La advertencia sobre las posibles fallas que ocurran en el futuro en un pozo de varillas de bombeo puede ayudar a los técnicos a ajustar las estrategias de producción a tiempo. Es de gran importancia para la seguridad durante la producción del pozo. En este documento, los parámetros característicos clave de las cartas del dinamómetro fueron predichos por una red neural temporal para implementar la advertencia de diferentes condiciones de trabajo que podrían resultar en fallas. Primero, se utilizó una ecuación de onda amortiguada unidimensional para eliminar el efecto de las cargas dinámicas de las cartas del dinamómetro de superficie convirtiéndolas en cartas del dinamómetro de fondo del pozo. Con base en las cartas del dinamómetro de fondo del pozo, se extrajeron los parámetros característicos, incluido el cambio de carga, la posición del punto de apertura y cierre de la válvula, el área de la carta del dinamómetro, entre otros. La relación de mapeo entre los parámetros característicos y las condiciones de trabajo (modelo de clasificación) se obtuvo mediante el algoritmo Xgboost. Mientras tanto, el ruido en estos parámetros se redujo mediante la transformación wavelet, y se verificó la racionalidad de los resultados. En segundo lugar, se utilizaron las estructuras Encoder-Decoder y de atención multi-cabeza para establecer el modelo de predicción de series temporales. Luego, los parámetros característicos fueron predichos de manera secuencial utilizando parámetros característicos históricos, fecha y parámetros de bombeo como entrada. Por último, al ingresar los resultados predichos en el modelo de clasificación, se creó un método de advertencia de condiciones de trabajo. Los resultados mostraron que la reducción de ruido mejoró significativamente la precisión de la predicción. El error relativo de predicción de la mayoría de los parámetros característicos fue inferior al 15% después de la reducción de ruido. En la mayoría de las condiciones de trabajo, sus valores de F1 fueron superiores al 85%. La mayoría de los valores de Recall pudieron restaurarse a más del 90% de los calculados por los parámetros reales, lo que indica pocos casos de falsos negativos. En general, el método de advertencia propuesto en este documento puede predecir de manera oportuna las condiciones de trabajo defectuosas que pueden ocurrir en el futuro.