Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Z u
Kriging
Vecino ms cercano
Interpolacin estndar
Regresin lineal
Mtodos basados en Splines
...
El vecino ms cercano
X (Kilometer)
>=20 9.38
9.38 19 40. 40.
18 5.96
40. 40. 17 10.31
5.96 11.11
10.31 11.11 16 11.04
11.04 15 7.69
Y (Kilometer)
14 11.54
Y (Kilometer)
7.69
Y (Kilometer)
30. 30.
30. 11.54 30. 13
9.43 6.60 12 9.43 6.60
7.52 7.52
11
6.87 10 6.87
20. 20. 9 20. 20.
8
7
7.36 2.46 11.22 9.84 6 2.46 11.22 9.84
12.12 5 7.36
12.12
10. 10. 4
3.81 4.32 10. 10.
3 3.81 4.32
10.21 9.22 2
7.26 1 10.21 9.22
0. 9.43
9.59 7.18 0. <0 7.26
0.6.26 10. 20. 30. 40. 9.439.59 7.18
0. 0.
X (Kilometer) N/A 0. 6.26 10. 20. 30. 40.
X (Kilometer)
Kriging
X (Kilometer)
0. 10. 20. 30. 40.
Distancia inversa
>=20
9.38 19
18
40. 40. 17
10.31 5.96 16
11.11
11.04 15
Y (Kilometer)
7.69 14
Y (Kilometer)
30. 11.54 30. 13
9.43 6.60 12
7.52 11
6.87 10
20. 20. 9
8
7
7.36 2.46 11.22 9.84 6
12.12 5
10. 10. 4
3.81 4.32
3
10.21 9.22 2
7.26 1
0. 9.43
9.59 7.18 0. <0
0.6.26 10. 20. 30. 40.
X (Kilometer) X (Kilometer) N/A
9.38
40. 40.
10.31 5.96
11.11
11.04
7.69
30. 11.54 30.
9.43 6.60
7.52
6.87
20. 20.
Y (Kilometer)
11.11 9.7
Y (Kilometer)
11.04 10.8
10.25 30. 9.43 6.60 30. 9.15
11.54 7.69 7.52 8.6
Y (Kilometer)
9.7
Y (Kilometer)
observaciones disponibles
var Z u Z * u sea mnima
Kriging Simple
KRIGING SIMPLE
EZ u m y m es conocida
1 CASO. m = 0
Ahora slo resta hallar los pesos para que la condicin de varianza mnima se
satisfaga.
Entonces
*
1
var Z u Z u var Z u 0 1, , u0 u
0
2 12 2 2 1 covu u1
Kriging Simple
var Z u Z * u
21 2 2 covu u1 0
1
Con lo cual
covu u1
1 u u1
2
var Z u Z * u 2 1 2 u u1
Este tipo de resultado generalmente se utiliza para determinar el error asociado
a la estimacin.
Debe ser usado con cautela porque no depende directamente de los datos si no
de la continuidad espacial de estos !
var Z * u 2 2 u u1 2 var Z u
Kriging Simple
*
2
var Z u Z u var Z u 0 1, , u0 u
0
+
21 2 covu1 u2 21 covu0 u1 22 covu0 u2
Kriging Simple
Ahora hay dos parmetros desconocidos y por lo tanto hay que calcular dos
derivadas e igualarlas a cero
var Z u Z * u
1 2 2 covu1 u2 covu0 u1 0
1
var Z u Z * u
2 2 1 covu2 u1 covu0 u2 0
2
De esta manera se obtiene un sistema de dos ecuaciones con dos incgnitas que
se puede escribir en forma matricial como:
C 0 C u1 u2 1 C u0 u1
C u u
2 1 C 0
2 C u 0 u
2
Kriging Simple
var Z u Z * u 2 1C u0 u1 2C u0 u2
2
C u0 u
2
Cov Z u Z * u , Z * u 0
var Z u var Z u Z * u var Z * u
Lo que muestra que:
var Z * u var Z u
Kriging Simple
N
var Z u Z u var Z u
*
0 1, , u0 u
0
covu u
N
2 var Z u
0
C u u j C ui u i 1,2, , N
N
j i
j 1
Kriging Simple
N
var Z u Z u C u0 u
* 2
2 CASO. m 0
Y u : Z u m
La nueva funcin aleatoria es estacionaria y tiene media cero, por lo cual el
estimador de kriging simple es:
Kriging Simple
Y la solucin es
C u u
u u
2
Z u m
*
Kriging Simple
E Z u / Z u1 , Z u2 ,, Z u N Z * u
KRIGING ORDINARIO
N
1 ,, N , var Z u Z u 2 1 i
*
i 1
1 ,, N ,
0 j 1,2, , N
j
1 , , N ,
0
Kriging Ordinario
1 , , N , var Z u Z * u
2 j 1,2, , N
j j
1 ,, N , N
21
1
var Z u Z * u
2 j 1,2, , N
j
Kriging Ordinario
Sabemos que:
var Z u Z * u
2 covu u j 2 covu u j
N
j 1
2 covu u j 2 2 covu u j
N
j 1,2, , N
1
Kriging Ordinario
C 0 C u1 u2 C u1 u N 1 1 C u u1
u u C 0 C u2 u N 1 C u u
2 1 2 2
C u N u2 C u N u2 C 0 1
N C u u
N
1 1 1 1 0 1
N
var Z u Z u C u0 u
* 2
Ch C0 h
C 0 u u C 0 u u
N
1
j j j 1,2, , N
u u u u
N
1
j j j 1,2, , N
0 u1 u2 u1 u N 1 1 u u1
u u 0 u2 u N 1 u u
2 1 2 2
u N u2 u N u2 0 1
N u u
N
1 1 1 1 0 1
C 0 0 0 1 1 C u u1
0 C 0 0 1 C u u
2 2
0 0 C 0 1
N C u u
N
1 1 1 1 0 1
j C 0 C u u j j 1,2, , N
j u u j j 1,2, , N
C 0
Kriging Ordinario
C 0 N C u u j
N
j 1
C 0 1
C u u
N
j
N N j 1
C 0
N
1 u u j
N j 1
Kriging Ordinario
u u j 0 j
Y por lo tanto
C 0
N
1
j j 1,2, , N
N
N
j C ui u j m
m
j 1
j 1,2, , N
N
j 1
m
j 1
j
La solucin del kriging ordinario es nica, por lo tanto si se demuestra
que los valores ' resuelven el sistema de ecuaciones del kriging
ordinario se tendr que
*
Z sk u Z ok
*
u
Kriging Ordinario
j
N N
j j
m
j 1 j 1
N N
j mj
j 1 j 1
N
j
j 1
1
Kriging Ordinario
j C ui u j j mj C ui u j
N N
j 1 j 1
j C ui u j mj C ui u j
N N
j 1 j 1
C u ui m
Y por lo tanto
j C ui u j C u ui
N
j 1
ok
2
sk
2
2 var m*
Es decir, la varianza del kriging ordinario es la varianza del kriging
simple (cuando en realidad se conoce la media) ms un factor
asociado a la estimacin de la media.
