简介： 本发明涉及一种优化深度学习降维重构参数的自动历史拟合方法及系统，包括以下步骤：步骤一、构建初始油藏模型，通过自动编码器方法训练深度自编码模型，使用解码器进行降维参数化表征，步骤二、利用粒子群优化算法优化自编码模型的神经网络结构，步骤三、ES‑MDA方法迭代同化数据更新潜变量，自编码模型解码器重构油藏模型并进行数值模拟，步骤四、多次迭代进行观测数据拟合，最终输出拟合模型，完成自动历史拟合流程。相对于现有技术，本发明通过深度自编码模型、粒子群优化算法的结合可将高维地质特征如渗透率映射到低维连续高斯空间进行重参数化表征，结合集合光滑多次数据同化(ES‑MDA)方法吸收生产历史实现复杂大规模油藏自动历史拟合高效求解。