Documentos de Académico
Documentos de Profesional
Documentos de Cultura
2001 54CuadorGil PDF
2001 54CuadorGil PDF
Resumen
En el campo de las geociencias es muy frecuente encontrar variables que se manifiestan distribuidas espacialmente.
Para el estudio de estas variables son usados actualmente diversos procedimientos de estimacin y/o simulacin. Esto
es, a partir de un conjunto de muestras tomadas en localizaciones del dominio en que se manifiesta un fenmeno a es-
tudiar y consideradas representativas de su realidad, que por lo general es siempre desconocida, estos procedimientos
permiten su descripcin o caracterizacin con dos fines diferentes: el primero es proporcionar valores estimados en lo-
calizaciones de inters y el segundo, generar valores que en conjunto presenten iguales caractersticas de dispersin
que los datos originales.
Particularmente en la geologa y la minera ha tenido un amplio uso la estimacin propuesta por la geoestadstica a
travs del procedimiento kriging. Esta estimacin es sin lugar a dudas la mejor posible, pues aporta el mejor estimador
lineal insesgado, y una representacin de ello es el nmero creciente de aplicaciones en Ciencias de la Tierra donde es
utilizada actualmente: industrias minera y del petrleo, estudios ambientales, cartografa, climatologa, etc. Este mto-
do, de acuerdo a las condiciones con que es obtenido, as como la amplia gama de interpoladores conocidos, muestran
una imagen suave de la realidad que se estudia, sin tener en cuenta las fluctuaciones siempre presentes en la prctica.
Una alternativa para esta situacin es simular el comportamiento de las variables analizadas. Considerando las varia-
bles como funciones aleatorias, se puede obtener una de las posibles realizaciones del fenmeno con las mismas carac-
tersticas de variabilidad y correlacin espacial de los datos originales y por tanto de la realidad, caractersticas que son
reveladas de la informacin disponible a travs del clculo de los semivariogramas experimentales y el ajuste de mode-
los tericos. La simulacin no debe ser considerada superior a la estimacin, sino como una alternativa en el grado de
descripcin que se desee realizar. Los objetivos de estos procedimientos son diferentes, pero en muchos casos el anli-
sis de sus resultados paralelamente pueden contribuir a enriquecer la caracterizacin que se desarrolle en el estudio de
variables regionalizadas.
En este artculo se presentan los elementos fundamentales de la teora de la simulacin condicional, el cual usa en
el proceso de condicionamiento al kriging. Se introduce un algoritmo de simulacin en una dimensin que puede ser
extendido a dos y tres dimensiones. Finalmente se muestra un ejemplo de aplicacin en la simulacin de la porosidad
efectiva en el horizonte productivo Tobas Gruesas del yacimiento fracturado poroso Pina, de la provincia Ciego de
vila, Cuba.
Palabras clave: Geoestadstica, semivariograma, Kriging, simulacin condicional, funcin aleatoria, algoritmo.
Abstract
In geosciences, it is very frequent to find spatially distributed variables. Nowadays, different estimation and/or
simulation procedures are used to study this type of variables. From a set of samples taken from some location over the
domain of the phenomenon, which are considered representative of the reality (reality that generally is always un-
known), these procedures allow its description or characterization in two different ways: the first one gives estimated
values in the location of interest where no samples were taken, and the second one generates values with the same
20 Cuador-Gil y Quintero-Silverio
experimentales.
ZS(x) es el valor simulado en el punto x por la
simulacin no condicional.
ZSK*(x) es el valor estimado en el punto x por el
procedimiento kriging, a partir de los valores
simulados no condicionalmente en las
localizaciones correspon-dientes a los datos
experimentales.
Z Z
Zn Zn
Z2 Z2
Z3 Z3
Z1 Z1 ZK*(x)
X1 X2 X3 Xn X X1 X2 X3 X
Xn
Figura 3. Distribucin de datos medidos experimentalmente y Figura 4. Valores ZK*(x), obtenidos por kriging a partir de los datos
localizaciones propuestas a simular. experimentales.
