伴随油气层损害快速诊断的重要性深入人心,一系列的储层敏感性快速预测方法被人们建立。目前进行储层敏感性快速预测的方法主要有数学回归模型法、灰色关联法、专家系统法和神经网络法等。数学回归模型法和专家系统法都受人为因素影响较大,且通用性和可移植性较差;灰色关联法得到的预测结果分辨率低,只能评价敏感性的损害程度;神经网络预测储层敏感性受人为因素干扰小,也能定量反映敏感性损害值的大小,但迭代次数多、收敛速度慢、容易陷入局部小等缺陷限制了其在预测方面的推广应用。　　 模式识别技术的快速发展使人们意识到可以将其在预测储层敏感性方面加以利用,模式识别的核心问题为特征提取、权值确定以及隶属函数的构造。本文利用熵值法对特征参数进行优化提取,挑选出了能够最好表征敏感性信息的若干个特征;应用层次分析法,将以人主观判断为主的定性分析进行量化,对储层损害诊断体系的特征向量的各要素进行综合评判,确定了预测体系各要素的相对权植大小;将常规的欧氏距离进行加权改造,解决了模式识别的最关键问题——隶属函数的构造。最终建立了模式识别预测储层敏感性的新模型,开发了储层敏感性预测系统软件,并将其成功运用于储层敏感性诊断领域。　　 先以水敏预测为例来检验新模型在储层敏感性预测的应用效果,水敏损害程度预测成功率92.31％;水敏指数的预测准确率只有1组低于90％,水敏指数的平均预测准确率为95.32％。说明新研发的模式识别模型能较好地实现对储层水敏性进行精确定性乃至定量预测;然后将新研发的模式识别储层敏感性预测软件应用于大港油田的部分井区,对该区块储层的5类敏感性进行了定量的预测,测试过程与结果显示,该软件能快速、准确地定量预测储层敏感性及其临界值,诊断结果与现场资料显示结果基本吻合。总之,与传统的预测模型相比较,新模型更以客观规律为基础,预测性能更稳定,因此会具有广阔的应用前景。