digilib@itb.ac.id +62 812 2508 8800

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.