随着海洋油气资源的开发,海上油气生产系统的运行监测面临着严峻挑战:复杂的海洋环境、过高的多相流量计安装和维护成本、多种误差对温度和压力仪表测量值的干扰等因素导致生产系统运行数据获取难度大、成本高、可靠性低,制约着海上油气田的安全生产。为了解决以上问题,本文基于反问题研究理论,对海上天然气生产系统开展了过程辨识和软测量研究,建立了数据驱动和模型驱动等两类最优估计算法,完善了流动管理系统的软测量功能模块,提高了流动管理系统获取可靠、准确运行数据的能力,为中控技术人员提供了在线监测工具。针对天然气生产系统,利用数据调和技术建立模型驱动的静态估计算法,实现多井流量的同时估计。综合考虑测量误差和模型误差,基于加权最小二乘估计准则,整合系统多种流动单元的物理模型作为约束条件,通过混合并行遗传算法进行流量寻优,有效弥补了传统遗传算法耗时长的缺陷,提高计算效率。对所建静态估计算法利用实际天然气生产系统的数据进行验证,计算结果表明:该算法在个别压力传感器失效或总流量测量值缺失的情况下,仍具有良好的精度和鲁棒性。另外,所用寻优方法具有良好的并行性能,计算时间能够满足工程的需求。针对大时滞的天然气生产系统,基于动态生产数据,采用正交最小二乘回归分析和深度学习等黑箱辨识技术,建立了包含多项式、深度前馈网络（DNN）的非线性自回归（NARX）黑箱动态模型库,近似描述井筒动态特性,估计单井流量和压力,为构建数据驱动滤波器奠定基础。基于稳态生产数据,引入双目标最小二乘理论和迁移学习技术对两类黑箱模型进行参数校正,发展出了相应灰箱模型,扩大模型库的全局适用性。通过实例验算,对比了DNN、传统多层感知器以及多项式模型的模拟结果,结果表明,DNN优势突出,准确性和稳定性更高,深层表现力和泛化能力更强。针对石油工业软测量问题,优选出了拓展性和工程实用性较强的辨识方案和模型设置。基于NARX模型库,结合无迹卡尔曼滤波器（UKF）建立了数据驱动的三步动态估计算法,实现单井流量和压力的闭环在线估计,弥补了NARX模型无法引入测量值校正的不足。首先,利用辨识的NARX模型建立单井状态空间方程;第二,在此基础上构造单个UKF,作为动态估计单元;第三,利用NARX模型的冗余,创新建立两种融合滤波方法（FF1和FF2）,提高软测量算法的性能。通过实例验算,对比了单个UKF、FF1、FF2的准确度和计算成本,结果表明,FF1的全局准确性更高、耗时较少,满足在线估计的需求,推荐作为首选软测量方案;DNN-NARX灰箱模型建立的单UKF耗时最少、准确度次之,作为备选方案。利用时变可调系数校正后的气-液两相流稳态物理模型构建状态空间方程,结合增广滤波技术建立了模型驱动的动态估计算法,弥补数据驱动估计算法适用工况范围窄的缺点。以时变可调系数为增广状态量,与单井流量以及沿线压力同时估计,用于实时修正物理模型的水力参数,使模型更加贴近实际工况。通过实例验证了所建模型驱动估计算法的可行性、准确性和在线适用性。结果表明,该算法能够准确估计状态量并有效校正模型参数,其计算时间能够满足在线估计的工程需求。