石油钻井是一项复杂的地下工程，存在着大量模糊、随机和不确定性因素，在钻井施工过程中事故随时都有可能发生，严重威胁着钻井的安全，故迫切需要实时准确地预警钻井事故。目前，常用的钻井事故预警方法，如人工判断、专家系统、神经网络等，在预测精度和适应复杂多变的钻井工况方面都存在各种不足。因此，本文提出基于PSO-SVM的钻井事故智能预警系统研究，该研究对提高钻井质量，保证钻井安全具有重要的意义。本文首先分析了钻井事故预警的现状，介绍了钻井事故的相关基本理论，详细分析了支持向量机和粒子群算法的实现原理；其次，对基于PSO-SVM的钻井事故智能预警模型进行了研究，并给出了该模型中核心算法的具体实现步骤，通过系统的需求分析，设计了系统的体系结构及各个功能模块，并对该系统的数据库结构进行了详细设计。最后，通过C#语言实现了系统，并利用实际的事故实例对系统进行了验证。本文重点研究了基于PSO-SVM钻井事故预警模型的构建过程，该模型通过PSO寻优SVM的关键参数，解决了SVM的参数不易选择的问题，大大地提高了模型对钻井事故的预测精度，为钻井技术人员预防和控制钻井事故提供了决策支持。