Professional Documents
Culture Documents
Z u
Kriging
• Regresión lineal
• Métodos basados en Splines
...
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
14 11.54
Y (Kilometer)
7.69 30. 30.
Y (Kilometer)
6.87 10 6.87
20. 20. 9
20. 20.
8
7
7.36 2.46 11.22 9.84 6
12.12 2.46 11.22 9.84
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. 9.439.59 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
7.69 14
Y (Kilometer)
30. 11.54 30. 13
9.43 6.607.52 12
11
Y (Kilometer)
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. 9.439.59 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)
11.04 10.8
7.69 10.25 30. 9.43 6.607.52 30. 9.15
11.54 9.7 8.6
Y (Kilometer)
observaciones disponibles
var Z u Z * u sea mínima
Kriging Simple
KRIGING SIMPLE
E Z u m y m es conocida
1° CASO. m = 0
Ahora sólo resta hallar los pesos para que la condición de varianza mínima se
satisfaga.
Entonces
*
1
var Z u Z u var Z u 0 1, , u0 u
0
2 12 2 2 1 cov u u1
Kriging Simple
var Z u Z * u
21 2 2 cov u u1 0
1
Con lo cual
cov u 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 estimación.
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 cov u1 u2 21 cov u0 u1 22 cov u0 u2
Kriging Simple
Ahora hay dos parámetros desconocidos y por lo tanto hay que calcular dos
derivadas e igualarlas a cero
var Z u Z * u
1 2 2 cov u1 u 2 cov u0 u1 0
1
var Z u Z * u
2 2 1 cov u2 u1 cov u0 u 2 0
2
De esta manera se obtiene un sistema de dos ecuaciones con dos incógnitas que
se puede escribir en forma matricial como:
C 0 C u1 u 2 1 C u0 u1
C u u
2 1 C 0 2 C u0 u 2
Kriging Simple
var Z u Z * u 2 1C u0 u1 2C u0 u 2
2
C u0 u
2
1
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
cov u u
N
2 var Z u
0
C u u j C ui u
N
j i i 1,2, , N
j 1
Kriging Simple
N
var Z u Z u C u0 u
* 2
1
2° CASO. m 0
Y u : Z u m
La nueva función aleatoria es estacionaria y tiene media cero, por lo cual el
estimador de kriging simple es:
Kriging Simple
Y la solución 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
Hay que buscar los valores ’s que minimizan la varianza y que
satisfagan que su suma sea igual a 1, para garantizar la condición de
insesgamiento.
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 cov u u j 2 cov u u j
N
j 1
2 cov u u j 2 2 cov u 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
1
C h C 0 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 2 C u u2
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
*
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 mj C ui u j
N N
j C ui u j
j 1 j 1
N N
j C ui u j mj C ui u j
j 1 j 1
C u ui m
Y por lo tanto
N
j C ui u j C u ui
j 1
2
ok 2
sk 2 var m*
Es decir, la varianza del kriging ordinario es la varianza del kriging
simple (cuando en realidad se conoce la media) más un factor
asociado a la estimación de la media.
2 2
ok sk
Kriging Ordinario
b
cov Z u , Z sk
*
u
*
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
7.69 14
Y (Kilometer)
30. 11.54 30. 13
9.43 6.607.52 12
11
Y (Kilometer)
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. 9.439.59 7.18 0. <0
0. 6.26 10. 20. 30. 40.
X (Kilometer) N/A
Y (Kilometer)
30. 30. 13 30. 9.43 6.607.52 30. 9.15
12 8.6
11 6.87 8.05
Y (Kilometer)
10 Y (Kilometer) 7.5
20. 20. 9 20. 20. 6.95
8 6.4
7 7.36 2.46 11.22 9.84 5.85
6 12.12
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 9.439.59 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 función indicadora como:
1 si x F
1F x
0 si no
x2
x1
1F x1 1 1F x2 0
1F
De particular interés es considerar variables indicadoras de facies.
1 si x F
1F x 0
1
0 si no
1 0 E 1F1 x
6
75%
8
1 0
2
1 0
E 1F2 x 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 técnicas
estudiadas anteriormente.
Unidad 2 Unidad-5
1F
En el caso de variables indicadoras el variograma es:
1
F h E 1F x h 1F x 2
2
P( x F y x h F )
Variograma
R2 R1
Distancia
1F
Propiedades
1) E 1F x P ( x F ) p 0,1
2) F h 0.5
C F h E 1F x h p 1F x p
1F
4) Desigualdad Triangular
F h1 h2 F h1 F h2
En particular F 2h 2 F h
Consecuencia :
p
Un variograma con comportamiento en el origen de la forma h p 1
no puede ser el variograma de una función indicadora
1F
5) Relación entre las variables indicadoras
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
Proporción de la facies F en
el punto u
1F
Barra Canal
Barra kriging son mapas de
30. Canal Canal 30. probabilidades y no mapas de
Y (Kilometer)
Canal
? Canal
propiedades.
Y (Kilometer)
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
X (Kilometer) 0.95095
0.9009
40. 40. 0.85085
0.8008
0.75075
0.7007
Y (Kilometer)
30. 30. 0.65065
Probabilidad de 0.6006
0.55055
Y (Kilometer)
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