12 Secundaria

Tema 6:
T
ecnicas de estimaci
on de una variable
incorporando informaci
on secundaria
Eduardo Cassiraga
efc@dihma.upv.es
Grupo de Investigaci
on de Hidrogeologa
Departamento de Ingeniera Hidraulica y Medio Ambiente
Universidad Politecnica de Valencia
Master en Ingeniera Hidraulica y Medio Ambiente
Geoestadstica
Tema 6: Tecnicas de estimaci

on de una variable incorporando informaci
on secundaria
Contenidos
1 Introducci
on.
2 Tipos de datos.
3 Krigeado por estratos.
4 Krigeado simple con media local.
5 Krigeado con una deriva externa.
6 El paradigma del cokrigeado:
7 Un ejemplo de cokrigeado ordinario.
8 Cokrigeado colocalizado.
9 Un ejemplo de cokrigeado colocalizado.
Geoestadstica

on secundaria
1 Introducci
on
Algoritmos para la estimaci
on de una variable a partir de informacion acerca de la
misma variable.
Inclusion en el proceso de estimaci
on de una o m
as variables que estan correlacionadas
con la variable de interes.
Aprovechamiento de la correlaci
on cruzada entre las distintas variables con la variable
de interes para mejorar el conocimiento acerca de esta u
ltima.
Geoestadstica

on secundaria
2 Tipos de datos
Informaci
on directa, principal o dura.
Es escasa y muy costosa.
Se trata de medidas con una incertidumbre nula o despreciable.
Ejemplos: datos de precipitaci
on, transmisividad, conductividad hidraulica, concentracion de un contaminante.
Informaci
on indirecta, secundaria o blanda.
Es conocida abundantemente a un costo relativo bajo.
Son medidas asociadas a una incertidumbre.
Ejemplos: datos de radar, porosidad del terreno, informacion geofsica, informacion
derivada de un MDT.
Geoestadstica

on secundaria
3 Krigeado por estratos (KPE)

Supongamos que la informaci
on secundaria toma la forma de un mapa categorico de
un atributo determinado sobre el area de estudio, luego el KPE comprende los pasos
siguientes:
1 El area de estudio es estratificada de acuerdo a los lmites establecidos por el mapa
categorico de informaci
on secundaria.
2 Se calcula el variograma para cada uno de los estratos establecidos.
3 Las estimaciones dentro de cada estrato se llevan a cabo utilizando los datos y el
variograma pertenecientes a ese estrato.
Si no hay suficientes datos para calcular un variograma por estrato se puede calcular uno
valido sobre todo el dominio de trabajo.
Geoestadstica

on secundaria
4 Krigeado simple con media local (KSML)

El estimador por krigeado simple es:
ZKS
(u) =
n
X
[Z(u) m] + m
=1
El KSML sustituye la media estacionaria m por una variando suavemente en funcion de

la informaci
on secundaria disponible en la localizaci
on estudiada, luego el estimador por
KSML es:
ZKSM
L (u) =
n
X
[Z(u) mKSM L(u)] + mKSM L(u)
=1
Geoestadstica

on secundaria
Estimaci
on de media local
Informaci
on secundaria categ
orica.
La media local de la variable primaria mKSM L se calcula como la media aritmetica de
los datos que caen dentro de cada categora.
Informaci
on secundaria continua.
La media local de la variable primaria mKSM L puede ser una funcion (lineal o no) del
valor del atributo secundario y en cada localizaci
on u, esto es:
mKSM L(u) = f (y(u))
La funci
on f () puede ser determinada por regresi
on.
Geoestadstica

on secundaria
Sistema de KSML
Los pesos del KSML se obtienen resolviendo un sistema de krigeado simple que se escribe:
n
X
CR(u u ) = CR(u u), = 1, ..., n
=1
donde CR(h) es la funci

on de covarianza de la funcion aleatoria R(u), es decir de los
residuos Z(u) m(u).
La funcion de covarianza de R(u) se puede calcular a partir de los datos y de las medias
locales.
Geoestadstica

on secundaria
5 Krigeado con una deriva externa (KDE)

