目前，目标函数最小化的油藏自动历史拟合过程：不基于导数的方法，需要大量的模拟运算；并且运算中将在每个迭代步中给目标函数赋值，并且需要找到全局最小点；以导数为基础的方法，伴随矩阵要高度依赖于模拟器，当转换为不同的油藏模拟器时，必须修改或重写伴随矩阵。集合卡尔曼滤波(EnKF)方法能够建立在任意油藏模拟器的基础上，不用进行复杂的敏感系数矩阵计算，不需要建立伴随解。因此利用EnKF进行自动历史拟合的研究具有重要的科学价值和现实意义。　　本文针对标准卡尔曼滤波(KF)在油藏参数估计中预测误差协方差矩阵计算和存储困难以及扩展KF应用到非线性系统的近似问题，采用了EnKF集合预测来估计预测误差协方差。　　将EnKF与数值模拟软件相耦合，应用到一个实验算例中。通过数值模拟分析将模型预测与观测数据有机结合，利用观察数据来调整模型。它提高了拟合质量同时得到多个拟合结果，给出了油藏模型参数集合平均的最佳估计。利用EnKF进行历史拟合后减低了不确定性。