5.-variografia

  • Upload
    malikyy

  • View
    214

  • Download
    0

Embed Size (px)

Citation preview

  • 7/29/2019 5.-variografia

    1/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    2/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    3/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    4/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    5/101

  • 7/29/2019 5.-variografia

    6/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    7/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    8/101

    Jos Delgado

    Hiptesis estacionaria:

    La estacionalidad de orden dos en otros trminos

    .-E(Z(x))=m(x)=m

    .-E(Z(x) Z(x+h)) m =C(h)

    Hiptesis Intrnseca:

    Supone solamente que los aumentos

    E[ Z(x+h) Z(x) ] = 0

    Var [ Z(x+h) Z(x) ] = 2 (h)

  • 7/29/2019 5.-variografia

    9/101

    Jos Delgado

    Nubes de correlacin diferida (N.C.D.)

    Examinar una o varias N.C.D. para observar diferencias entre vecinos

    Los pares de datos mas dismiles corresponden a los puntos

    Que aparecen mas alejados de la bisectriz

  • 7/29/2019 5.-variografia

    10/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    11/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    12/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    13/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    14/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    15/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    16/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    17/101

    Anlisis Variografico

    El anlisis variografico es una de las herramientas mas importante y potente

    que existen para analizar las fuentes de variabilidad de los procesos .

    Podemos estudiar la variabilidad de la variable aleatoria en funcin del

    tiempo o de la posicin

    En el caso de la mina podemos estudiar como varan las leyes

  • 7/29/2019 5.-variografia

    18/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    19/101

    Jos Delgado

    La idea del variograma estudiar el valor medio de

    ( Z( x+h)- Z( x))^2

    En funcin de la distancia hsemivariograma

    0

    3,5

    0 1200

    Distancia h

    ( h )

  • 7/29/2019 5.-variografia

    20/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    21/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    22/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    23/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    24/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    25/101

  • 7/29/2019 5.-variografia

    26/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    27/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    28/101

  • 7/29/2019 5.-variografia

    29/101

  • 7/29/2019 5.-variografia

    30/101

  • 7/29/2019 5.-variografia

    31/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    32/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    33/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    34/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    35/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    36/101

  • 7/29/2019 5.-variografia

    37/101

  • 7/29/2019 5.-variografia

    38/101

  • 7/29/2019 5.-variografia

    39/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    40/101

    Jos Delgado

    Informacin estructural aportada por el Variograma

    1.-continuidad espacial

    2.-Zona de influencia

    3.-las anisotropa

    4.-Las estructuras anidadas

    5.-La no estacionalidad ( derivas tendencias

  • 7/29/2019 5.-variografia

    41/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    42/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    43/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    44/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    45/101

    Jos Delgado

    =

    =

    )(

    1

    2)()(*2

    1)(

    hN

    i

    iyizhN

    h

    Otras medidas experimentales para medir la variabilidad/continuidad espacial

    1.- Semivariograma

    2.- Semivariograma cruzado =

    =

    )(

    1

    )')('()(*2

    1)(

    hN

    i

    iyiyizizhN

    hzy

    3.- Covariograma =

    =)(

    1

    )()(

    1)(

    hN

    i

    ymxmiyixhN

    hC

    4.- Correlogramayx

    hCh

    )()( =

  • 7/29/2019 5.-variografia

    46/101

    Jos Delgado

    5.- Semivariograma general relativo2)

    2(

    1)()(ymxm

    hhGR+=

    6.- Semivariograma relativo de pareja =

    =

    )(

    12)

    2

    )((

    2)(

    )(*2

    1)(

    hN

    iiyixiyix

    hNhPR

    7.- Semivariograma de logaritmo

    ==

    )(

    1

    2

    ))ln()(ln()(*2

    1

    )(

    hN

    iiyixhNhL

    8.- Semimadograma =

    =

    )(

    1

    )(*2

    1)(

    hN

    i

    iyixhN

    hM

  • 7/29/2019 5.-variografia

    47/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    48/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    49/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    50/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    51/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    52/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    53/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    54/101

    Jos Delgado

    Cundo un modelo es admisible ?

