钻井工程是油气田勘探开发早期主要的手段,由于钻井工程作业的工作环境是在地下,不能直观的观察到作业的整个过程,随着地层深度加深和地层条件的不断改变钻井作业的进程可能会受到不同程度的影响。由此可见钻井工程作业的不确定性、隐蔽性极高。如果不能依靠现有的钻井工程数据对钻井作业状况进行有效、可信的预测,在事故复杂发生前或发生初期就能快速发现并及时采取处理措施,就有可能造成钻井复杂异常事故,一旦出现钻井事故就会引起严重的财产损失甚至威胁钻井工作者的人身安全,对油田开发进程造成极其恶劣的影响。传统的钻井复杂异常预警方法大多依靠专家经验对采集到的钻井数据进行分析然后得到相应的结论,这类方式的时效性较差存在严重的滞后性,也不具有随作业环境变化自我更新和调整的自适应、自学习能力。因此本文在常规钻井复杂异常预警方法的基础上结合自适应控制理论、多源信息处理技术以及对常见钻井复杂事故机理的研究建立了基于多源信息和基于核函数的SVM自适应钻井事故复杂预警模型。首先利用基于核函数的主成分分析方法对邻井的钻井工程数据进行主成分特征提取然后利用基于核函数的支持向量机对特征向量进行分类得到钻井复杂异常指标,然后在实时钻进过程中对于地层属性相似层段的钻井数据进行同样的数据处理过程得到新井的异常指标,此时用原始的异常指标与其对比从而达到复杂异常预测的效果,并且利用新的异常指标对模型进行更新使其具有自适应、自学习能力。在模型建立过程中利用Matlab程序语言设计仿真模型利用现有数据对不同核函数支持向量机进行效果对比优化模型的核函数以及核函数参数使模型预测误差在10%以内。建立基于CBR的自适应规则关联钻井复杂智能预警模型,建立钻井复杂异常案例库,利用数据关联规则的Apriori算法得到复杂异常关键参数的关联规则,当新井钻进时就可以利用关键参数的关联规则进行复杂异常预测和判断。并将新的关联规则存入钻井工程知识库,新的案例存入钻井工程数据库备用,以实现模型的自适应、自学习功能,提高整个预警流程的效率。