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