El KDE es un caso particular del krigeado con un modelo de tendencia o krigeado
universal en el cual la componente de tendencia m(u) es modelizada como una funcion
lineal de una variable secundaria y(u) que vara suavemente (en lugar de una funcion de
las coordenadas espaciales), esto es:
m(u) = a0 + a1y(u)
El estimador por KDE tiene la forma siguiente:
(u) =
ZKDE
n
X
Z(u)
=1
Geoestadstica

on secundaria
Sistema de ecuaciones del KDE

Los coeficientes de ponderaci
on se obtienen resolviendo el siguiente sistema de
ecuaciones lineales:
n
P
CR(u u ) + 0 + 1y(u) = CR(u u),
=1
= 1, ..., n
n
P
= 1
=1
=1 y(u ) = y(u)
El sistema de KDE es un caso particular del sistema de KT donde K=1 y la componente
de tendencia f1(u) en cada localizaci
on es identificada con el valor y(u) de una variable
secundaria.
Geoestadstica

on secundaria
6 El paradigma del cokrigeado

El cokrigeado (CK) permite incorporar en el proceso de estimacion de una variable
informaci
on secundaria que no es exhaustivamente conocida.
Desde el punto de vista de la correlaci
on espacial es la tecnica de estimacion mas potente
ya que en la construcci
on del estimador intervienen los valores de la variable principal, la
o las variables secundarias y todos los patrones de continuidad espacial entre variables.
10
Geoestadstica

on secundaria
El estimador general por cokrigeado

El estimador general por cokrigeado tiene la forma siguiente:
(1)
ZCK (u) m1(u) =
n1
X
1 [Z1(u1 ) m1(u1 )] +
1 =1
ni
Nv X
X
i [Zi(ui ) mi(ui )]
i=2 i =1
(1)
donde ZCK (u) es el estimador de la variable principal por cokrigeado en la localizacion

(u), m1(u) y mi(ui ) son los valores esperados de las variables aleatorias Z1(u) y Zi(ui )
respectivamente, 1 y i son los pesos asignados a los datos primarios y secundarios
respectivamente, y n1, Nv y ni son el n
umero de datos de la variable principal, el n
umero
de variables secundarias y el n
umero de datos de la variable secundaria que intervienen
en la estimaci
on de la localizaci
on (u) respectivamente.
11
Geoestadstica

on secundaria
El estimador y la varianza por cokrigeado ordinario

El estimador por cokrigeado ordinario considerando s
olo una variable secundaria es:
(1)
ZCKO (u) =
n1
X
1 =1
1 Z1(u1 ) +
n2
X
2 Z2(u2 )
2 =1
y la varianza de la estimaci
on es:
2
CKO
(u) = 12 1
n1
X
1 =1
1 C1(u1 u)
n2
X
2 C12(u2 u)
2 =1
12
Geoestadstica

on secundaria
El sistema de cokrigeado ordinario

on 1 y 2 se obtienen resolviendo el siguiente sistema
de ecuaciones lineales:
n
n2
P
P1
1 C1(u1 u1 ) +
2 C12(u1 u2 ) + 1 =
1 =1
2 =1
C1(u1 u),
1 = 1, ..., n1
n1
n2
P
P
1 C12(u1 u2 ) +
2 C2(u2 u2 ) + 2 =
1 =1
C12(u2 u),
n1
1 = 1
1 =1
n2
2 = 0
2 =1
2 = 1, ..., n2
2 =1
13
Geoestadstica

on secundaria
El estimador y la varianza por

cokrigeado ordinario estandarizado
El estimador por cokrigeado ordinario estandarizado considerando solo una variable
secundaria es:
(1)
ZCKO (u) =
n1
X
1 Z1(u1 ) +
1 =1
n2
X
2 [Z2(u2 ) m2 + m1]
2 =1
y la varianza de la estimaci
on es:
2
CKO
(u) = 12 1
n1
X
1 =1
1 C1(u1 u)
n2
X
2 C12(u2 u)
2 =1
14
Geoestadstica

on secundaria
El sistema de cokrigeado ordinario estandarizado

on 1 y 2 se obtienen resolviendo el siguiente sistema
de ecuaciones lineales:
n
n2
1
P
P
1 C1(u1 u1 ) +
2 C12(u1 u2 ) + =
1 =1
2 =1
C1(u1 u),
1 = 1, ..., n1
P
n1
n
P2
1 C12(u1 u2 ) +
2 C2(u2 u2 ) + =
1 =1
2 =1
C12(u2 u),
2 = 1, ..., n2
n1
n2
P
P
1 +
2 = 1
1 =1
2 =1
15
Geoestadstica

