目前国内对石油的需求与日俱增,物探作业作为石油开采的首要环节,如何保证其安全平稳运行逐渐受到更多人的关注。然而其作业流动性强、参与人员多、作业环境复杂多变,致使物探事故时有发生。随着物探项目的进行,逐渐积累了大量的文本类型的事故案例,如何从中挖掘出高价值信息并应用在日常的安全管理中,对降低物探事故的发生有重要意义。物探事故案例数据的语言描述专业性强,需要结合具体的背景知识来开展数据挖掘,难以用常规的结构化文本方法处理。本文以物探作业事故案例为研究对象,开展了一系列的文本挖掘（Text Ming,TM）工作,得到物探作业的事故类型、事故影响因素及其关联关系,分析物探作业事故发生规律。具体研究工作如下:（1）物探作业事故影响因素预辨识。分析物探作业事故案例的结构组成并清洗数据,确定文本挖掘目标;为便于后期事故影响因素自动提取工作,采用情景分析法分析物探作业事故发生过程并结合专家筛选与现场调研的方式预先识别出了31项导致物探作业事故发生的影响因素。（2）物探作业事故类型聚类识别。根据物探作业事故案例的文本描述规律,提出了基于文本聚类的物探作业事故类型识别方法。首先对物探作业事故案例进行预处理;然后采用改进的信息增益法（Modified Information Gain,MIG）对预处理结果进行特征选择并构建物探作业事故向量空间模型（Vector Space Model,VSM）;最后利用K-means算法对物探作业事故VSM进行聚类,人工分析聚类结果识别物探作业事故类型。（3）基于语义框架的物探作业事故影响因素自动提取。首先构建了物探领域事故本体词典并定义了物探作业事故影响因素语义框架基本形式;然后根据事故案例中对事故原因的描述特点,分别对31项事故影响因素构建了语义框架;最后利用事故本体词典从事故案例中提取核心内容,并利用本文提出的语义框架匹配方法将核心内容与事故影响因素语义框架相匹配进而实现事故影响因素的自动提取。（4）基于关联规则进行物探作业事故分析。为了探究物探作业事故影响因素与事故类型的关联关系,基于多维Apriori算法进行物探作业事故关联规则的挖掘。以事故量较大的4类事故:交通事故、爆炸、物体打击、机械伤害为例进行了实例分析。