在石油勘探的过程中,钻井事故与复杂问题总是客观存在的。卡钻事故占整个钻井事故的40%～50%,由卡钻引起的资金耗费占非生产耗费的50%以上。在国家科技重大专项(合同号：2011ZX05021-006)“钻井实时监测与技术决策系统”中,设置了如何预警、识别各种井下风险事故的研究任务,而卡钻风险事故是最为复杂的钻井风险事故之一。本文就基于实时数据对卡钻事故的预警和识别展开了研究工作。人工神经网络算法是一种非线性、强自适应学习能力的数据信息处理方法,其极强的非线性逼近能力能真实表示出输入变量与输出变量之间的非线性关系。针对卡钻事故中参数变化规律,将事故与数据变化之间的非线性关系通过人工神经网络对特征参数基于样本进行训练建立联系,在实时数据传输的基础上,能够将指导卡钻事故的各个参数变化非线性映射成对卡钻事故的识别。本文根据已经发生的卡钻事故记录数据,深入分析和总结了卡钻事故发生的类别和特点。对卡钻事故发生过程进行研究,并用对应参数变化表示整个过程的发展,确定了各个卡钻事故在整个过程中的特征参数。卡钻风险是卡钻事故发生早期的异常反应,对卡钻风险进行识别能够在卡钻事故发生之前进行预警。将井下钻具活动方式分类为正常钻进状态和钻具的上下活动状态,配以钻具静止时间等实时计算参数,针对卡钻风险的发生能够较好的区别各类卡钻对应发生状态。根据各状态下卡钻风险征兆规律,运用神经网络算法对井下发生异常进行识别,并结合实时计算参数建立卡钻风险预警模型。根据卡钻事故发生之后对应的表征规律,卡钻事故发生之后对各钻井状态下呈现相同规律,运用神经网络算法实现对各状态下发生了的卡钻事故进行识别,结合卡钻事故发生之前对卡钻风险预警的分类情况,确定卡钻事故的类别,建立了卡钻事故分类识别模型。在卡钻风险预警及卡钻事故识别模型的基础上设计了卡钻风险预警与识别软件。对有一定规律的卡钻风险,可进行预警和识别,其结果部分与实际相符。通过实例进一步完善之后,可以对现场提供卡钻事故预警及识别参考。