程度和测量精度。影响软测量性能的因素有四个,其中建模是软测量技术的核心,通过比较两种成熟建模方法,选择最小二乘支持向量机(LSSVM)建模法预测动液面。在建立预测模型之前,若存在大量的冗余辅助变量会降低动液面预测精度甚至使模型失效,因此采用灰度关联法选出与动液面关联度高的变量:日产液量、泵效、套压作为辅助变量。分析辅助变量数据特征,采用经验模态分解的方法对数据进行分解,去除高频噪声,建立LSSVM模型预测动液面,将去噪前后的辅助变量作为模型输入预测动液面对比,验证方法的有效性。LSSVM中核参数和惩罚参数的优化对模型预测精度影响重大,本文选用黑洞算法进行参数寻优并在此基础上进行了改进,将改进的黑洞算法与粒子群(PSO)、差分进化(DE)、人工蜂群(ABC)、黑洞(BH)算法进行比较,结果表明改进黑洞算法优势明显,与LSSVM结合预测动液面同样有效。为了防止模型老化,本文采用联合互信息的方法计算动液面预测值与辅助变量的关系,设定联合互信息合理波动范围,判断是否需要更新模型,仿真验证,该方法能够准确判断工况变化更新模型,提高结果的可靠性。综合考虑噪声、参数、工况变化对动液面与预测模型的影响,建立一个完善的动液面预测系统,通过仿真对比,结果表明本文研究方法提高了动液面预测精度,整体提升了石油开采的自动化水平和开采效率。