on secundaria
7 Un ejemplo de cokrigeado ordinario

1 Informaci
on disponible: 2 datos de la variable principal (U) y de 3 datos de la
variable secundaria (V) con la siguiente configuracion:
2 Modelo de continuidad espacial:
U (h) = 440000 + 70000 Esf(h) + 95000 Esf(h)

U V (h) = 47000 + 50000 Esf(h) + 40000 Esf(h)
V (h) = 22000 + 40000 Esf(h) + 45000 Esf(h)
16
Geoestadstica

on secundaria
3 Construcci
on del sistema de cokrigeado:
UU
UV
UV
UV
UU
C13
C14
C15
C11 C12
UU
UU
UV
UV
UV
C21
C
C
C
C
22
23
24
25
UV
UV
VV
VV
VV
C31 C32
C
C
C
33
34
35
UV
UV
VV
VV
VV
C41 C42
C
C
C
43
44
45
UV
UV
VV
VV
VV
C51 C52
C
C
C
53
54
55
1
1
0
0
0
0
0
1
1
1
1
1
0
0
0
0
0
0
0
1
1
1
0
0
1
2
1
2
3
1
2
605000 99155 137000 49715 57615 1 0

99155 605000 49715 137000 45554 1 0
137000 49715 107000 49623 57158 0 1
49715 137000 49623 107000 45164 0 1
57615 45554 57158 45164 107000 0 1
1
1
0
0
0
0 0
0
0
1
1
1
0 0
UU
C10
UU
C20
UV
C30
UV
C40
UV
C50
1
0
134229
102334
70210
52697
75887
1
0
17
Geoestadstica

on secundaria
4 Solucion:
1
2
3
4
5
1
2
= C1 D =
0.512
0.488
0.216
0.397
0.666
205963
13823
n1
n2
P
P
u =
iui +
ivi = 398
0
i=1
i=1
2
CKO = 681549
El estimador es igual a 398 y la varianza del error 681549.
18
Geoestadstica

on secundaria
8 Cokrigeado colocalizado
Cuando la informaci
on secundaria esta muy densamente muestreada el algoritmo de CK
tiene los siguientes inconvenientes:
1 El contraste entre la densidad de muestreo de la variable principal y la secundaria hace
que el sistema de ecuaciones de CK tienda a ser muy inestable.
2 Los datos secundarios que estan muy cerca de la localizacion de la variable principal a
ser estimada apantallan el efecto de los demas datos blandos.
Una soluci
on a estos problemas es construir un estimador de la variable principal en
una dada localizaci
on reteniendo s
olo el dato colocalizado de la variable secundaria,
aproximaci
on conocida como cokrigeado colocalizado.
19
Geoestadstica

on secundaria
El estimador general por cokrigeado colocalizado

El estimador general por cokrigeado colocalizado tiene la forma siguiente:
(1)
ZCKC (u) m1(u) =
n1
X
1 [Z1(u1 ) m1(u1 )] +
1 =1
Nv
X
i [Zi(u) mi(u)]
i=2
(1)
donde ZCKC (u) es el estimador de la variable principal por cokrigeado colocalizado en

la localizaci
on (u), m1(u) y mi(u) son los valores esperados de las variables aleatorias
Z1(u) y Zi(u) respectivamente, 1 y i son los pesos asignados a los datos primarios y
secundarios respectivamente, y n1 y Nv son el n
umero de datos de la variable principal
y el n
umero de variables secundarias que intervienen en la estimacion de la localizacion
(u) respectivamente.
20
Geoestadstica

on secundaria
Cokrigeado colocalizado ordinario estandarizado

El estimador por cokrigeado colocalizado ordinario estandarizado considerando solo una
variable secundaria es:
(1)
ZCKCO (u) =
n1
X
1 Z1(u1 ) + 2 [Z2(u) m2 + m1]
1 =1
y el sistema de ecuaciones cuya soluci

