08 - Kriging

   

Estimadores lineales ponderados Kriging Simple Kriging Ordinario Ms sobre Kriging

SIMULACIN GEOESTADSTICA DE VARIABLES GEOLGICAS Y LEYES

UNIVERSIDAD DE CHILE

Estimadores lineales ponderados



La idea bsica es estimar el valor de un atributo (digamos, la ley de Au) en una posicin donde no conocemos el valor verdadero
n

Z (u ) ! Pi Z (ui )
* i !1

donde u se refiere a la posicin, Z*(u) es una estimacin en la posicin u, hay n valores de datos Z(ui), i=1,...,n, y Pi se refiere a los ponderadores.


Qu factores podran considerarse e la asignacin de los ponderadores?

   

cercana a la posicin que est siendo estimada redundancia entre los valores de datos continuidad anistropa (direccin preferencial) magnitud de la continuidad / variabilidad

SIMULACIN GEOESTADSTICA DE VARIABLES GEOLGICAS Y LEYES

UNIVERSIDAD DE CHILE

Estimadores lineales ponderados

 

Asignar todos los ponderadores a los datos ms cercanos (estimador tipo poligonal) Asignar los ponderadores inversamente proporcional a la distancia de la posicin que se est estimando (esquemas de inverso de la distancia)

1 c  d iw Pi ! 1 n i !1 c  d w i
donde di es la distancia entre el dato i y la posicin que se est estimando, c es una constante pequea, y [ es una potencia (usualmente entre 1 to 3). Y si se usa el variograma? kriging
SIMULACIN GEOESTADSTICA DE VARIABLES GEOLGICAS Y LEYES UNIVERSIDAD DE CHILE

Estimadores lineales ponderados



z (x) !

E! n (x ) E!

z(xE) dE

SIMULACIN GEOESTADSTICA DE VARIABLES GEOLGICAS Y LEYES

UNIVERSIDAD DE CHILE

Polgonos: La ley del punto corresponde a la de la muestra ms cercana

Inverso de la distancia
n (x )

z ( xE ) dEp
p E

Estimadores lineales ponderados



  

Kriging es una coleccin de tcnicas generalizadas de regresin lineal para minimizar una varianza de estimacin definida de un modelo a priori de covarianza (R. Olea, 1991). Kriging es el mejor estimador lineal insesgado. insesgado. El mejor solamente en el sentido del error de mnimos cuadrados para un modelo dado de covarianza / varianza Varios tipos de kriging:
       

Kriging Simple: media conocida m Kriging Ordinario: media desconocida Kriging con un modelo de deriva: media conocida en cada posicin m(u) Kriging con una deriva externa: el modelo de deriva escalado a partir de una variable secundaria m(u)=a0+a1y(u) Kriging Factorial: El modelo de FA Z(u) es separado en componentes independientes (factores) Kriging no lineal: Lognornal, MG, Kriging de rangos, KI, KD, Kriging de Indicadores: KIS, KIO, KIM, Kriging de Probabilidades: Usa indicadores y orden estandarizado de los datos
SIMULACIN GEOESTADSTICA DE VARIABLES GEOLGICAS Y LEYES UNIVERSIDAD DE CHILE

Kriging


  

Considere los valores de residuos respecto a la media: Y(ui)= Z(ui) - m(ui), i=1, ,n donde m(u) podra ser constante, variable localmente o considerada constante pero desconocida. El variograma se define como: 2 K(h) = E{[ Y(u}) - Y(u + h]2} La covarianza se define como: C(h) = E{ Y(u) Y(u + h)} Relacin entre el variograma y la covarianza: 2 K(h)= [ E{ Y2(u) + [ E{ Y2(u + h)}] - 2 [ E{ Y(u) Y(u + h)] = Var{Y(u)} + Var{Y(u + h)} - 2 C(h}) C(0) = meseta = 2 [ C(0) - C(h) ] K(h) As, C(h) = C(0) - K(h) C(h)
SIMULACIN GEOESTADSTICA DE VARIABLES GEOLGICAS Y LEYES UNIVERSIDAD DE CHILE

