本發(fā)明提供一種基于深度學習的井筒積液預測方法，包括：S1、獲取SCADA生產(chǎn)高頻數(shù)據(jù)并對其進行降維；S2、將降維后的SCADA生產(chǎn)高頻數(shù)據(jù)與A2數(shù)據(jù)和地質(zhì)參數(shù)數(shù)據(jù)進行特征融合，得到融合后的特征向量；S3、利用融合后的特征向量進行數(shù)據(jù)建模并進行訓練，計算重構(gòu)誤差向量；S4、根據(jù)重構(gòu)誤差向量計算動態(tài)閾值，并根據(jù)動態(tài)閾值判斷井筒是否積液。本發(fā)明實現(xiàn)了基于深度學習的井筒積液預測，其中采用秒級數(shù)據(jù)作為特征，使得模型不僅僅只關(guān)注天與天之間的數(shù)據(jù)波動，也考慮到天內(nèi)數(shù)據(jù)波動情況，能捕捉到更加細微的數(shù)據(jù)變化；并且采用動態(tài)閾值的方法對積液進行預測，能夠解決在實際工業(yè)生產(chǎn)中出現(xiàn)相較于正常狀態(tài)下的較大的數(shù)據(jù)波動時，也能夠使得模型不會進行誤判。