本發(fā)明提供一種基于模糊評估的油井動液面自適應預測方法，涉及石油生產技術領域。首先根據(jù)油田的生產工況建立多工況預測模型，對不同工況采用強化學習的算法建立子模型，根據(jù)其不同的生產特性匹配最佳的工況輸出模型；動態(tài)確定集成子模型的加權權重；利用在線測量輸出模型的動液面數(shù)據(jù)和泵效參數(shù)建立關于產液量波動變化趨勢推理的模糊專家系統(tǒng)，對工況模型進行評估；利用模糊評估新的模型性能評價指標在線自適應更新建模，通過判斷產液量波動變化趨勢與實際值的擬合優(yōu)度來動態(tài)更新模型。本發(fā)明提供的基于模糊評估的油井動液面自適應預測方法，有效改善了單一模型算法在進行動液面預測時存在的預測精度不高、泛化性差以及容易發(fā)生過擬合等不足。