静态地层温度(static formation temperature, SFT)是表征地热及油气储层热状态的重要参数,是储层特性评价与开发方案设计的关键.传统获取SFT的方法多依赖现场长期测试或物理模拟,不仅周期长,成本高,且在数据不完整或受扰动条件下预测精度有限.为提升SFT的预测效率与准确性,提出一种基于Levenberg-Marquardt(LM)算法的非线性拟合方法,结合Horner-LIU method(HLM)模型构建SFT预测公式,并利用LM算法对模型参数进行优化.选取6组来自地热井与油井的实际井底温度(bottom hole temperature,BHT)数据进行验证,结果表明,基于LM算法拟合HLM模型的新方法在仅有少量BHT数据点(如前3~5个数据点)的情况下,依然能够实现高精度反演预测.所有数据集的预测偏差百分比均小于3.5%,回归系数均大于0.987,模型拟合效果优良且稳定性强.同时,通过泰尔不等系数(Theil inequality coefficient, TIC)对预测精度进行进一步评估,所有样本TIC值均低于3%,验证了所提方法在实际应用中的高效性与可靠性.