Simulacin condicional de variables regionalizadas 23
Figura 6. Valores ZSK*(x), obtenidos por kriging a partir de los datos ZS(x)
simulados en las localizaciones muestreadas.
ZS (x) - ZSK *(x)
carcter secundario, preferentemente en fracturas que Se comenz realizando un anlisis descriptivo de las
mantienen diversas direcciones, predominando la variables, lo cual permite detectar la existencia valores
subvertical. Esta constitucin geolgica del campo refle- anmalos y conocer la distribucin estadstica a la cual
ja la existencia de un estilo tectnico similar al de las se ajusta la misma, a travs de la produccin de los
unidades tectonoestratigrficas presentes en la costa histogramas y las pruebas de bondad de ajuste. La
norte, o sea, pliegues sobrecorridos, divididos en bloques porosidad efectiva del horizontes Tobas Gruesas muestra
por fallas normales de desplazamiento y fallas inversas. una distribucin bastante simtrica, con valores similares
La capacidad gasopetrolfera de Pina se ubica en tres de la media y la mediana, el coeficiente de variacin es
horizontes litolgicos fundamentales denominados por menor que uno, la prueba KolmogorovSmirnov mostr
lvarez et al. (1996) como: Tobas Finas, Tobas Gruesas que la distribucin de los datos es normal para un nivel
y Efusivos. Estos horizontes estn relacionados con de significacin del 5%, por lo que la variable pertenece
rocas derivadas del arco volcnico, siendo el de mayor a una poblacin homognea unimodal.
peso productivo el correspondiente al corte volcnico - Una vez descrita la informacin se procedi a
sedimentario. realizar el anlisis estructural, donde se calcul
El horizonte Tobas Gruesas est constituido por tobas inicialmente el mapa de variograma, permitiendo obtener
de grano grueso y brechas volcnicas, tambin de grano las posibles direcciones de anisotropa. Para el caso de la
medio, mayores de 1 mm de dimetro. Estas rocas tienen porosidad en Tobas Gruesas, se observ que muestra
dos texturas predominantes que son la ltica y la mayor continuidad espacial en la direccin noroeste, la
cristalino-ltica; en menor escala se presenta la textura cual coincide con el rumbo del yacimiento. Posterior-
cristalino-vtrea (principalmente para la granulometra mente fueron calculados los semivariogramas direccio-
ms pequea dentro del grupo). En este grupo nales, utilizando un incremento de 200m, que es la
predominan las rocas de composicin basltica, con distancia promedio entre las muestras contiguas y
intercalaciones menores de sedimentos. Se pueden calculados hasta 1,500 m, aproximadamente la mitad de
encontrar fragmentos de calizas y areniscas con matriz las dimensiones del yacimiento a partir de donde el
tobcea. Con mayor frecuencia, se encuentran interca- semivariograma deja de ser significativo y en las
lados entre las tobas gruesas conglomerados tobceos direcciones noroeste y noreste con tolerancias angulares
que se describen como rocas de grano muy grueso. de 45. A continuacin se ajustaron modelos tericos,
La informacin de partida est constituida por obtenindose un modelo anidado compuesto por dos
valores de porosidad efectiva obtenidos a travs de la modelos esfricos con mesetas 2 %2 y 2.25 %2 y
interpretacin de registros geofsicos en 48 pozos, de los alcances de 660m y 3,250m de la direccin de mayor
cuales 30 cortan el horizonte Tobas Gruesas (Figura 9). continuidad espacial y 532m y 599m en la direccin
P30
0 500 1000 1500 m
247500
N P28
12
246000
perpendicular a la anterior, lo que se resume en la proporciona una imagen suave de la realidad que se
siguiente expresin: estudia. Se procede entonces a la simulacin de la
(hx,hy) = 2 Sph (660, 532) + 2.25 Sph (3,250, 599), variable tratada a partir de las caractersticas de
donde Sph representa el modelo esfrico. Se utiliz el variabilidad y correlacin espacial obtenidas en el
proceso de la validacin cruzada para validar los anlisis estructural y con las mismas dimensiones de la
modelos tericos ajustados, reportando criterios red de estimacin. Para el procesamiento de la
aceptables de la media de los errores de estimacin y la informacin fue utilizado el paquete GsLib: Geostatitical
varianza de los errores estandarizados. Library (Deutsch y Journel, 1998). En la Figura 10 se
La estimacin de la variable mostrada en este observan los mapas de estimaciones y simulaciones,
ejemplo se realiz utilizando el interpolador kriging, en donde se presenta el comportamiento de la variable
una rejilla de 146x74 bloques con tamao de 25x25 m, porosidad efectiva en el horizonte Tobas Gruesas,
barrindose todo el dominio y contornendose posterior- observndose una tendencia en la direccin noroeste-
mente de acuerdo a la distribucin de los datos experi- sureste que coincide con la direccin del rumbo del
mentales. La estimacin por kriging, como hemos dicho, yacimiento y probablemente con la lnea de mxima
11
246500
10
246000
a 8
247500 4
3
2
247000
1
246500
246000 b
732500 733000 733500 734000 734500 735000 735500
Figura 10. Mapa del comportamiento de la porosidad efectiva en el horizonte Tobas Gruesas del yacimiento Pina. a) Estimaciones, b) Simulaciones.
