为了有效地处理并合理利用钻井过程中产生的大量的不确定性问题和模糊信息，本文从钻井领域不确定性知识的表示与推理两个大方向展开了对基于钻井工艺过程的实时信息智能分析模型的研究，主要的研究内容与创新点有：1、建立了基于钻井工艺过程的实时信息智能分析模型的框架结构和功能结构，并在前人研究的基础上，使用Protégé工具进一步完善了钻井领域事故诊断知识本体，同时考虑到钻井事故发生的随机性和人类主观期望的概率特性（不确定性），引入贝叶斯网络，对钻井事故智能诊断知识本体进行了概率扩展；2、为了同时发挥本体和贝叶斯网络在知识表示和不确定性推理方面的优势，提出将构建好的基于概率扩展的钻井事故智能诊断概率本体转换为贝叶斯网络结构，并在转换规则的指导下，做了详细的阐述；3、在WindowsXP系统环境下，以Myeclipse为平台，使用Java语言对整个模型进行了开发，其中Myeclipse实现了本体构建工具Protégé和贝叶斯推理平台Netica的无缝结合；4、在实验室条件下，根据钻井现场的参数资料，以卡钻事故诊断分析为例，计算了在一定的证据条件下，可能发生的各类卡钻事故的概率，准确地对卡钻事故类型做出了诊断分析。通过分析结果，实现了对基于钻井工艺过程的实时信息智能分析模型的可行性和准确性进行了初步验证。