Metode Ensemble Kalman Filter (EnKF) memiliki kemampuan fine tuning atas
distribusi static parameter suatu reservoir seperti permeabilitas. Sebaran permeabilitas
tersebut dapat dikoreksi seiring dengan bertambahnya data produksi, sehingga model
dapat diperbarui secara terus-menerus. Algoritma ini juga sangat efisien karena hanya
memerlukan informasi satu timestep sebelumnya saja sehingga sangat mengurangi
waktu komputasi. Namun permasalahan yang timbul dari penggunaan algoritma EnKF
adalah problem yang coba diselesaikan memiliki variabel yang jauh lebih banyak.
Sehingga permasalahan menjadi underdetermined. Ini mengakibatkan solusi yang
diperoleh dapat menjadi jauh dari model yang sebenarnya.
Untuk mengurangi efek dari underdetermined system, algoritma EnKF perlu
dimodifikasi agar bekerja dengan syarat batas yang banyak. Salah satu upaya
meningkatkan batasan adalah dengan menambah informasi mengenai facies sebagai
pemandu dalam perhitungan Kalman Gain dan dengan membuat ensemble saat kondisi
awal yang memiliki korelasi secara spasial, kemudian hasil correlation matrix yang
sudah diperoleh kembali dikoreksi dengan modifier yang berbasiskan facies model.
Upaya tambahan dalam meningkatkan localization effect adalah dengan
mengimplementasikan dynamic parameter modifier dalam memodifikasi Kalman
Gain, yaitu dengan pemilihan parameter yang terkait dengan pengukuran terhadap data
produksi, seperti misalnya tekanan reservoir dan flux magnitude. Hasil yang diperoleh
menunjukkan terjadinya efek pembaruan grid yang lebih terlokalisasi dengan tetap
mempertahankan konsep geologi yang telah didefinisikan sebelumnya sehingga cocok
untuk diterapkan pada area sekitar sumur.