随着地下原油的不断开采,地层能量不能使油井保持自喷。这时必须借助外部机械助采。其中有杆泵抽油机作为主要的设备在各大油田广泛使用。同时产生很多的问题：在油田开采中,由于供液不足,一些油井出现间歇出油或抽空现象,这部分井采取全天开采势必造成较大的能源浪费,影响设备使用寿命和生产安全等。在实际生产中,动态液面是一个重要的参数。如果获得该参数就可以使得机械采油装备的采液能力与油层的供液能力动态相匹,实时闭环调节泵的各项参数；提高低产低效油井经济效益。目前工程实践中动态液面的测量方式主要是回声法。然而该方法探测液面时,易受井况制约产生误差,实时在线测量困难,测量时有一定危险。一部分学者利用示功图方法,压力法和基于时间序列的支持向量机法进行测量动态液面。但是测量的效果和实用性还存在诸多问题。本文用支持向量机回归方法进行建模；借助遗传算法来自动寻找最优参数,提高选择效率和精确度。通过采用组合核函数,实现全局核函数拟合出样本中距离较远数据的相关性,局部核函数拟合邻近数据域的相关性,从而提高模型的泛化性。研究发现,在实际应用中,系统在工作时只与工作点附近的数据有较大的相关性,而与远离工作点区域数据的相关性较大。因此,建立的模型应随系统的变化不断地更新和变化。随着工况的变化,旧的数据要不断丢弃,而新的数据要不断加入,应用新的数据建立能够反映系统当前状况的新模型,以确保模型的准确性和规模。本文采用带有选择性的窗口滑动策略实现对旧的数据的剔除和新数据的更新。本文采用实验测试和理论分析,有简入繁的工程原则,采用支持向量机,最优参数改进；最优参数与核函数改进,最优参数；核函数和窗口滑动改进。逐层递进,得到最后的最优算法；同时结合某油田实际项目开发了集成的软件。本课题最终通过了该油田的2012年的项目验收。