ok
2
sk
2
Kriging Ordinario
simple es
cov Z u , Z sk
*
u
b *
var( Z sk (u ))
Z sk
Kriging Ordinario
*
cov( Z (u ), Z ok (u ) )
b *
cov( Z (u ), Z ok (u ))
Z sk
Kriging Ordinario
X (Kilometer)
0. 10. 20. 30. 40. Imagen original
>=20
9.38 19
18
40. 40. 17
10.31 5.96 16
11.11
11.04 15
Y (Kilometer)
7.69 14
Y (Kilometer)
30. 11.54 30. 13
9.43 6.60 12
7.52 11
6.87 10
20. 20. 9
8
7
7.36 2.46 11.22 9.84 6
12.12 5
10. 10. 4
3.81 4.32
3
10.21 9.22 2
7.26 1
0. 9.43
9.59 7.18 0. <0
0.6.26 10. 20. 30. 40.
X (Kilometer) N/A
14
Y (Kilometer)
9.7
Y (Kilometer)
Y (Kilometer)
30. 30. 13 30. 9.43 6.60 30. 9.15
12 7.52 8.6
11 6.87 8.05
10 7.5
20. 20. 9 20. 20. 6.95
8 6.4
7 7.36 2.46 11.22 9.84 5.85
12.12
6 5.3
5 3.81 4.32 4.75
10. 10. 4 10. 10. 4.2
3 10.21 9.22 3.65
2 7.26 3.1
1 9.43
9.59 7.18 2.55
<0 6.26 <2
0. 0. 0. 0.
0. 10. 20. 30. 40. 0. 10. 20. 30. 40.
X (Kilometer) N/A X (Kilometer) N/A
1F
Dado un conjunto cualquiera F, se define su funcin indicadora como:
1 si x F
1F x
0 si no
x2
x1
1F x1 1 1F x2 0
1F
De particular inters es considerar variables indicadoras de facies.
1 si x F
1F x
0 si no 1 0
1 0 E 1F1 x
6
75%
8
1 0
E 1F2 x
1 0 2
25%
Facies 1 8
1 0
0 1
Facies 2 0
1
0 1
1F 1F1 2
1F
Este concepto tan sencillo permite considerar las facies presentes en un
yacimiento como funciones aleatorias y aplicar muchas de las tcnicas
estudiadas anteriormente.
Unidad 2 Unidad-5
1F
En el caso de variables indicadoras el variograma es:
F h E1F x h 1F x 2
1
2
P( x F y x h F )
Variograma
R2 R1
Distancia
1F
Propiedades
1) E 1F x P( x F ) p 0,1
var 1F x p 1 p 0.25
El sill de variogramas de funciones indicadoras no puede ser mayor
a 0.25
2) F h 0.5
h C F 0 C F h
F
CF 0 var 1F x p 1 p 0.25
CF h E1F x h p1F x p
1F
4) Desigualdad Triangular
F h1 h2 F h1 F h2
En particular F 2h 2 F h
Consecuencia :
p 1
p
Un variograma con comportamiento en el origen de la forma h
1F x 1F x 1
1 2
F 1 h F 2 h
En el caso general,
1F x 1F x 1FN x 1
1 2
0
0 1
0 1
0
1
1 0
Proporcin de la facies F en
el punto u
1F
Barra Canal
Barra kriging son mapas de
30. 30. probabilidades y no mapas de
Y (Kilometer)
Canal Canal
Y (Kilometer)
Canal
? Canal
propiedades.
20. 20.
Canal Lutita Barra Canal
Barra
Lutita Lutita
10. 10.
Barra Canal
Canal
Canal Canal Canal
Canal X (Kilometer)
0. 0.
0. 10. 20. 30. 40.
0. 10. 20. 30. 40. >=1.001
0.95095
X (Kilometer) 0.9009
40. 40. 0.85085
0.8008
0.75075
Y (Kilometer)
0.7007
Y (Kilometer)
30. 30. 0.65065
0.6006
Probabilidad de 0.55055
0.5005
facies de canal 20. 20. 0.45045
0.4004
0.35035
0.3003
0.25025
10. 10. 0.2002
0.15015
0.1001
0.05005
0. 0. <0
0. 10. 20. 30. 40.
X (Kilometer) N/A