Krigin 1

Kriging: Un Mtodo de Interpolacin sobre Datos Dispersos Jorge Zavaleta Snchez Introduccin Preliminares Variograma Mtodo Kriging Implementacin
en Matlab y Ejemplos
Universidad Nacional Autnoma de Mxico Laboratorio de Cmputo Cientco, F. C.
Kriging: Un Mtodo de Interpolacin sobre Datos Dispersos

presenta
Jorge Zavaleta Snchez
Mxico D.F., a 23 de Septiembre de 2010.
Historia
Kriging: Un Mtodo de Interpolacin sobre Datos Dispersos Jorge Zavaleta Snchez Introduccin Preliminares Variograma Mtodo Kriging Implementacin en Matlab y Ejemplos
La estimacin de mineral recobrable es muy importante ya que la variabilidad local puede afectar la ganancia al explotar una mina. Los primeros pasos para resolver este problema fueron tomados en los aos 50 en Sudfrica con el trabajo del ingeniero minero Danie Krige y el estadista Herbert Sichel trabajando en las minas de oro de Witwatersrand. Georges Matheron adopto el trabajo pionero hecho en Sudfrica y formaliz la mayor parte de los conceptos de la teora que llamo geoestadstica.
Ejemplos
Ejemplos
Idea
Idea
Idea
Idea
Variable y Funcin Regionalizada