Kriging Simple


Considere un estimador lineal:

Y (u ) ! P i Y(u i )
* i !1

donde Y(ui) son los residuos e Y*(u) es el valor estimado (la media debe agregarse posteriormente) La varianza del error se define como E{[Y * (u )  Y (u )]2 }

E {[Y * ( u )]2 }  2 E {Y * ( u) Y ( u )}  E {[Y ( u)]2 }

n n i j i j
n i i i !1

A2-2ab+b2

P P E{Y (u ) Y (u )}  2 P E {Y ( u) Y ( u )}
i !1 j !1 n n n

 C ( 0)

P P C ( u , u )  2 P C ( u, u )
i j i j i i i !1 j !1 i !1

 C ( 0)
UNIVERSIDAD DE CHILE

SIMULACIN GEOESTADSTICA DE VARIABLES GEOLGICAS Y LEYES

Kriging Simple


Los ponderadores ptimos (que minimizan la varianza del error) Pi, i=1, ,n pueden determinarse tomando derivadas parciales con respecto a los ponderadores n x[ ] ! 2 P jC( i , j )  2 C( , i ) , i ! 1,..., n xP i j! 1 e igualndola a cero
n

P C(
j j! 1

) ! C( ,

),

i ! 1,..., n

Este sistema de n ecuaciones con n ponderadores desconocidos es el sistema de kriging simple (KS)

SIMULACIN GEOESTADSTICA DE VARIABLES GEOLGICAS Y LEYES

UNIVERSIDAD DE CHILE

Kriging Simple


El kriging minimiza esta varianza de estimacin para obtener los ponderadores. Derivando e igualando a cero, se obtiene el sistema de kriging simple:

C (x1  x1 ) . / C (x  x ) . n 1


C (x1  x n ) P1 C (x1  x 0 ) / / / ! C (x n  x n ) Pn C (x n  x 0 )
n n E

Y por lo tanto:

Z * (x 0 ) !
E !1

Z (xE )
n

1
E !1

2 KS

( x 0 ) ! C (0)  PE C (x E  x 0 )
E !1
UNIVERSIDAD DE CHILE

SIMULACIN GEOESTADSTICA DE VARIABLES GEOLGICAS Y LEYES

Kriging Simple


O en trminos de variograma:

K ( x1  x1 ) / K (x  x ) n 1


K (x1  x n ) P1 K (x1  x 0 ) / / /! K (x n  x n ) P n K (x n  x 0 )
n n

Y se obtiene:
*

(x 0 ) ! PE (xE )  1  PE m
E !1 n E !1

2 W KS (x 0 ) ! K (0)  PE K (x E  x 0 )
E !1

SIMULACIN GEOESTADSTICA DE VARIABLES GEOLGICAS Y LEYES

UNIVERSIDAD DE CHILE

Kriging Simple


Hay tres ecuaciones para determinar los tres ponderadores:

P 1 (1,1)  P 2 (1,2)  P 3 (1,3) ! (0,1) P 1 ( 2,1)  P 2 ( 2,2)  P 3 ( 2,3) ! (0,2) P 1 ( 3,1)  P 2 ( 3,2)  P 3 ( 3,3) ! (0,3)

K1,2 K0,1

K1,3 K0,2

K2,3 K0,3

En notacin matricial
(1,1) ( 2,1) ( 3,1)

(1,2) ( 2,2) ( 3,2)

(1,3) P 1 (0,1) ( 2,3) P 2 ! (0,2) ( 3,3) P 3 (0,3)

Recordar que C(h) = C(0) - K(h)

SIMULACIN GEOESTADSTICA DE VARIABLES GEOLGICAS Y LEYES

UNIVERSIDAD DE CHILE

Kriging Simple


Kriging simple con un efecto pepita cero y una variograma esfrico istropo con tres alcances diferentes:
Cambio del alcance
alcance = 1 alcance = 5 alcance = 10