26 Cuador-Gil y Quintero-Silverio
fracturacin en la zona. Este estudio fue realizado con aplicacin de estas dos herramientas, que en lugar de
todas las variables que intervienen en la estimacin de representar una contradiccin, son dos formas diferentes
reservas de hidrocarburos, lo que permiti obtener los para la caracterizacin de parmetros en las Ciencias de
valores de reservas probadas para cada horizonte del la Tierra.
yacimiento. Los resultados obtenidos en la simulacin de la
Es importante destacar que el mapa de estimaciones porosidad efectiva permiti reproducir el comporta-
(Figura 10a) presenta un comportamiento suave, es miento de esta variable en horizontes productivos, sin
decir, no se observan las fluctuaciones que en la necesidad de tener que realizar otros anlisis geofsicos o
generalidad de los casos estn presentes en la prctica, de ncleos. Un estudio similar fue desarrollado en tres
este hecho se puede apreciar en la mapa de simulaciones dimensiones, en el cual, a travs de los cortes por niveles
(Figura 10b), donde los valores simulados fluctan y perfiles, es posible profundizar en el conocimiento de
alrededor de los valores estimados en los corres- la distribucin de la variable en el rea, correla-
pondientes puntos del mapa de estimaciones. A las cionndola con las direcciones de mxima fracturacin,
zonas de estimaciones altas, le corresponden tambin para proponer zonas con mejores caracte-rsticas de los
valores altos pero con mayor dispersin y del mismo colectores y, consecuentemente, con mayores proba-
modo en las zonas de valores bajos. Estos bilidades de existencia de acumulaciones de hidro-
procedimientos indiscutiblemente permiten una mejor carburos.
caracterizacin de las variables que se estudian en las
Ciencias de la Tierra.
Referencias bibliogrficas
de Geoestadstica de la Escuela Superior de Minas de Paris, 12 p. mental monitoring, geomathematical and geostatistics analysis
Le Loch, G., Galli, A., 1997, Truncated plurigaussian methods: theo- applied to space and time dependent data: Nancy, France, Sci-
retical and practical point of view, in Baah, E.Y., Ernest, Y., ence de la Terre, 27, 411-427.
Schohald, N.A. (eds.), Geostatistics Wollongong96: Dordrecht, Rivoirard, J., 1998, Notas de clases del curso simulacin, en el
Kluwer, 1, 211-222. entrenamiento de postgrados, Ciclo de Formacin de
Matheron, G., 1970, La torie des variables rgionalises, et ses Especialistas en Geoestadstica, Cursos: 1995-96 y 1997-98:
applications: Les Cahiers du Centre de Morphologie Fontainebleau, France, Centro de Geoestadstica de la Escuela
Mathmatique de Fontainebleau, nm. 5, 112 p. Superior de Minas de Paris, 12 p.
Myers, D. E., 1988, Multivariable geostatistical analysis for environ-