对于地层能量低而不能自喷，需要利用有杆泵抽油机进行人工举升的油井来说，及时了解油井各方面的参数分析油井的工作状况显得尤为重要。动态液面对于分析油井的井下状况，调整油井的工作参数，使得油层的供液能力与油井的工作状况相匹配，保证油井高产量，高泵效生产意义重大。另外当动态液面发生变化后，实时调节油井的参数，也能够保证采油系统的安全稳定生产、设备的正常运行。　　目前测量油井动态液面的方法主要是回声法。在井口产生声波，声波顺着油井往下传输，遇到动液面反射回来，从而确定油井的动态液面。该方法需要进行停井测量，测量操作复杂，成本较高，具有一定的危险性并且不能实时测量。因此，本文采用基于在线高斯过程回归的软测量方法对动态液面进行测量。在线高斯过程回归算法是一种基于贝叶斯学习的无参数的增量式学习算法。此方法适于处理高维数、小样本和非线性等复杂的回归问题，并且随着时间的推移，会对模型进行修正更新，使得测试结果更加准确。和参数化的学习方法比较来说，在线高斯过程回归算法具有实现更容易、可自适应获取超参数、输出有概率意义等优点。　　本文主要是基于在线学习高斯过程回归算法，并根据其算法进行了改进。本文主要进行了如下改进。第一，对训练数据进行聚类预处理，得到稀疏的基本训练数据集，以及基本训练集的大小。第二，计算每个新的输入数据处理模型的改变程度，判断新输入数据是否加入基本训练集。第三，利用协方差函数求在线算法中的信息增益。第四，利用人工鱼群算法对超参数进行寻优。根据定性机理分析与动态液面相关的参量，并利用自动相关确定原理，确定了辅助变量。然后进行了仿真，将在线高斯过程回归算法和离线高斯过程算法进行了对比。最后，由于传统的共轭梯度寻优方法具有依赖初值，容陷入局部最优等缺点，采用人工鱼群算法进行超参数寻优。采用人工鱼群算法进行寻优的在线高斯过程回归算法，对动态液面的预测结果更好的。