on nos da los coeficientes de ponderacion es:
n
P1
1 C1(u1 u1 ) + 2 C12(u1 u0)
1 =1
= C1(u1 u),
1 = 1, ..., n1
n1
P
1 C12(u u1 ) + 2 C2(0) + = C12(0)
1 =1
n1
1 + 2 = 1
1 =1
21
Geoestadstica

on secundaria
Cokrigeado colocalizado bajo un modelo de Markov

A traves de una aproximaci
on de tipo markoviana la funcion de covarianza cruzada entre
dos variables se puede expresar:
C12(0)
C11(h) = 12(0) C11(h)
C12(h) w
C11(0)
o en terminos de correlograma
12(h) w 12(0) 11(h)
o en terminos de variograma
12(h) w 12(0) 11(h)
donde 12(0) es el coeficiente de correlaci
on lineal entre las variables.
22
Geoestadstica

on secundaria
El estimador y el sistema de cokrigeado colocalizado

bajo un modelo de Markov
El estimador y el sistema de ecuaciones del cokrigeado colocalizado bajo un modelo de
Markov en su forma estandarizada son:
n1
(1)
X
ZCKCSM (u) m1
[Z1(u1 ) m1]
[Z2(u) m2]
=
1
+ 2
1
2
1
=1
1
n1
P
1 1(u1 u1 ) + 2 12(0) 1(u1 u0) =
1=1
1(u1 u),
1 = 1, ..., n1
n1
=1 1 12(0) 1(u u1 ) + 2 = 12(0)

1
donde 12(0) es el coeficiente de correlaci

on lineal entre las variables.
23
Geoestadstica

on secundaria
Casos particulares
Si 12(0) = 0 entonces 2 = 0 y el dato secundario colocalizado es ignorado, esto es:
n1
(1)
X
ZCKCSM (u) m1
[Z1(u1 ) m1]
=
1
1
1
=1
1
Si 12(0) = 1 entonces 2 = 1 y 1 = 0 1 = 1, ..., n1, por lo que el estimador

corresponde al dato secundario colocalizado estandarizado, esto es:
(1)
ZCKCSM (u) m1 Z2(u) m2

=
1
2
24
Geoestadstica

on secundaria
9 Un ejemplo de cokrigeado colocalizado

Los datos estan constituidos por 3 pozos.
La variable principal es la porosidad y la variable secundaria es la amplitud ssmica.
El modelo estadstico utilizado es:
Variable
Porosidad media
Amplitud
Media
12.7
2495.0
Desviaci
on estandar
1.7
1313.0
Correlacion
0.7
El variograma asumido para la porosidad es:

(h) = 1.0 Esf1500(h)
25
Geoestadstica

on secundaria
Un ejemplo de cokrigeado colocalizado

Porosidad
Amplitud
15.5
6465.62
9.3
-527.395
Krigeado ordinario
Cokrigeado colocalizado
15.5
15.5
9.3
9.3
26
Geoestadstica

on secundaria
Un ejemplo de cokrigeado colocalizado

Veremos de forma intuitiva como responde el cokrigeado colocalizado a los cambios en
el modelo de continuidad espacial.
Estimaremos un mapa de la porosidad media para los siguientes casos:
Efecto pepita puro

Alcance corto (100 m)
Alcance largo (3000 m)
= 0.0
case 1
case 4
case 7
= 0.5
case 2
case 5
case 8
= 0.9
case 3
case 6
case 9
Excepto la correlaci
on y el modelo de variograma, los demas parametros permanecen
identicos para los 9 casos considerados.
27
Geoestadstica

on secundaria
Modelo de continuidad espacial y campos estimados

Efecto pepita puro
Caso 1
Caso 2
Caso 3
15.5
15.5
15.5
9.3
9.3
9.3
= 0.0
= 0.5
= 0.9
28
Geoestadstica

on secundaria

Alcance = 100
Caso 4
Caso 5
Caso 6
15.5
15.5
15.5
9.3
9.3
9.3
= 0.0
= 0.5
= 0.9
29
Geoestadstica

on secundaria

Alcance = 3000
Caso 7
Caso 8
Caso 9
15.5
15.5
15.5
9.3
9.3
9.3
= 0.0
= 0.5
= 0.9
30
Geoestadstica

on secundaria
Bibliografa
Isaaks, E. y Srivastava, R. (1989). An Introduction to Applied Geostatistics, Oxford
University Press, New York.
Goovaerts, P. (1997). Geostatistics for Natural Resources Evaluation, Oxford University Press, New York.
Froidevaux, R. (1998). Geostatistics for Petroleum Reservoir Characterization.
Workshop Notes, FSS International.
31
Geoestadstica

on secundaria
Para leer en casa...

