稠油热采工艺中需要高温高压高干度的蒸汽,蒸汽携带的大量热量使地层中的原油受热膨胀,密度和粘度降低,流动性增加,原油随蒸汽的喷出而被采出。对蒸汽质量流量进行测量时,流量方程中的各个参数随着蒸汽的温度压力的变化而变化,其中蒸汽密度的变化又是极为明显的。现有的蒸汽密度补偿方法的精度较低,导致蒸汽流量测量误差较大。本文中引入了新的密度补偿方法:支持向量机方法。支持向量机是一种基于统计学习理论的机器学习方法,它有着坚实的理论基础,近些年在函数逼近问题上的应用也越来越受到重视。本文通过在MATLAB环境下编写的程序,实现了对样本点进行训练找出其支持向量,并通过支持向量对未知数据进行准确预测的功能。本文重点讨论了在压力变化较大的情况下蒸汽密度补偿的模型。一般的饱和蒸汽密度补偿是应用最小二乘准则下的多项式拟合法,但由于现场测量到的压力密度数据有限,且要求实时对蒸汽密度进行补偿,这样的数据拟合方法没法达到一定的精度要求。引入支持向量机法对压力密度数据进行补偿,通过对未知数据的预测值误差的比较,发现支持向量机对数据的拟合和预测效果要优于多项式拟合法。根据高压汽水分离器前后给水质量守恒的分析,也证明了对蒸汽密度更加精确的补偿使得蒸汽质量流量的检测结果更具有合理性。