本发明属于石油工程领域，具体地，涉及一种基于深度学习降维重构的强非均质油藏历史拟合方法，包括以下步骤：步骤一、构建初始油藏模型，使用奇异值分解(SVD)方法计算地质特征的本征维数；步骤二、训练变分自编码模型(DCVAE)，使用解码器进行降维参数化表征；步骤三、集合光滑多次数据同化(ES‑MDA)方法迭代同化数据更新潜变量，变分自编码模型解码器重构油藏模型并进行数值模拟；步骤四、多次迭代输出模型。相对于现有技术，本发明的有益效果如下：通过深度变分自编码模型、奇异值分解方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。