Kriging Presentacion

NIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERÍA
EAP. INGENIERÍA GEOLÓGICA
TRABAJO DE GEOESTADÍSTICA
Kriging, error y varianza
Presentado por:
 HUARIPATA CUEVA, Edgar
 RAICO FLORES, Edgar Bladimir
 RIVERA LÓPEZ, Kevin
 ZAMORA CRUZADO, Michael Alexander.
Docente
CHUQUIRUNA CHÁVEZ, William
Cajamarca-Perú
2017
INTRODUCCIÓN
La aplicación de kriging a los problemas en la geología y la
minería, así como a la hidrología se inició a mediados de los
años 60 y especialmente en los años 70 con el trabajo de
Georges Matheron.
El principal propósito es generar modelos, pese a la
incertidumbre presente, a través de técnicas como el kriging,
de estimación o simulación, reproduciendo la realidad con el
mínimo error posible y/o cuantificando la incertidumbre
asociada, siendo estos modelos descriptivos más que
interpretativos.
Desde el punto de vista geológico, la práctica de kriging se
basa en el supuesto de continuación de la mineralización entre
los valores medidos.
RESUMEN
La técnica de kriging asume que los datos recogidos de una
determinada población se encuentran correlacionados en el
espacio.
Se considera al método de kriging del tipo MELI (Mejor Estimador
Lineal Insesgado) o ELIO (Estimador Lineal Insesgado Óptimo): es
lineal porque sus estimaciones son combinaciones lineales
ponderadas de los datos existentes; y es insesgado porque
procura que la media de los errores (desviaciones entre el valor
real y el valor estimado) sea nula; es el mejor (óptimo) porque los
errores de estimación tienen una variancia (variancia de
estimación) mínima.
1. KRIGEAJE
El krigeaje consiste en encontrar la mejor estimación

lineal posible de la ley de un panel, un bloque o zona V
considerando la información disponible; es decir, las
leyes de las diferentes muestras que se han tomado, ya
sea las muestras interiores y exteriores a V., del panel
que se quiere estimar. (Marco Antonio Alfaro Sironvalle-
2007-pag.105).
También consiste en efectuar una ponderación, es

decir atribuir un peso a la ley de cada muestra, estos
pesos se calculan de manera de hacer mínima la
varianza de estimación resultante, considerando las
características geométricas del problema (formas,
dimensiones e implantación relativa del panel y de las
muestras). (Georges MATHERON, 1969. Pag. 47).
En este método se utiliza toda la
información disponible, no solo la
correspondiente a cada bloque, sino
también la de los bloques vecinos y es así
que este método se convierte en el único
seguro y confiable en la estimación de
reservas. (R. VILLANUEVA NÚÑEZ-2001-
Pag.104).
1. GENERALIDADES SOBRE EL KRIGING
La toma de muestras da la información de lo que ocurre en cada punto. Sin embargo, no da

información acerca de la relación que pueda existir entre dichos puntos. Se requiere de una forma
precisa de estimar valores en puntos intermedios o en el caso de bloques, por ejemplo, estimar el
promedio sobre el bloque. La precisión del estimador usado depende de varios factores:
 El número de muestras tomadas

 La calidad de la medición en cada punto
 Las ubicaciones de las muestras en la zona
 Las distancias entre las muestras
 La continuidad espacial de la variable o atributo en estudio
Las estimaciones mediante el método Kriging pueden ser, por punto o
por bloque.
Métodos de Estimación del Kriging.
1.2 Existen dos métodos de Kriging para realizar las estimaciones.
Kriging Ordinario.
Es el método más apropiado, para situaciones medioambientales, este
método asume que las medias locales, no están necesariamente
relacionadas lo más cercanamente a la media poblacional, por lo cual
solo usa las muestras en la vecindad local para la estimación.
Kriging Simple.
Asume que las medias locales son relativamente constantes e iguales a
la media poblacional, la cual es conocida. La media poblacional es
usada como un factor en cada estimación local, a lo largo con las
muestras en las vecindades locales.
1.3 Hay dos tipos de Kriging, el de Punto y el de Bloque, lo cuales
generan unas cuadrículas de interpolación.
Kriging de Punto.
Estima los valores de los puntos en los nodos de las cuadrículas.
Kriging de Bloque.
Estima el valor promedio de los bloques rectangulares, que están
centrados en los nodos de las cuadrículas, los bloques son le tamaño y
forma de las celdas de las cuadrículas, este tipo de Kriging no resulta
ser un buen interpolador, ya que no estima el valor de un punto.
1. CONCEPTOS MATEMÁTICOS
El método de Kriging utiliza diversas teorías explayadas en la estadística. En tanto, para que esta teoría estadística se vea
más clara en el ámbito de aplicación; se explican algunos conceptos.
1.3.1 SEMIVARIANZA Y SEMIVARIOGRAMA
Una semivariancia es la medida del grado de

dependencia espacial entre dos muestras. La magnitud
de la semivariancia entre dos puntos depende de la
distancia entre ellos.
El gráfico de las semivariancias en función de la distancia
a un punto es llamado semivariograma. A partir de una
cierta distancia, la semivariancia no más aumentará con
la distancia y se estabilizará en un valor igual a
la variancia media, dando a esa región el nombre
de meseta o silo. La distancia entre el inicio del
semivariograma al comienzo del silo recibe el nombre
de rango. Al extrapolar la curva del semivariograma para
la distancia cero, podemos llegar a un valor no nulo de
semivariancia. Ese valor recibe el nombre de efecto
pepita (Nugget Effect).
1. VARIANZA-ERROR DE ESTIMACIÓN
La principal desventaja de los métodos clásicos de estimación es que no consideran la estructura de la
variable (continuidad, anisotropía, etc). Están simplemente condicionados por la geometría. Además,
no consideran el cálculo de la varianza de estimación
Si a partir de un conjunto de muestras 𝑉 ′ = 𝑣1 , 𝑣2 , … , 𝑣𝑛 (que pueden considerarse puntuales), se