Xu, W, Tran, T, Srivastava, R. M. y Journel, A. (1992). Integrating seismic data
in reservoir modeling: the collocated cokriging alternative, SPE paper 24742.
(7-Lectura-Xu-etal-SPE92.pdf )
32

12 Secundaria

Transféré par

Informations du document

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

12 Secundaria

Transféré par

Droits d'auteur :

Formats disponibles

Tema 6:

Master en Ingeniera Hidraulica y Medio Ambiente

Tema 6: Tecnicas de estimaci

Tema 6: Tecnicas de estimaci

Master en Ingeniera Hidraulica y Medio Ambiente

Tema 6: Tecnicas de estimaci

Master en Ingeniera Hidraulica y Medio Ambiente

Tema 6: Tecnicas de estimaci

3 Krigeado por estratos (KPE)

Master en Ingeniera Hidraulica y Medio Ambiente

Tema 6: Tecnicas de estimaci

4 Krigeado simple con media local (KSML)

El KSML sustituye la media estacionaria m por una variando suavemente en funcion de

[Z(u) mKSM L(u)] + mKSM L(u)

Master en Ingeniera Hidraulica y Medio Ambiente

Tema 6: Tecnicas de estimaci

Master en Ingeniera Hidraulica y Medio Ambiente

Tema 6: Tecnicas de estimaci

CR(u u ) = CR(u u), = 1, ..., n

donde CR(h) es la funci

Master en Ingeniera Hidraulica y Medio Ambiente

Tema 6: Tecnicas de estimaci

5 Krigeado con una deriva externa (KDE)

Master en Ingeniera Hidraulica y Medio Ambiente

Tema 6: Tecnicas de estimaci

Sistema de ecuaciones del KDE

CR(u u ) + 0 + 1y(u) = CR(u u),

Master en Ingeniera Hidraulica y Medio Ambiente

Tema 6: Tecnicas de estimaci

6 El paradigma del cokrigeado

Master en Ingeniera Hidraulica y Medio Ambiente

Tema 6: Tecnicas de estimaci

El estimador general por cokrigeado

ZCK (u) m1(u) =

donde ZCK (u) es el estimador de la variable principal por cokrigeado en la localizacion

Master en Ingeniera Hidraulica y Medio Ambiente

Tema 6: Tecnicas de estimaci

El estimador y la varianza por cokrigeado ordinario

Master en Ingeniera Hidraulica y Medio Ambiente

Tema 6: Tecnicas de estimaci

El sistema de cokrigeado ordinario

Master en Ingeniera Hidraulica y Medio Ambiente

Tema 6: Tecnicas de estimaci

El estimador y la varianza por

Master en Ingeniera Hidraulica y Medio Ambiente

Tema 6: Tecnicas de estimaci

El sistema de cokrigeado ordinario estandarizado

Master en Ingeniera Hidraulica y Medio Ambiente

Tema 6: Tecnicas de estimaci

7 Un ejemplo de cokrigeado ordinario

2 Modelo de continuidad espacial:

U (h) = 440000 + 70000 Esf(h) + 95000 Esf(h)

V (h) = 22000 + 40000 Esf(h) + 45000 Esf(h)

Master en Ingeniera Hidraulica y Medio Ambiente

Tema 6: Tecnicas de estimaci

605000 99155 137000 49715 57615 1 0

Master en Ingeniera Hidraulica y Medio Ambiente

Tema 6: Tecnicas de estimaci

Master en Ingeniera Hidraulica y Medio Ambiente

Tema 6: Tecnicas de estimaci

Master en Ingeniera Hidraulica y Medio Ambiente

Tema 6: Tecnicas de estimaci

El estimador general por cokrigeado colocalizado

ZCKC (u) m1(u) =