井斜是钻井工作中一个较为普遍的问题，它直接影响着钻井井身质量和钻井速度。在钻井实践中发现，垂直井的防斜工作往往比定向井的井眼轨迹控制难度更大。目前，国内外学者开发了多种直井防斜技术，但各技术均存在局限性，不能适用于所有井斜问题。因此，直井防斜工作大多情况下要依靠专家指导和钻井技术人员的经验来实施。而且，影响井斜的因素复杂多样，使井斜机理分析与井斜趋势预测困难，导致防斜工作大多是被动的，缺乏针对性的。另一方面，钻井过程中记录下来的钻井数据（班报表）中蕴含着大量的宝贵知识，但是通常情况下只是作为以后查阅的原始资料存留起来，造成了资源浪费。而数据挖掘则是一种能够从大量数据中提取知识的技术。因此，基于数据挖掘的井斜机理分析与井斜预测技术研究具有重要的理论意义。
　　本论文从两个方面研究了数据挖掘技术在直井防斜领域的应用:
　　(1)分析井斜关键因素;
　　通过分析钻井数据找出井斜的关键影响因素，得出井斜机理，然后有针对性的选择钻具组合和钻进参数，或者对钻具结构进行改善。
　　(2)建立井斜预测模型;
　　该模型利用钻井已有的数据训练得出井斜变化趋势的分类模式，从而用来预测未来钻进中特定条件下井斜的趋势。钻井工作人员可根据预测结果对钻具组合结构或钻进参数进行调整，防止井斜超出允许范围。
　　本文的所做的主要工作和取得的研究成果有:
　　(1)详细介绍了SQL Servers 2008 Excel数据挖掘组件和SPSS Clementine两种软件中数据挖掘各步骤（数据预处理、建立模型、结果输出）的实施方法。应用两种软件分别对石湖井钻井数据建立了决策树、关联规则、贝叶斯分类、神经网络四种模型，并分析了各模型的挖掘结果。以研究目的为评判标准对比了不同软件，不同模型的挖掘结果，评价了它们的应用价值。
　　(2)通过对比评价，确定了Excel数据挖掘组件中的贝叶斯模型与SPSS Clementine中的决策树模型最适合寻找井斜的关键影响因素，分析井斜机理。根据挖掘结果，分析了石湖井的井斜主要受地层力、钻具组合和钻压控制。其中，地层造斜力对井斜的变化起主导作用;钟摆钻具组合与螺杆钻具均起到明显纠斜效果，但钻压增大时会削弱纠斜效果;普通光钻铤组合的钟摆力小于地层造斜力，无法遏制井斜加剧。
　　(3)确定了Excel数据挖掘组件和SPSS Clementine中的神经网络模型均具有较高的分类预测精确度，适用于井斜趋势预测。在此基础上，初步设计了“基于数据挖掘技术的井斜预测系统”的主要方案。使用石湖井数据测试了该系统，取得了不错的预测效果。