Distancia
1 0.781 0.648 0.000 2 0.012 -0.027 0.000 3 0.065 0.001 0.000
UNIVERSIDAD DE CHILE

rango = 10 5 1

SIMULACIN GEOESTADSTICA DE VARIABLES GEOLGICAS Y LEYES

Kriging Simple


Kriging simple con un variograma esfrico istropo con un rango de 10 unidades de distancia y tres diferentes efectos pepita:
Cambio del efecto pepita
100% 75%

K
pepita = 25% Distancia

P
pepita = 0% 25% 75% 100%

0.781 0.468 0.172 0.000

0.012 0.203 0.130 0.000

0.065 0.064 0.053 0.000

UNIVERSIDAD DE CHILE

SIMULACIN GEOESTADSTICA DE VARIABLES GEOLGICAS Y LEYES

Kriging Simple


Kriging simple con un variograma esfrico con una efecto pepita del 25%, un alcance principal de 10 unidades y alcances menores diferentes:
Cambio de anisotropa

P
aniso ro a 1:1 2:1 5:1 20:1

0.468 0.395 0.152 0.000

0.203 0.087 -0.055 0.000

0.064 0.141 0.232 0.239

UNIVERSIDAD DE CHILE

SIMULACIN GEOESTADSTICA DE VARIABLES GEOLGICAS Y LEYES

Propiedades del Kriging Simple



Escribamos una forma ms general del estimador de kriging simple, esto es, una estimacin de ZV(u) con zv(ui), i=1, , n:

   

Existe solucin nica si la matriz ?  , v es definida C vi j A positiva * El estimador kriging es insesgado: Z V  Z K ! 0 Estimador de varianza del error mnima Interpolador exacto : si vi ! V Pi ! 1, P j ! 0 j { i

? _

A a

SIMULACIN GEOESTADSTICA DE VARIABLES GEOLGICAS Y LEYES

UNIVERSIDAD DE CHILE

Propiedades del Kriging Simple

 

La varianza de kriging puede calcularse antes de tener la informacin Kriging considera:

   

V Geometra del volumen a estimar: C  , V vi ,V Distancia de la informacin: vi , v j Configuracin de los datos: Continuidad estructural de la variable considerada: C h

 

El efecto suavizador de kriging puede predecirse La teora de kriging es parte de la teora probabilstica de las proyecciones: proyeccin ortogonal en el espacio de combinaciones lineales de los n datos (espacio de Hilbert)

SIMULACIN GEOESTADSTICA DE VARIABLES GEOLGICAS Y LEYES

UNIVERSIDAD DE CHILE

Kriging Ordinario
 

En la mayora de los casos la media es desconocida Kriging Ordinario: estimador lineal que no considera la media n conocida Z * (u ) ! P Z (u )
0

E !1

Requiere imponer la condicin de insesgo:

n

[ Z (u0 )  Z (u 0 )] ! PE
*
E !1

[ Z (uE )]  [ Z (u0 )]        
m m

P
E !1

!1

!m

 PE  1
E !1

Los ponderadores se encuentran planteando:

min Var ? * (u0 )  (u 0 )A! PE PF C (uE  u F )  C (0)  2 PE C (uE  u F )
E !1 F !1 E !1

s.a.

P
E !1

!1
UNIVERSIDAD DE CHILE

SIMULACIN GEOESTADSTICA DE VARIABLES GEOLGICAS Y LEYES

Kriging Ordinario
  

Kriging ordinario (media desconocida) En este caso se minimiza la varianza sujeto a que la suma de los ponderadores sea igual a 1. El sistema de kriging ordinario queda:
C ( x1  x 1 ) . / C (x  x ) . n 1 1 .

C ( x1  x n ) 1 P1 C (x1  x 0 ) / / / / ! C (x n  x n ) 1 P n C (x n  x 0 )  Q 1 0 1
n

Z * (x 0 ) ! PE Z (xE )
E !1

n 2 W KO (x 0 ) ! W 2  PE C ( xE  x 0 )  Q E !1
SIMULACIN GEOESTADSTICA DE VARIABLES GEOLGICAS Y LEYES UNIVERSIDAD DE CHILE

Kriging Ordinario


O en trminos de variograma:

