O desenvolvimento e gerenciamento da produção de um campo de petróleo depende largamente de ferramentas de simulação de reservatórios. Contudo, para se obter uma previsão de produção confiável de um modelo de simulação, é necessário que ele esteja ajustado aos dados históricos de produção do campo. Dentre os avanços recentes na área de ajuste de histórico, o método ensemble smoother with multiple data assimilation (ES-MDA) vem sendo utilizado com sucesso no ajuste de modelos de reservatórios. Contudo, este método assume que as variáveis do modelo possuam uma função de distribuição Gaussiana, tendo sua performance reduzida ao lidar com atributos discretos, como por exemplo a propriedade de ocorrência/ ausência de corredores de fratura. Portanto, o presente trabalho tem por objetivo integrar uma rede convolucional autoencoder ao processo, sendo capaz de transformar as propriedades representativas dos corredores de fratura em uma propriedade com distribuição Gaussiana, que sirva de parâmetro de entrada para o ES-MDA, além de ser capaz de decodificar sua saída nas propriedades originais.