El valor observado en cada punto x de los datos es considerado como una salida, z x , de una variable aleatoria, Z x , para x . Denimos a la variable regionalizada como, z x para todo x
La familia de todas estas variables aleatorias Z x x
es llamada una funcin aleatoria.
Hiptesis Estacionarias
Queremos que los dos primeros momentos (la media y la covarianza) sean constantes, lo cual, es llamado estacionariedad dbil o de segundo orden. En otras palabras, el valor esperado de Z x debe ser constante para todos los puntos x , esto es, EZ x mx m
y la funcin de covarianza entre cualquiera dos puntos x y x h depende solo del vector h y no del punto x , EZ x Z x h m2 Ch
Hiptesis Intrnsecas
Se supone que los incrementos de la funcin son dbilmente estacionarios, es decir, la media y la varianza de los incrementos Z x h Z x existen y son independientes del punto x , esto es EZ x Var Z x h h Z x Z x 0 2 h
La funcin h es llamada el semi-variograma (o el variograma), la cual es la herramienta bsica para la interpretacin estructural del fenmeno como tambin para la estimacin.
Variograma Experimental
La disimilaridad promedio con respecto a una clase de vectores k es un valor de lo que es denominado el variograma experimental 1 2nc
nc
z x
1
z x
con h
Tal clase k agrupa vectores cuyas longitudes estn entre un intervalo especicado de longitudes y cuya orientacin es la misma hasta una tolerancia dada sobre el ngulo.
Variograma Terico
Denicin
El variograma para una funcin aleatoria intrnseca se dene como: h 0 5 Var Z x h Z x
Para variables estacionarias e intrnsecas, la media de Z x h Z x es cero, y por lo tanto h es solamente la diferencia media de cuadrados, esto es: h 05 E Z x h Z x
2
Variograma Terico
Propiedades
El valor del variograma en el origen es cero por denicin 0 0 Los valores del variograma son positivos h 0
y el variograma es una funcin par h h
El variograma crece ms lento que h 2 , i.e. lim h h2 0 (1)
Variograma Terico
Propiedades
h Var
C0
n
Ch .
n n
Z x
0 n 0 0
si
0
0.
Variograma Terico
Caractersticas
El variograma presenta las siguientes caractersticas: Siempre empieza en 0 (para h 0 , Z x h Z x ). Este puede ser discontinuo justo despus del origen. Generalmente se incrementa con h . Se levanta hasta cierto nivel llamada umbral y entonces se aplana. Alternativamente este puede seguir creciendo.
Variograma Terico
Caractersticas
Variograma Terico
Caractersticas: Rango y Zona de Inuencia
La tasa de crecimiento del variograma con la distancia indica cuan rpido la inuencia de la muestra decae con la distancia. Depus de que el variograma ha alcanzado su valor lmite (su umbral) ya no hay ms correlacin entre las muestras. Esta distancia crtica, llamada el rango, da una denicin ms precisa de la nocin de zona de inuencia.
Variograma Terico
Caractersticas: Comportamiento cerca del origen
Kriging: Un Mtodo de Interpolacin sobre Datos Dispersos Jorge Zavaleta Snchez Introduccin Preliminares Variograma Mtodo Kriging Implementacin en Matlab y Ejemplos 2
Es an mas importante el estudio para valores pequeos de h dado que esto esta relacionado a la continuidad y la regularidad espacial de la variable. Se consideran cuatro tipos diferentes de comportamiento cerca del origen y estos son:
1
Cuadrtico. Esto indica que la variable regionalizada es continua y diferenciable. Lineal. La variable regionalizada es entonces continua pero no diferenciable. Discontinua en el origen. Esto signica que la variable es altamente irregular en distancias cortas. Plana. Las variables regionalizadas Z x h y Z x son no correlacionadas para todos los valores de h no importando que tan cerca estn.
Variograma Terico
Caractersticas: Anisotropas
Cuando el variograma es calculado en direcciones diferentes, este algunas veces se comporta diferente en algunas de ellas (i.e. anisotrpa). Si esto no ocurre, el variograma depende solo de la magnitud de la distancia entre los dos puntos y se dice que es istropo. Dos diferentes tipos de anisotropa pueden ser distinguidas:
1 2
Anisotropa Geomtrica Anisotropa Zonal
Variograma Terico
Modelos Admisibles
Los modelos admisibles de variogramas ms comnmente usados son los siguientes: Efecto Nugget. Modelo Esfrico. Modelo Exponencial. Funciones Potencia. Modelo Gaussiano.
Mtodo Kriging
Kriging es un mtodo de estimacin que da la mejor estimacin lineal insesgada de los valores de los puntos, esto es, elegir el promedio ponderado de los valores de las muestras la cual tenga la mnima varianza. Hay diferentes variaciones del mtodo kriging, entre ellas estn:
Kriging Simple (SK). Kriging Ordinario (OK). Kriging Universal (UK).
Mtodo Kriging
Kriging: Un Mtodo de Interpolacin sobre Datos Dispersos Jorge Zavaleta Snchez Introduccin Preliminares Variograma Mtodo Kriging Implementacin en Matlab y Ejemplos 4 2
La precisin de los mtodos depende de varios factores.

1
El nmero de muestras y la calidad de los datos en cada punto. La posicin de las muestras en el deposito. La distancia entre las muestras y el punto a ser estimado. La continuidad espacial bajo consideracin.
Kriging Ordinario (OK)

Deseamos estimar un valor z x 0 en x 0 , usando los valores de los datos z x , de n puntos muestrales vecinos x y combinndolos linealmente con pesos i.e.
n
Z x0
1
Z x
Los pesos son elegidos de tal manera que el estimador sea:

1 2
Insesgado: E Z x 0
Z x0
0 Z x0 sea un mnimo.
Varianza mnima: Var Z x 0

La propiedad 1) (estimador insesgado), es garantizada con

n
la suma unitaria de los pesos, esto es,

1 n
1
n
E Z x0
Z x0
E
1 n
Z x E Z x
1
Z x0
1
Z x0
dado que las esperanzas de los incrementos es cero.

