油藏历史拟合是油藏数值模拟的关键环节。传统历史拟合存在成本高、效果差等问题。支持向量机是一种新的机器学习方法,它具有推广能力强、非线性和高维数等一系列优点。鉴于支持向量机与油藏历史拟合的关系,因而采用支持向量机来预测油藏历史拟合的各参数。本文首先对统计学习理论进行了概述,并详细介绍了支持向量机的回归原理和核函数方法,接着介绍了油藏历史拟合的原理、方法和步骤。然后,在此基础上通过理论分析和实际测试,建立了油藏历史拟合的支持向量回归机模型。最后,运用该模型对多组实际测试数据进行预测,并把预测所得到参数值反馈给油藏模型,将模拟产生的生产数据与油藏历史生产数据相比较。为了更准确的预测油藏四个区域的物性参数,本文提出了结合粗糙集属性约简和支持向量机回归的方法。首先用粗糙集属性约简理论对数据样本属性进行约简,选出决策属性,构成新的样本数据。然后用支持向量回归理论对数据样本进行训练,建立支持向量回归模型,并且对测试样本进行预测。最后把预测所得到参数值反馈给油藏模型,使模拟产生的生产数据与油藏历史生产数据相吻合。预测结果表明：本文采用支持向量回归机可以较为准确的预测油藏的物性参数,从而避免人工历史拟合的耗费人力物力等不足之处,提高油藏拟合的速度和准确性,执行该方法可为油藏开发提供决策依据。