随着我国石油工业的不断进步,石油勘探开发的重点向着更为复杂多变的地层发展,井下钻探环境中存在着越来越多的模糊、不确定参数,这种情况更为提高了钻井过程中的事故发生率。实时准确地测量井底流量,精确快速的区分异常工况甚至预警钻井事故成为了当前一项极具挑战性的工作。针对井下诸多参数与状态无法准确测量的问题,本文依据控压钻井动态模型,结合新的自适应观测器理论,构建了新的自适应观测器。将井筒模型中的不确定参数作为观测器中未知参数,将井底压力、井底流量、立压以及回压作为观测器中的未知状态,进行未知参数与未知状态的联合估计。经实际数据验证,观测器观测出的井底压力、立压与回压数据能够良好的跟踪实际井底压力、立压与回压数据的变化。针对气侵工况的判断问题,本文依托独立主元分析方法(Independent Component Analysis,ICA),构建气侵工况预测模型。将实际出口流量数据与自适应观测器观测到的井底流量数据做差,再将该差值与实际立压、回压数据相结合,作为ICA的输入数据。由ICA分离出输入数据的独立元数据,由独立元数据计算统计量,再构建统计量的统计限并将统计量与之对比,来进行工况诊断。通过与多个气侵判断方法的比较,本文所述方法能够比井场常规气侵检测法提前5.8分钟预测气侵工况。针对井场数据繁多复杂,钻井工况无法准确诊断的问题,本文将深度置信网络(Deep Belief Network,DBN)与ICA相结合,由独立主元分析方法处理出实际数据的独立成分,再由粒子群算法优化网络参数,优化深度置信网络的隐藏层结构,共同构建钻井过程智能工况诊断方法。实验表明,该方法能够迅速、准确的对实际钻井数据进行工况诊断。