1.一种致密储层微观孔喉结构分级模式的预测方法，其特征在于，所述方法包括：(1)选取岩石样品，获取岩石基本参数；

(2)利用岩石样品的孔隙度和渗透率求取储层品质因子数据，将数据存储到数据库1中；

(3)利用高压压汞技术提取岩石样品中特征参数的数据，并存储到数据库2中；

(4)对数据库1和数据库2中数据进行无量纲化处理；

(5)将无量纲化处理后数据库2中具有相同含义的特征参数分成一类，共m类；

(6)应用灰度关联分析法求取每个特征参数的权重；

(7)从每类特征参数中选出权重值最大的，并将该无量纲化处理后的m类特征参数存入到数据库3中；

(8)根据数据库1、3对致密储层微观孔喉进行Q型聚类分析，得到分类结果；

(9)根据岩样的井号和深度将每个岩样的分类结果与之相对应的测井曲线进行匹配；

(10)根据岩样分类结果提取对应的测井曲线的数值；

(11)运用支持向量机对已知类别的测井曲线数值进行学习并形成支持向量机模型；

(12)通过形成的支持向量机模型来对未测样点的微观孔喉分级模式进行预测。

2.根据权利要求1所述的方法，其特征在于，步骤(6)中的灰度关联分析法具体包括：将数据库1中的储层品质因子作为母序列用X0(k)表示，将数据库2中的特征参数作为比较序列用Xi(k)表示，进行灰度关联分析，Vi权重的计算公式为：式中，Δi(k)＝|X0(k)-Xi(k)|代表比较序列与参考序列对应元素的绝对差值，Y为分辨系数。

3.根据权利要求1所述的方法，其特征在于，步骤(8)中的Q型聚类分析法具体步骤为：

8.1将步骤(7)中得到的m类特征参数做为样品分类的m项观测指标；

8.2根据n个样品的m项观测指标，形成数据矩阵X，数据矩阵X为：式中：xnm为第n个样品的第m项观测指标值；

8.3计算n个样品m维空间的样品点之间的欧式距离dij，将距离近的样品分成一类；

8.4应用欧式距离计算类与类之间的距离，以此类推最终将所有样品归为一类。

4.根据权利要求3所述的方法，其特征在于，步骤8.3中的欧式距离的计算公式为：式中：dij为欧氏距离，m为观测指标数，xi为第i个样品；xik为第i个样品的第k项指标值。

5.根据权利要求1所述的方法，其特征在于，在步骤(8)之后所述方法还包括根据判别分析来粗略验证分类结果的准确性，具体包括：

1)研究区有m个岩心样品，通过Q型聚类分析的分类结果可知有q个变量；

2)相关系数矩阵R＝(rij)，其中 式中：rij为相关系数矩阵；

Sij为第i个样品的第j项指标的方差；

3)R的特征值λ1≥λ2≥...≥λq，以及与之对应的特征向量U1,U2,...Uq，特征向量为Ui＝(θ1i,θ2i,...,θqi),(i＝1,2,...,q)，式中θqi为特征向量Ui里面的元素；

4)得到的特征值λq和特征向量里面的元素θqi来求取bij，计算公式为：

5)bij计算加权系数aj；

6)利用Y＝(bij),ε＝(a1,a2,...,am)来计算Y(YTY)-1ε；

7)计算综合判别函数；

8)聚类分析结果，绘制判别函数分布图。

6.根据权利要求5所述的方法，其特征在于，所述步骤5)中加权系数aj计算公式为：

7.根据权利要求5所述的方法，其特征在于，所述步骤7)中综合判别函数公式为：y＝xTY(YTY)-1ε

式中：xT为特征参数。

8.根据权利要求1所述的方法，其特征在于，在步骤(8)之后所述方法还包括应用扫描电镜、铸体薄片和数字岩心技术直观的对分级评价的准确性进行检验。

9.根据权利要求1所述的方法，其特征在于，所述步骤(11)具体为：

11.1输入测井数值数据，T＝((X1,Y1),(X2,Y2),......(Xn,Yn))，其中Xn为特征向量，Yn为类别标记；

11.2对输入的测井数值数据进行训练；

11.3根据正确率最高的核函数来建立支持向量机模型。

10.根据权利要求9所述的方法，其特征在于，所述步骤11.2的训练公式为：式中： 为常数， b为偏移项， 为核函数，核函数包括有线性核函数、多项式核函数和Sigmoid核函数。