油藏自动历史拟合需进行多次计算耗时的油藏数值模拟，深度学习代理模型能够进行精度近似且计算效率更高的油藏数值模拟替代计算。现有的深度学习代理模型常为单一输入输出的模型架构，并未考虑自动历史拟合需要对多个油藏不确定性参数进行调整。本文提出了一种基于双输入输出卷积神经网络代理的油藏自动历史拟合方法，将渗透率场及相渗参数作为输入，使用双输入输出卷积神经网络同时对含水饱和度场及压力场进行预测，借助Peaceman方程计算产量数据，对油藏数值模拟求解进行替代计算，并耦合到ES-MDA方法中，对油藏渗透率场分布及相渗参数进行反演，实现较为高效的自动历史拟合求解。通过实例验证，代理模型在指定时间步的含水饱和度场、压力场的预测精度都在93%以上；所提出的自动历史拟合方法的拟合效率得到了大幅提升。研究结果表明，相较于传统的自动历史拟合方法，所建立的基于双输入输出卷积神经网络代理的自动历史拟合方法避免了多次调用油藏数值模拟器的计算耗时问题，提高了自动历史拟合效率。