在钻井过程中,受到现场工程师的操作水平、地质环境、钻井工况等因素的影响,井底压差时常处于不断波动状态。一旦井底出现负压差,就会诱发地层流体侵入井筒,发生溢流。溢流发生之后,侵入井筒的地层流体会在环空上返的阶段因所受井筒压力的减小而发生膨胀,特别是在临近井口处,膨胀速度更快。若不及早采取井控措施,极易发生井涌、井喷,轻则扰乱钻井作业的生产秩序,重则威胁现场人员的生命财产安全。因此,如何及时发现溢流,防止井涌与井喷的发生,成为了国内外重点研究的课题之一。目前,在溢流预警方面,国内使用最广的方法是利用地面监测参数来监测溢流,其中,阈值法监测溢流的及时性和准确性,过于依赖现场工程师的专业素质和经验,具有极强的主观性,而人工神经网络和贝叶斯模型又需要大量的录井数据进行训练,现场应用并不方便;在溢流严重程度监测方面,利用多相流模型来计算井涌余量时,模型所需的参数难以求取,计算过程复杂,难以满足现场实时监测时快速预测分析的要求。为此,本文在分析现有溢流实时监测方法不足的基础之上,运用数据挖掘技术来分析实时数据以进行溢流实时预警和溢流严重程度实时监测。本文先归纳、总结了在钻井过程中溢流的成因和表现形式;然后用层次分析法筛选出溢流预警参数,分析了溢流发生前后预警参数的变化规律;并对溢流发生之后的表征参数变化规律进行了分析。将钻井溢流实时监测方法研究分为两个部分:采用溢流预警参数进行溢流实时预警和采用溢流表征参数进行溢流严重程度实时监测。基于正态分布模型的控制图判异准则在工程异常检测方面具有很大的优势,采用了控制图的5种判异准则来判断溢流预警参数的状态;制定了溢流预警参数的状态值与溢流发生概率的对应表;最后分析了溢流实时预警模型的预警参数与样本数据量之间的关系,优化出较为稳定的溢流预警模型,实现了对溢流的实时预警。溢流发生之后,结合井控规定及经验公式,选出溢流量、套管压力和井底压力作为溢流严重程度的评价参数,建立了对应的最大允许值模型,然后建立并通过设置模型精度值的方法优化了基于多项式曲线拟合法的溢流严重程度发展趋势实时预测模型,最后利用已建立的模型对关井前的溢流量和关井后的套管压力、井底压力的严重程度进行了预测,并对未来一段时间内的安全状态进行了分析。根据已建立的溢流实时预警模型和溢流严重程度实时监测模型,使用Visual Studio 2013编程平台和SQL Server 2008数据库管理平台开发了钻井溢流实时监测软件,并使用该软件对溢流实时预警模型、溢流严重程度实时监测模型进行了实例测试及分析。经现场数据测试结果表明,采用基于概率模型的钻井溢流实时预警模型能及早发现溢流预警参数的状态,及时发现溢流;采用多项式曲线拟合法建立的溢流严重程度评价参数的发展趋势预测模型能通过溢流量、套管压力和井底压力对溢流的严重程度进行实时预测,并对未来一段时间内的安全状态进行分析。