致密砂岩储层具有低孔低渗、高毛管压力、孔隙连通性差、黏土矿物发育等典型特征,其在勘探开发过程中,储层损害发生的可能性、复杂性和严重性不容忽视。因此快速、准确的预测致密砂岩储层损害,为制定或修改油气藏开发方案以及确定增产解堵措施提供依据,有着重要的意义。室内实验方法评价储层损害的结果最为可靠,但由于致密砂岩储层损害评价的岩心流动实验开展难度大、成本高,需要寻求与物理实验方法相互补充的储层损害预测方法。前期实践表明,利用有限的实验数据进行基于人工智能方法的致密砂岩储层损害预测可以节省大量时间和成本。本文旨在针对致密砂岩储层损害有限的小样本数据特点进行预测,通过研究多种人工智能方法,优选出支持向量机作为储层损害预测主要方法,采用多种人工智能方法对支持向量机模型内部参数进行优化来提高预测精度,搭建了完整的流程,并依此开发了一套致密砂岩储层损害预测系统,最终对该系统进行了实例应用与分析。本文取得了如下研究成果和认识:(1)明确了水相圈闭损害是致密砂岩储层最常见和最严重的损害类型。(2)比选了多种人工智能方法,确定了支持向量机方法作为致密砂岩储层损害预测的主要方法,其在解决小样本、非线性以及高维模式的回归问题中具有一些特定优势。(3)采用了多种智能方法如遗传算法和粒子群算法对支持向量机预测模型参数寻优计算,通过选取最优参数组合提高了支持向量机的预测精度。(4)利用MATLAB中GUI编程平台开发了致密砂岩储层损害预测系统,系统实现了用户管理、数据输入及处理、储层损害预测、操作实时显示以及用户帮助等5大主体功能。研发的系统具有操作方便、运行稳定等优点。(5)应用该系统进行实例预测,证实了该系统具有非常良好的预测精度,通过对水相圈闭损害的预测,得出了应用遗传算法对支持向量机模型中惩罚因子、核函数参数、及损失因子三个参数进行优化后的模型预测精度最高,推广应用效果较好。