de un bloque”
INTEGRANTES:
Flores Mondragón Ricardo
DOCENTE:
ING. AUGUSTO TEVEZ
ROJAS
INDICE
RESUMEN ................................................................................................. 3
INTRODUCCIÓN ..................................................................................... 3
MARCO TEORICO ................................................................................... 4
CÓDIGO .................................................................................................. 11
CONCLUSIONES ................................................................................. 166
BIBLIOGRAFÍA.................................................................................... 166
1
A nuestros maestros por compartir sus
conocimientos.
2
RESUMEN
La siguiente monografía realizará la aplicación de un caso de kriging para
determinar las leyes de zonas desconocidas compositando en bloques
determinados según el ejercicio dejado en clase aplicando variograma
promedio para una región cuadrangular, utilizando el modelo esferico de
variograma con valores usando el software phyton previamente programado.
INTRODUCCIÓN
¿Qué es kriging?
3
MARCO TEORICO
KRIGING EN BLOQUES:
Dos alternativas:
5
El error promedio puede no tener esperanza nula cuando se considera sólo
los sitios donde la ley estimada es alta (o baja). En general, el sesgo
condicional es pequeño si se usa suficientes datos (>15).
PLAN DE KRIGING
¿Cuáles son los datos a utilizar en la estimación?
■ Vecindad móvil: se usa sólo los datos cercanos al sitio (bloque) a estimar
6
APLICACIÓN
Para determinar el valor del bloque, se lleva a cabo una discretización del
área en un conjunto de puntos (2x2, 3x3, etc.), obteniéndose a continuación
la media entre los diferentes valores.
Por último, hay que constar que los valores que se obtienen con el krigeage
(tanto puntual como de bloques) llevan aparejados los correspondientes
valores de la varianza de la estimación (varianza del krigeaje), lo que permite
hacer un estudio de la bondad de la estimación.
7
La práctica recomienda que una vecindad contenga un promedio del orden
de 8 muestra, los resultados que se obtienen serán muy buenos.
En las ecuaciones del Kriging puntual el vector del miembro derecho las semivarianzas
𝛾𝑖𝑗 son reemplazadas por las semivarianzas promedios con respecto al bloque 𝑉𝐾 que se
expresan como:
8
Dónde:
9
CÁLCULOS
C1 = 1.2
a = 50m
Una vez dado los valores para las constantes, valor de efecto pepita, alcance;
tenemos definidad la función de Matheron y podemos proceder a plantear el
sistema de ecuaciones para el Kriging de Matheron:
• K1 Y1.1 + K2 Y1.2 + K3 Y1.3 + K4Y1.4 + µ = Y0.1
• K1 Y2.1 + K2 Y2.2 + K3 Y2.3 + K4Y24 + µ = Y0.2
• K1 Y31 + K2 Y3.2 + K3 Y3.3 + K4Y3.4 + µ = Y0.3
• K1 Y4.1 + K2 Y4.2 + K3 Y4.3 + K4Y4.4 + µ = Y0.4
• K1 + K2 + K3 + K4 = 1
10
CÓDIGO
Para realizar el código se utilizó el programa Python xy que viene con unas
librerías para poder manejar matrices (en este caso se usará la librería
numphy) y usarlas para programar de tal manera que pueda dar solución al
sistema de ecuaciones del Kriging de Matheron.
11
Para el código usaremos el bucle for en Python que realizará una acción
repetitiva siempre y cuando la variable esté dentro del rango, vemos que el
rango está determinado por:
A partir de el bucle for empezará a desarrollar los cálculos para hallar los
valores de Variograma de la función Matheron que acompañará a los lamdas
del sistema de ecuaciones.
12
Terminamos de escribir el código pidiendo que imprima los valores de los rangos XX que
viene a ser la matriz solución de los lamdas 1,2,3,4 y el parámetro u.
La matriz MVBC nos imprimirá el valor de la matriz compuestas por todos los
coeficientes ganma de la función matheron que forma una matriz simétrica, en nuestro
caso una matriz cuadrada de 5x5.
13
Al correr el programa nos indica ingresar los parámetros definidos con anterioridad, para
lo cual nosotros otorgamos valores a los parámetros de la función Matheron, las
coordenadas del punto a evaluar la ley.
14
Matriz de términos independientes compuestos por las funciones variograma del punto
inicial a los taladros respectivos.
z1 z2 z3 z4
0.6 1 2.6 0.7
z(o) 1.54027115
σ´2 1.81723603
15
CONCLUSIONES
BIBLIOGRAFÍA
Emery X., 2005. Variograms of order ω: a tool to validate a bivariate distribution
model, 0DWKHPDWLFDO *HRORJ\, Vol. 37, No. 2, in press.
Emery X. and Ortiz J.M., 2007. Weighted sample variograms as a tool to better
assess the spatial variability of soil properties, HRGHUPD, Vol. 140, No. 1-2, p.
81-89.
Goovaerts P., 1992. Factorial kriging analysis: a useful tool for exploring the
structure of multivariate spatial information, -RXUQDO RI 6RLO 6FLHQFH,
Vol. 43, No. 4, p. 567- 619.
16