K ( x1  x1 ) . / K (x  x ) . n 1 . 1
y

K (x1  x n ) 1 P1 K (x1  x 0 ) / / / / ! K (x n  x n ) 1 P n K (x n  x 0 ) Q 1 0 1
n

Z * (x 0 ) !
E !1

Z ( xE )

n 2 W KO (x 0 ) !
E !1
SIMULACIN GEOESTADSTICA DE VARIABLES GEOLGICAS Y LEYES UNIVERSIDAD DE CHILE

(xE  x 0 )  Q

Efecto de Distancia


Caso base y efecto del aumento en la distancia sobre los ponderadores (K (h) ! 0,2  0,8 Sph(100 ) )

Caso ase
W
2 K

Efecto e istancia
W
2 K

= 0,1888

= 0,2162

0,25

0,265

50

0,25

0,25

50

0,303

0,303

0,25 0,129

50 SIMULACIN GEOESTADSTICA DE VARIABLES GEOLGICAS Y LEYES

50 UNIVERSIDAD DE CHILE

Efecto Pantalla y Anisotropia



Efecto pantalla y de la anisotropa (Anis. Geom. 4 x 1) sobre los ponderadores (K ( h) ! )  Sph( )

Efecto antalla
W
2 K

Efecto de la anisotropa
W
2 K

= 0,1668 0,247

= 0 2248 0 074

50

0,233 0,174 0,080 0,033

0,233

50

0 426

0 426

0 074

50 SIMULACIN GEOESTADSTICA DE VARIABLES GEOLGICAS Y LEYES

50
UNIVERSIDAD DE CHILE

Efecto de Declusterizacion y Distancia



Efecto de declusterizacin y declus. + distancia sobre los ponderadores (K (h) ! 0,2  0,8 Sph(100 ) )

Efecto de declusterizacin

Efecto de decl. + distancia

W
2 K

50

0,

SIMULACIN GEOESTADSTICA DE VARIABLES GEOLGICAS Y LEYES

0,1668 0,

0,2107

0, 15 0,111 0,106 0,111 0, 15

50

0, 674

0,016 0,01 0,016

0,

50

50

UNIVERSIDAD DE CHILE

100

150

Cambio en efecto pepita



Efecto sobre los ponderadores de un cambio en el efecto pepita del modelo variogrfico
Caso base
W
2 K

Cambio en el efecto pepita

W
2 K

0,0827

0,1206

0,208 50 0,042 50

0,1044

0,1456

50
K(h)

50
K(h)

0,2 + 0,8 Sph(100)

0,7 + 0, Sph(100)
UNIVERSIDAD DE CHILE

SIMULACIN GEOESTADSTICA DE VARIABLES GEOLGICAS Y LEYES

Efecto suavizante de Kriging



Kriging es localmente preciso y suave:

 

Apropiado para visualizar derivas Inapropiado para evaluacin de procesos donde los valores extremos son importantes

La varianza de los valores estimados de kriging es muy baja:

Var{Y*(u)}=W Var{Y*(u)}=W2-W2SK


W2 es la varianza completa


W2SK(u) es cero en la posicin de los datos no hay suavizamiento. W2SK(u) es la varianza W2 lejos de la posicin de los datos suavizamiento total

Las variaciones espaciales de W2SK(u) dependen del variograma y el espaciamiento de los datos

La varianza perdida es la varianza de kriging W2SK(u)

SIMULACIN GEOESTADSTICA DE VARIABLES GEOLGICAS Y LEYES UNIVERSIDAD DE CHILE

Efecto suavizante de Kriging



La idea de la simulacin es corregir la varianza y obtener el variograma correcto

Y s u ! Y
*

u  R u

 

donde R(u) corrige la varianza perdida. La simulacin reproduce el histograma, respeta la variabilidad espacial (variograma), apropiada para evaluacin de procesos Permite una determinacin de la incertidumbre con realizaciones alternativas El efecto suavizante de kriging puede cuantificarse

SIMULACIN GEOESTADSTICA DE VARIABLES GEOLGICAS Y LEYES

UNIVERSIDAD DE CHILE

Comentarios


Los valores krigeados nunca debieran ponerse en un mapa. A. G. Journel, 1984



La variabilidad conjunta de los valores estimados con kriging es incorrecta

 