  • 7/29/2019 5.-variografia

    55/101

    Jos Delgado

    Cundo un modelo es admisible ?

    Recordemos

    )(* ixZ

    i

    iZ =

    Por otra parte sabemos que

    )(*)( jx

    i j

    ixCjiZVar = En efecto

    ===i i i

    miixZEiixZiEZE ))(()((*)(

  • 7/29/2019 5.-variografia

    56/101

    Jos Delgado

    Por definicin

    2*)](*[*)( ZEZEZVar =

    2))((

    = mixZiE

    )( jx

    i j

    ixCji =

    Esta varianza no puede ser negativa , Una funcion que verifica esta

    condicione se define positiva o de tipo positiva

  • 7/29/2019 5.-variografia

    57/101

    Jos Delgado

    Recprocamente toda funcin definida positiva puede ser como la

    varianza de una F.A.E. ,La situacin es mas complicada cuando la

    variable Z(x) es no estacionaria , pero intrnseca , en este caso la

    varianza como combinacin lineal no existe necesariamente .

    Podemos afirmar que ella existe por combinacin lineal de losAumentos .

    Esta combinaciones que se dicen autorizadas se caracterizan por

    0=i

    i

  • 7/29/2019 5.-variografia

    58/101

    Jos Delgado

    Z(0)

    Z(1)

    Z(1)

    Z(3)

    Z(4)

    Z(n)

  • 7/29/2019 5.-variografia

    59/101

    Jos Delgado

    = 0iLas combinaciones autorizadas se caracterizan por:

    Toda combinacin lineal de aumentos verifica esta condicin

    = )]0()([)( ZixZiixZi La varianza es una combinacin lineal

    = )]0((),0()([)]([ ZjxZZixZCovjiixZiVar

  • 7/29/2019 5.-variografia

    60/101

    Jos Delgado

    Para calcular las covarianzas de los aumentos utilizamos

    ))0()(),0()((2

    ))0()(())0()(())()((

    ZyZZxZCov

    ZyZVarZxZVaryZxZVar

    +=

    Dado que:

    ))()(()(2 xZhxZVarh +=Tenemos

    ))0()(),0()((2)(2)(2)(2 ZyZZxZCovyxyx +=

    Obteniendo

  • 7/29/2019 5.-variografia

    61/101

    Jos Delgado

    ))]()()(([)]([ jxixjxix

    j

    ji

    i

    ixZiVar +=

    = )]0((),0()([)]([ ZjxZZixZCovjiixZiVar

    += )()()( jxixjijxiixij

    = 0i

    )()]([ jxix

    j

    ji

    i

    ixZiVar =

  • 7/29/2019 5.-variografia

    62/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    63/101

    Jos Delgado

    )()]([)*

    ( jxix

    j

    ji

    i

    ixZiVarZVar ==

    ))1(32

    2)8.0(31

    2)8.0(21

    2)0(2

    3)0(2

    2)0(2

    1( +++++

    1.0

    )5.02.02.0000(

    =

    +++=

    La varianza es negativa esto se produce porque la funcin utilizada

    no esta definida positivamente

  • 7/29/2019 5.-variografia

    64/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    65/101

    Jos Delgado

    El modelo lineal de regionalizacion

    El variograma experimental mide la desemejanza promedio entre

    las mediciones de su separacin . En la practica a menudo

    presenta cambios de pendiente ,mas o menos acentuados ,que

    indican el paso a una estructuracin diferente de los valores a partir

    de ciertas distancias

  • 7/29/2019 5.-variografia

    66/101

    Jos Delgado

    Anlisis estructural o anlisis variografico

    Podemos traspasar todo al covarianzas siempre que se cumpla la hiptesis de

    Estacionalidad de segundo orden ,El variograma provee un marco de estudio

    mas general dado a que se define fuera del contexto estacionario de orden dos

    El modelo variografico de un esquema anidado hace uso de uno de los

    modelos de uso comn el modelo lineal de regionalizacion ,que representa

    el variogramag(h)= g1(h)+ g2(h)+.+gs (h)

