Documentos de Académico
Documentos de Profesional
Documentos de Cultura
4T4T
4T4T
CAPÍTULO 2
SESIÓN 1
Aplicación Práctica
Utilizando el software EZKRIGING
CAPÍTULO 2
SESIÓN 2
Observaciones acerca del sistema de kriging
• Vecindad única
• Vecindad móvil
SESIÓN 3
Propiedades de kriging
Propiedades del Kriging
• Interpolación exacta
El kriging puntual es un interpolador exacto, es decir, que
la estimación en un sitio de medición vuelve a dar el valor
medido y la varianza de kriging en ese punto es nula.
Basta verificar que, si el punto a estimar x0 es el mismo
donde se midió un dato, el estimador cumple las cuatro
restricciones del kriging; en particular, el error de
estimación asociado es nulo, luego obviamente insesgado
y de varianza mínima (nula).
Propiedades del Kriging
• Propiedad de aditividad
Supongamos que se desea estimar por kriging el
valor promedio de un bloque a partir de
observaciones puntuales. Una posibilidad es la
de estimar el valor de cada punto del bloque, y
luego calcular la media de todas las
estimaciones puntuales.
Propiedades del Kriging
L ( Z) = L ( Z )
* *
Propiedades del Kriging
ξ0
Así, todo kriging no puntual de un valor que
es una función lineal de la variable regionalizada
estudiada z (media sobre un bloque, media
móvil, gradiente…) puede llevarse a
estimaciones puntuales; de aquí el interés del
kriging puntual. Sin embargo, no es posible
deducir la varianza de estimación de L (Z) a
partir de las varianzas de estimación puntuales.
Propiedades del Kriging
• Propiedad de suavizamiento
El mapa de las estimaciones por kriging es siempre más
suave que el mapa de los valores reales, es decir,
presenta menos fluctuaciones. La búsqueda de una
estimación precisa se acompaña inevitablemente de este
efecto de suavizamiento. Si se desea reproducir la
variabilidad de la regionalización, será necesario recurrir
a técnicas de simulación.
Propiedades del Kriging
• Interpolación exacta
El kriging puntual es un interpolador exacto, es decir, que
la estimación en un sitio de medición vuelve a dar el valor
medido y la varianza de kriging en ese punto es nula.
Basta verificar que, si el punto a estimar x0 es el mismo
donde se midió un dato, el estimador cumple las cuatro
restricciones del kriging; en particular, el error de
estimación asociado es nulo, luego obviamente insesgado
y de varianza mínima (nula).
Propiedades del Kriging
• Propiedad de aditividad
Supongamos que se desea estimar por kriging el
valor promedio de un bloque a partir de
observaciones puntuales. Una posibilidad es la
de estimar el valor de cada punto del bloque, y
luego calcular la media de todas las
estimaciones puntuales.
Propiedades del Kriging
• Propiedad de ortogonalidad
3 1 3
| h | − | h | para 0 ≤ | h | ≤ 1
γ 1 (h) = 2 2
1 para | h | ≥ 1
γ 2 (h) = 1 − exp (− | h | 2 / 3)
Los efectos de los parámetros del modelo
La figura muestra que los pesos de kriging y la desviación
estándar de estimación difieren notablemente según el
modelo de variograma.
Alcance
Supongamos que tenemos tres variogramas
esféricos con la misma meseta unitaria y
con alcances de 0.1, 1.0 y 2.0,
respectivamente:
Los efectos de los parámetros del modelo
3 |h | 1 |h | 3
− para 0 ≤ | h | ≤ 0.1
γ 1 (h) = 2 0.1 2 0.1
1 para | h | ≥ 0.1
3 1 3
| h | − |h| para 0 ≤ | h | ≤ 1
γ 2 (h) = 2 2
1 para | h | ≥ 1
3 |h | 1 |h | 3
− para 0 ≤ | h | ≤ 2
γ 3 (h) = 2 2 2 2
1 para | h | ≥ 2
Los efectos de los parámetros del modelo
Los efectos de los parámetros del modelo
Meseta
Veamos ahora cómo se traduce en la estimación
del punto “?”, la influencia de la meseta del modelo
variográfico. Los dos esquemas esféricos isótropos
presentados a continuación tienen el mismo
alcance (1 m) y sólo se diferencian por su meseta,
igual a 1 o a 2.
Los efectos de los parámetros del modelo
3 1 3
| h | − | h | para 0 ≤ | h | ≤ 1
γ 1 (h) = 2 2
1 para | h | ≥ 1
3 1 3
2 | h | − | h | para 0 ≤ | h | ≤ 1
γ 2 (h) = 2 2
2 para | h | ≥ 1
Los efectos de los parámetros del modelo
Efecto pepita
Los dos esquemas propuestos a
continuación tienen la misma meseta, igual
a 1, pero uno no tiene constante de pepita y
el otro sí tiene, con un valor de 0.5:
Los efectos de los parámetros del modelo
3 1 3
| h | − | h | para 0 ≤ | h | ≤ 1
γ 1 (h) = 2 2
1 para | h | ≥ 1
0 para | h | = 0
1 1 3 1 3
γ 2 (h) = + | h | − | h | para 0 < | h | ≤ 1
2 2 2 2
1 para | h | ≥ 1
Los efectos de los parámetros del modelo
Los efectos de los parámetros del modelo
Efecto hoyo
Examinaremos las repercusiones de introducir un efecto de
hoyo en el modelamiento. Elegimos dos modelos seno
cardinal de alcances prácticos respectivos de 1 y 2, y con la
misma meseta unitaria. Como la mayoría de los modelos de
efecto de hoyo, éstos son modelos seudo-periódicos. El valor
del seudo-período será un parámetro importante para explicar
el signo y la amplitud de los pesos de kriging.
Los efectos de los parámetros del modelo
Los efectos de los parámetros del modelo
Anisotropía
Hasta ahora, hemos supuesto que los esquemas
estudiados eran isótropos, es decir, que las
variaciones del fenómeno estudiado eran idénticas
en todas las direcciones. Ahora, vamos a comparar
los resultados del kriging en el caso isótropo con
los obtenidos en el caso de una anisotropía de
razón 3 y ángulo 45º.
Los efectos de los parámetros del modelo
Los efectos de los parámetros del modelo
SESIÓN 4
Algunas aplicaciones prácticas
Software Alpha Rho
www.malfaro.com
Archivo de Compósitos
X Y Z L
23379.206 27543.781 3304.368 1.1
23372.22 27540.137 3310.526 1.51
23351.263 27529.204 3329 1.06
23455.383 27583.133 3335.151 0.824
23451.924 27581.302 3344.353 0.898
23448.465 27579.472 3353.555 0.686
23445.006 27577.641 3362.758 0.574
23431.169 27570.318 3399.567 0.842
23427.71 27568.487 3408.769 0.732
23236.963 27674.003 3377.912 0.454
23245.33 27678.345 3374.574 0.374
23253.696 27682.687 3371.236 0.436
23278.796 27695.715 3361.222 0.572
23287.163 27700.057 3357.884 0.346
23295.529 27704.399 3354.546 0.348
23478.903 27324.362 3319.917 0.954
Recordatorio
No olvidar que el kriging no es otra coas más que
resolver un sistema de ecuaciones lineales.