Kriging respeta los datos con una discontinuidad (si, kriging es un interpolador exacto, pero ) Los ponderadores de kriging no dependen del valor de los datos:
 

las derivas se extrapolan con ponderadores negativos la varianza de kriging no depende de los valores de los datos

Kriging a veces es llamado BLUE: Best Linear Unbiased Estimator (Probablemente debiera llamarse GLUE: Good

SIMULACIN GEOESTADSTICA DE VARIABLES GEOLGICAS Y LEYES

UNIVERSIDAD DE CHILE

Comentarios


Kriging es un estimador suave:

 

la variabilidad de escala ms corta ms suavizamiento espaciamiento amplio de datos ms suavizamiento

El efecto suavizante puede cuantificarse  El kriging de bloques lleva a incluso ms suavizamiento (dependiendo del espaciamiento de los datos).

 

Los estimadores de los bloques de diferentes tamaos son a menudo similares pero no realistas No es una buena idea evaluar el uso de extraccin selectiva con kriging de bloques! (recordar el efecto informacin)

SIMULACIN GEOESTADSTICA DE VARIABLES GEOLGICAS Y LEYES

UNIVERSIDAD DE CHILE

Kriging Lognormal Simple

 

Kriging lognormal simple: Si la distribucin de datos es lognormal, se hace un cambio de variable:

^ ( xE ) ! ln Z ( xE )  F



*

El sistema de kriging y la varianza de estimacin son idnticos al caso del kriging simple (se debe usar el variograma de los logaritmos). El estimador es:
n n

1 n ^ ( x 0 ) ! PE ^ (x E )   1  PE ^ (m)  PE C ( xE  xE )  C ( x 0  xE ) 2 E !1 E !1 E !1

SIMULACIN GEOESTADSTICA DE VARIABLES GEOLGICAS Y LEYES

UNIVERSIDAD DE CHILE

Kriging Lognormal Ordinario

 

Kriging lognormal ordinario: Nuevamente, si la distribucin de datos es lognormal, se hace el cambio de variable:

^ ( xE ) ! ln Z ( xE )  F


El sistema de kriging y la varianza de estimacin son idnticos al caso del kriging ordinario (se debe usar el variograma de los logaritmos). El estimador es:
n *

^ (x 0 )
E 1

PE ^ (xE )

1 n PE C ( xE 2 E1

xE ) C ( x0

xE )

1 Q 2

SIMULACIN GEOESTADSTICA DE VARIABLES GEOLGICAS Y LEYES

UNIVERSIDAD DE CHILE

Kriging con media que vara localmente

  

En presencia de una deriva, el KS no puede usarse, ya que asume una media constante m en cualquier lugar La deriva debe modelarse (por ejemplo, usando una tcnica de media mvil), as en cada posicin el valor m(u) es conocido Kriging con una media que vara localmente kriging con los residuos
n

[ Z ( )  m( )] ! P E ( )[Z(
* SK E !1

)  m(

)]

 

Se necesita un modelo de covarianza para los residuos Genera algunos problemas si se usa en modo simulacin

SIMULACIN GEOESTADSTICA DE VARIABLES GEOLGICAS Y LEYES

UNIVERSIDAD DE CHILE

Parmetros para KB2D

SIMULACIN GEOESTADSTICA DE VARIABLES GEOLGICAS Y LEYES

UNIVERSIDAD DE CHILE

Parmetros para KT3D

SIMULACIN GEOESTADSTICA DE VARIABLES GEOLGICAS Y LEYES

UNIVERSIDAD DE CHILE

Validaciones Cruzadas
Parmetros de kriging.  Criterios:

   

Media compsitos = Media puntos estimados (sesgo global) Medias condicionales (sesgo condicional) Varianza (estimado-real) baja (estimadoDistribucin de errores estandarizados (debe estar centrada en 0)

Eleccin del mejor plan de kriging

SIMULACIN GEOESTADSTICA DE VARIABLES GEOLGICAS Y LEYES

UNIVERSIDAD DE CHILE