  • 7/29/2019 5.-variografia

    67/101

    Jos Delgado

    g(h)= g1(h)+ g2(h)+.+gs (h)

    La funcion aleatoria puede ser vista como la suma de procesos independiente

    (o al menos con crecimiento espacialmente no correlacionados),apareciendo

    como la superposicin de componentes independientes actuando

    simultneamente ,pero a escala diferente

  • 7/29/2019 5.-variografia

    68/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    69/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    70/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    71/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    72/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    73/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    74/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    75/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    76/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    77/101

    Jos Delgado

    Sondaje a los largo del sondaje

    Anlisis variografico a corta distancia

  • 7/29/2019 5.-variografia

    78/101

    Jos Delgado

    Anlisis variografico a corta distancia

    a.-Parablico :(h) h tal comportamiento indica que la

    V.R. es muy regular .ella es continua y diferenciable

    b.-Lineal(h)h en este caso la V.R. es continua pero no

    diferenciable ,es menor regular que la parablica

    c.-Esto india que la variable es extremadamente irregular

    a pequeas distancias ,indicando fuertes variaciones a

    corta distancia

    d.-La relacin entre dos valores continuos no presentan

    ninguna correlacin

  • 7/29/2019 5.-variografia

    79/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    80/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    81/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    82/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    83/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    84/101

    Jos Delgado

    Estructuras anidadas:

    Por estructuras anidadas se entiende una sobreposicion de variogramas

    de diferentes alcances ,Esto se traduce en un fenomeno actuando en muchas

    escalas ,Podemos ver cuatro componentes principales:

    .-A nivel de muestras ,un efecto de pepita del error de la medida

    .-A nivel petrografico (h

  • 7/29/2019 5.-variografia

    85/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    86/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    87/101

  • 7/29/2019 5.-variografia

    88/101

  • 7/29/2019 5.-variografia

    89/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    90/101

    Jos Delgado

    Ejemplo :

  • 7/29/2019 5.-variografia

    91/101

    Jos Delgado

    Un yacimiento 2D ,es modelado por un modelo con anisotropa geomtrica . El

    modelo es esfrico con una meseta de 17% y con un efecto pepita de Co= 10 %

    y los alcances son de 100 mts. En la direccin de mas continuidad (30) y 60 mts

    en la direccin de mas pequea continuidad (120 0) ,Cual es el variograma entre dos

    Observaciones situados entre las coordenadas :

  • 7/29/2019 5.-variografia

    92/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    93/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    94/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    95/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    96/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    97/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    98/101

    Jos Delgado

  • 7/29/2019 5.-variografia

    99/101

    Jos Delgado

    Otra herramientas

    Validacin cruzada

  • 7/29/2019 5.-variografia

    100/101

    Jos Delgado

    I s at i s

    375250. 375750.376250.

    X ( m)

    7524550.

    7524800.

    7525050.

    7525300.

    Y

    (m)

    0.

    5.

    10.

    15.

    Z* : Cu_T ( Esti mates)

    0.

    5.

    10.

    15.

    Z

    :

    Cu_

    T(T

    rue

    value)

    0.

    1.

    2.

    3.

    4.

    5.

    6.

    7.

    8.

    9.

    Z* : Cu_T ( Esti mates)

    - 10.

    0.

    10.

    (Z*-

    Z)/S*

    -10.

    0.

    10.

    (Z*-Z)/ S*

    0. 0

    0. 1

    0. 2

    0. 3

    0. 4

    0. 5

    0. 6

    0. 7

    0. 8

    Frequencies

    Anlisis de validacin cruzada

    a.-Analisis grafico

  • 7/29/2019 5.-variografia

    101/101

    Jos Delgado

    1.-De localizacin

    2.-Nube de correlacin Z vs Z*

    3.-Error estandarizado ( Z*-Z)/*

    4.-Nube de correlacin error estandarizado v/s valor estimado

    b.-Anlisis cuantitativo de media y varianza de los errores y errores

    estandarizados

    1.-Estadstica de validacin cruzada basada en el total de los datos

    2.-Estadstica de validacin cruzada basada en los datos robustos