2 La varianza de la estimacin E Var Z x 0 es la varianza de la combinacin lineal

n n
Z x0
Z x0
Z x0
1
Z x
1 Z x0
0
Z x
con un peso
igual a -1 y
n 0
0.
La varianza de la estimacin
2 E
E Z x0
n
Z x0 x x0
2 n n
2
1
x
1 1
x0
x0

Minimizando la estimacin de la varianza con la restriccin OK sobre los pesos (Var Z x 0 Z x0 2 OK 1 ), obtenemos el sistema de kriging ordinario (OK)
n OK 1 n OK 1
x 1
OK
x0
para
Se puede expresar el sistema anterior en forma matricial como,

x1 . . . xn 1 x1 x1 .. . xn 1 x1 . . . xn xn 1 . . . 1 0
OK 1
x1 . . . xn 1
x0 x0
. . .
OK n OK

La varianza de la estimacin del kriging ordinario es,

n 2 OK OK
x0
x0
1
OK
x0
El estimador kriging ordinario es un interpolador exacto en el sentido que si x 0 es idntico con una locacin de los datos entonces el valor estimado es idntico con el valor del dato en ese punto Z x0 Z x si x 0 x
Implementacin
Hasta el momento se ha hecho lo siguiente: Construccin del variograma experimental para datos en 1D y 2D. Ajuste de los modelos admisibles a el variograma experimental. Implementacin de kriging ordinario para utilizarlo como interpolador de datos dispersos en 1D y 2D.
Ejemplos
Implementacin en Matlab
Kriging: Un Mtodo de Interpolacin sobre Datos Dispersos Jorge Zavaleta Snchez Apndice
Bibliografa
Armstrong M. Basic Linear Geostatistics. Springer, 1998. Isaaks E. H.; Srivastava R. M. An Introduction to Applied Geostatistics. Oxford University Press, New York, 1989. Wackernagel H. Multivariate Geostatistics: An Introduction with Applications. Springer, Berlin, 2003.
Bibliografa
Lophaven S. N.; Nielsen H. B.; Sondergaard J. Aspects of Matlab Toolbox DACE. Report IMM-REP-2002-13, Informatics and Mathematical Modelling, Technical University of Denmark, 2002. Lophaven S. N.; Nielsen H. B.; Sondergaard J. DACE - A Matlab Kriging Toolbox, Version 2.0. Report IMM-REP-2002-12, Informatics and Mathematical Modelling, Technical University of Denmark, 2002.
Bibliografa
Gracias por su atencin

Krigin 1

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Krigin 1

Transféré par

Droits d'auteur :

Formats disponibles

Kriging: Un Mtodo de Interpolacin sobre Datos Dispersos Jorge Zavaleta Snchez Introduccin Preliminares Variograma Mtodo Kriging Implementacin

Universidad Nacional Autnoma de Mxico Laboratorio de Cmputo Cientco, F. C.

Kriging: Un Mtodo de Interpolacin sobre Datos Dispersos

Jorge Zavaleta Snchez

Mxico D.F., a 23 de Septiembre de 2010.

Variable y Funcin Regionalizada

La familia de todas estas variables aleatorias Z x x

es llamada una funcin aleatoria.

El variograma para una funcin aleatoria intrnseca se dene como: h 0 5 Var Z x h Z x

y el variograma es una funcin par h h

El variograma crece ms lento que h 2 , i.e. lim h h2 0 (1)

Anisotropa Geomtrica Anisotropa Zonal

La precisin de los mtodos depende de varios factores.

Kriging Ordinario (OK)

Los pesos son elegidos de tal manera que el estimador sea:

Varianza mnima: Var Z x 0

Kriging Ordinario (OK)

La propiedad 1) (estimador insesgado), es garantizada con

la suma unitaria de los pesos, esto es,

dado que las esperanzas de los incrementos es cero.

Kriging Ordinario (OK)

2 La varianza de la estimacin E Var Z x 0 es la varianza de la combinacin lineal

Kriging Ordinario (OK)

Se puede expresar el sistema anterior en forma matricial como,

Kriging Ordinario (OK)

La varianza de la estimacin del kriging ordinario es,

Gracias por su atencin

Vous aimerez peut-être aussi