随着现代企业生产体系的建立,企业对机器设备的管理越发重视,采用一定的技术对机器生产可能存在故障进行预测,并根据预测提前对机器设备进行维修,是企业生产与运行连续性的重要保障。在油气田开采的生产机器设备中,最常见的机器设备是中小型转动设备,设备的正常运转有利于保障油气田生产的顺利实施,是保障有其他稳定生产的重要设备基础。随着油气田生产机器设备管理体系的建立,油气田企业会对中小型转动设备的数据进行监控,采集中小型转动设备运行数据并进行存储,为建立采用机器学习的方式来预警中小型转动设备故障预警提供了基础。本文以油气田中小型转动设备故障的预警模型进行研究。首先,对当前油气田中小型转动设备故障预警的常用方法进行对比分析。其次,分析油气田中小型设备故障的状况,构建中小型故障设备预警的指标体系。第三,基于Ada Boost-SVM模型构建中小型故障设备预警模型,采用遗传算法进行参数优化。第四,搜集某油气田中小型设备故障数据进行实证分析,并且与不同模型进行对比。最后,提出提升油气田中小型转动设备故障预警管理的建议。本文的研究结论如下:（1）根据油气田中小型转动设备的特点,构建中小型转动设备的定期维护及时率、腐蚀度、电压、电流、温度、压力、噪音、负载率、振动加速度、振幅、腐蚀度变化度、电压变化度、电流变化度、温度变化度、压力变化度、噪音变化度、负载率变化度、振动加速度变化度、振幅变化度等指标用于故障预测与预警。（2）搜集某油气田公司中小型转动设备的数据,对本文构建的Ada Boost-SVM设备故障预警模型进行实证分析,并与常用的其他设备预警放进行对比,结果表明本文构建的Ada Boost-SVM的故障预警模型具有更好的效果。（3）在中小转动设备故障预警指标中,各项变化程度的刻画指标具有重要的评分,对预测设备故障具有一定的影响。由于一般中小转动设备会维持较为稳定的生产状态,当指标出现较大的变化时,可能会存在一定的故障概率,可以保持对设备的跟踪,并进行预防性的检修。