随着我国油田进入中后期,提高采收率变得困难。目前,为了更进一步认识油藏非均质性,在油田中后期进行了大规模的高精度3D地震测量;因此,如何结合重复观测的地震数据和动态数据进一步认识油藏就显得更为重要。本文在前人研究的基础上,研究了集合卡尔曼滤波整合地震数据和动态数据更新储层参数。储层静态模型是储层表征的重要内容,通常利用已知信息,结合先验性认识对未知储层空间进行估计。然而,这样得到的储层静态模型经常与实际生产观测数据以及地震观测数据存在着较大差异。集合卡尔曼滤波能够通过观测数据反推系统模型的状态向量,并使得观测数据和正演数据之间的差异达到最小。本文首先利用随机导航点法的思路优化生成初始模型集合的算法。然后,介绍集合卡尔曼滤波在更新油藏储层静态参数的应用。根据集合卡尔曼滤波产生的必要条件,介绍了集合卡尔曼滤波整合动态数据和3D地震数据的基本原理。通过实例分析,验证了集合卡尔曼滤波整合动态数据和3D地震数据在更新油藏模型参数方面的有效性,更新后的油藏模型能够较好地反映储层非均质性,并且与3D地震数据有较好的一致性。还比较了利用3D地震数据和4D地震数据进行更新油藏模型的差别。通过EnKF方法将地震数据和动态数据结合起来描述油藏特征,很好地拟合观测数据,并获得较好的模型。本文通过试验模型的基础上验证了所采用方法的正确性及有效性。