Documentos de Académico
Documentos de Profesional
Documentos de Cultura
4 6 Metodo Geoestadistico
4 6 Metodo Geoestadistico
Gonzlez P, D y Hernndez R, L. E.
RESUMEN
Palabras clave
Exploracin, Perforacin, Mtodos, Bsqueda.
I.
INTRODUCCIN
II.
OBJETIVOS
2.1.- General
2.2.- Especficos
III.
HIPOTESIS
3.1 General
3.2 Especficos
IV.
MATERIALES Y MTODOS
V.
RESULTADOS Y DISCUSIN
Variable regionalizada
Anisotropa
Drift
Efecto proporcional
Efecto informacin
Regularizacin
Figura 1
Funcin Variograma
Se puede decir que la geoestadstica es una ciencia bastante joven, por ello
sistematizar su conocimiento a partir de una separacin adecuada de sus
principales principios y tcnicas resulta imprescindible para su mejor estudio y
comprensin. Para ello se adopta la secuencia propuesta por el Centro de
Geoestadstica de la Escuela de Minas de Pars, en el curso de formacin
especializada Cycle de Formation Spcialis en Gostatistique:
Geoestadstica lineal
Geoestadstica no estacionaria
Geoestadstica multivariada
Simulaciones
Geoestadstica no lineal
V.1.1.1
Geoestadstica lineal
es
finito.
Las
funciones
aleatorias
intrnsecas
deben
ser
V.1.1.2
Geoestadstica no estacionaria
El modelo de residuos
.
La no estacionaridad se revela en el variograma como un crecimiento parablico y
suele confundirse con modelos gaussianos.
La dicotoma se emplea para calcular el variograma de los residuos y se incorpora
en las ecuaciones de krigeaje, pero la combinacin lineal que caracteriza el
estimador es similar a la del krigeaje ordinario. El variograma de los residuos es
altamente sesgado, excepto para cortas distancias, adems de esto, la definicin
del drift en la mayora de los casos es oscura. El krigeaje universal debe ser
empleado solamente cuando la definicin del drift es clara, o asociada a un
fenmeno fsico bien conocido y determinado. Las funciones intrnsecas de orden
k son una generalizacin de las funciones intrnsecas a rdenes superiores, donde
las diferencias de orden 2+k son invariables por traslacin.
Una propiedad interesante de las funciones aleatorias de rdenes superiores es
que las de rdenes inferiores estn definidas en su contexto, por ejemplo, una
combinacin lineal autorizada, en el orden inverso esta afirmacin no es cierta. La
implicacin prctica ms importante de dicha propiedad es que el nmero de
funciones admisibles es mayor que en el caso estacionario o el intrnseco. Es
posible extender al contexto de la no estacionalidad las tcnicas propias del caso
intrnseco: estimacin del drift (como generalizacin de la estimacin de la media),
estimacin del gradiente, filtrado de componentes de estructuras, kriging con error
medido, etc. Algunas de estas pueden ser generalizadas al caso multivariado,
pero an no han sido implementadas a causa de la dificultad de obtener el modelo
de variabilidad espacial.
Figura 3.
Grfico no estacionario.
V.1.1.3
Geoestadstica multivariada
V.1.1.4
Simulaciones
real, pero tiene la misma variabilidad, por lo que el largo del cable es inferido con
bastante precisin; cuando se emplea el krigeaje el efecto de suavizado conlleva a
su subestimacin.
Se define la simulacin de una funcin aleatoria en un dominio determinado como
una realizacin del modelo que la describe, que reproduce su variabilidad
estadstica y geoestadstica (histograma y variograma). Contrario a la realidad, la
cual puede ser considerada como una realizacin particular de la funcin aleatoria,
la simulacin se conoce en todo el dominio, por lo que puede ser empleada para
clculos empricos, como simulacin de fluidos, estudios de sensibilidad y la
evaluacin de los resultados bajo condiciones restrictivas, como el cutoff. En el
caso de que las simulaciones sean iguales a los valores medidos en los puntos de
medicin, entonces se dice que estas son condicionales.
Cuando se van a construir simulaciones lo primero es determinar las
caractersticas estadsticas y geoestadsticas del campo simulado y luego se
define el algoritmo matemtico que garantice reproducir las caractersticas
requeridas. Generalmente se producen n realizaciones en paralelo, especialmente
si se pretenden simular funciones multigaussianas, pues es el modo ms sencillo
de obtenerlas, siempre y cuando n sea lo suficientemente grande, de acuerdo con
el teorema del lmite central. Entre los mtodos multigaussianos ms conocidos se
encuentran:
Mtodo de dilucin
Mtodo de tesselacin
Descomposicin LU
Geoestadstica no lineal
Figura 5.
VI.
CONCLUSIN
VII.
LITERATURA CITADA