随着油田的开发进入中后期,提高采收率是迫切需要解决的难题；生产优化是油气增产的重要途径之一。然而对于生产自动优化技术,关键是不同来源数据(四维地震、生产动态油、气、水产量、井产液剖面数据、井下长期动态监测数据如井下温度、压力以及流量等)如何集成在生产优化动态更新模型中进行油藏参数和油藏地质模型及生产指标自动优化的研究十分困难。因此,采用什么样的集成技术和方法是油藏开发实时动态优化最重要的部分。本文利用集合卡尔曼滤波(Ensemble Kalman Filter,简称EnKF)方法建立新的自动拟合油藏模型,在模型中将油藏各个参数视为一个集合向量,通过对动态监测数据(如产量、压力、产液剖面)实时拟合,不断地更新油藏模型状态参数(孔隙度、渗透率、含水饱和度),逐渐地逼近油藏的真实值；使其预测结果与生产动态一致。以油藏动态监测数据与理论计算数据之差建立目标函数,开展了对集合卡尔曼滤波方法辅助油藏历史拟合的优化算法研究；并利用Monte Carlo方法生成一组油藏模型的初始集合参数,结合EnKF方法拟合动态监测数据,获得了较好的油藏模型实现。并对油藏参数(包括静态参数,如孔隙度和动态参数,如含水饱和度)进行了实时更新预测,讨论了集合大小,噪音比例、初始参数的均值对油藏历史拟合结果的影响；对比了生产数据和动态监测数据更新油藏模型之间的差别；同时开展了油藏模型参数的预测(如累积产油量,生产气油比等)不确定性分析。在此基础上以典型“五点井网”为例,通过集合卡尔曼滤波方法的自动拟合油藏模型对油藏参数进行实时更新计算,研究进一步验证该方法的正确性和有效性。本文提出方法对油田开发以及油田开发中数据集成技术具有一定指导意义。