目前,对于钻井作业过程中所产生的大量作业数据,主要是通过相关设备采集之后依靠人工对其进行分析记录。但随着钻井自动化生产对于钻井信息时效性要求的不断提高,传统的人工方式在分析记录的速度和准确度方面都已经不能充分满足钻井作业的生产需求。在长庆钻井公司集成RTOC和一体化平台系统背景下,将井场仪器仪表的识别结果进行存储与分析后传输到钻井控制中心,实现对钻井作业现场的远程动态监控以及风险预警,能够提高钻井作业安全性并有效保证钻井实时数据的时效性。因此,本文从钻井实时数据信息提取角度出发,实现了对钻井作业工况智能识别、工况异常预警、钻井实时数据存储以及传输的功能,主要研究内容如下:（1）在井场仪器仪表数据识别采集的基础上,根据钻井施工的作业工序,针对钻井进尺过程中常见的八种工况,设计构建了基于决策树的工况智能识别模型,并对模型进行剪枝处理。通过实验对比分析,相较于其他算法模型,该模型无论是在工况识别准确率方面或是在运算速度方面都具有良好表现。（2）以工况识别为基础,本文通过对常见的工况异常及其参数特征进行详细研究,提出了基于主成分分析法的支持向量机工况异常预警模型,并对影响模型性能的关键参数进行了研究。该模型根据不同工况下的钻井作业数据对不同工况下可能会发生的工况异常进行快速分析,并将分析结果与工况异常参数特征相结合,从而对工况异常类型做出预警。（3）基于长庆钻井公司集成RTOC和一体化平台系统,本文设计实现了集工况异常预警与钻井实时数据于一体的井场智能数据远传系统。在数据传输功能方面,本文设计了基于WITS标准与TCP/IP协议的Socket通信方式,并使用GZIP与AES算法对所要传输的数据进行压缩与加密。在工况异常预警的功能方面,使用决策树模型实现对钻井工况的识别,并选取不同工况下的钻井实时数据使用基于主成分分析法的支持向量机工况异常预警模型完成对工况异常的预警。