quiere estimar la media de un bloque V, mediante el promedio aritméticodel conjunto de muestras (sin
ponderar), y notando 𝜎𝐸2 (𝑉, 𝑉 ′ ), la varianza de la diferencia
Z (V)-Z (V’), se puede hacer la deducción:
𝜎𝐸2 (𝑉, 𝑉 ′ )=Var (Z (v)-Z (v’))
Reemplazando valores de kriging en la expresión de varianza de estimación se obtiene que esta vale:
𝑛
𝜎𝐸2 (𝑢𝑜 ) = 𝐶 0 − 𝛼=1 ƴ𝛼 𝐶(𝑢𝛼− 𝑢0 )
Ejemplo de aplicación
El cuadrillado representa sondajes en los puntos X1, X2, X3, X4, con
leyes de 3,2%; 2,5%; 4,0% y 1,5% respectivamente. Se desea conocer
la ley en el punto X0, sabiendo que el variograma asociado
corresponde a un modelo esférico con las siguientes características:
Co = 2, C = 20 y a = 200 m.
Solución
El problema se resuelve de la siguiente manera:
a) Modelo esférico se define como.
Nos indica lo siguiente:
• (C)= 20
• (CO) = 2
• (a) = 200m
b) Definir los elementos de las matrices.
Se trata de resolver el sistema de ecuaciones :
−1
[ λ] = 𝐾 ∗ [𝑀2]
Cálculo de los elementos de la matriz [M2]
Cálculo de los elementos de [K ]
Se tiene que:
De la misma manera que en a)

calculemos los términos siguientes:
Sacar la inversa de [K]
-0.058 0.032 0.007 0.019 0.149
0.032 -0.050 0.014 0.004 0.239
[𝐾]−1 = 0.007 0.014 -0.033 0.012 0.308
0.019 0.004 0.012 -0.036 0.305
0.149 0.239 0.308 0.305 -14.489

c) Calcular los valores de λi.
[ λ] = 𝐾 −1 ∗ [𝑀2]
λ1 -0.058 0.032 0.007 0.019 0.149 9.34

λ2 0.032 -0.050 0.014 0.004 0.239 17.02
λ3 = 0.007 0.014 -0.033 0.012 0.308 x 20.28
λ4 0.019 0.004 0.012 -0.036 0.305 12.17
μ 0.149 0.239 0.308 0.305 -14.489 1
Al resolver se obtiene:
λ1 = 0.518
λ2 = 0.022
λ3 = 0.089
λ4 = 0.371
μ = 0.915
Se verifica que:
Calcular la ley.
La ley en Xo será: 0,518*3.2 + 0,022*2.5 + 0,089*4.0 + 0,37*1.5 = 2,6%
Varianza de kriging:
δ2𝑘 = 0.518(9.34) + 0.022(17.02) + 0.089(20.28) + 0.371(12.17) + 0.915
δ2𝑘 = 12.45
CONCLUSIONES
 Se logró definir el kriging como aquellos métodos empíricos que sirven

para predecir características de una mina en alguna ubicación de
interés donde no se conocían datos, usando las características
conocidas en lugares cercanos donde si habían sido tomados.
 La técnica de kriging asume que los datos recogidos de una
determinada población se encuentran correlacionados en el espacio.
 Este método se convierte en el único seguro y confiable en la
estimación de reservas.
 En este método se utiliza toda la información disponible, no solo la
correspondiente a cada bloque, sino también la de los bloques
cercanos.

Kriging Presentacion

Cargado por

Copyright:

Formatos disponibles

Kriging Presentacion

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Kriging Presentacion

Cargado por

Copyright:

Formatos disponibles

NIVERSIDAD NACIONAL DE CAJAMARCA

El krigeaje consiste en encontrar la mejor estimación

También consiste en efectuar una ponderación, es

La toma de muestras da la información de lo que ocurre en cada punto. Sin embargo, no da

 El número de muestras tomadas

1.2 Existen dos métodos de Kriging para realizar las estimaciones.

Una semivariancia es la medida del grado de

Si a partir de un conjunto de muestras 𝑉 ′ = 𝑣1 , 𝑣2 , … , 𝑣𝑛 (que pueden considerarse puntuales), se

Z (V)-Z (V’), se puede hacer la deducción:

𝜎𝐸2 (𝑉, 𝑉 ′ )=Var (Z (v)-Z (v’))

El problema se resuelve de la siguiente manera:

a) Modelo esférico se define como.

Nos indica lo siguiente:

Se trata de resolver el sistema de ecuaciones :

De la misma manera que en a)

-0.058 0.032 0.007 0.019 0.149

0.032 -0.050 0.014 0.004 0.239

[𝐾]−1 = 0.007 0.014 -0.033 0.012 0.308

0.019 0.004 0.012 -0.036 0.305

0.149 0.239 0.308 0.305 -14.489

λ1 -0.058 0.032 0.007 0.019 0.149 9.34

La ley en Xo será: 0,518*3.2 + 0,022*2.5 + 0,089*4.0 + 0,37*1.5 = 2,6%

δ2𝑘 = 0.518(9.34) + 0.022(17.02) + 0.089(20.28) + 0.371(12.17) + 0.915

 Se logró definir el kriging como aquellos métodos empíricos que sirven

También podría gustarte

Pfad - The Proxy pFad of © 2024 Garber Painting. All rights reserved.

La ley en Xo será: 0,5183.2 + 0,0222.5 + 0,0894.0 + 0,371.5 = 2,6%