GSLIB_2013
-
Upload
jorge-navea-castro -
Category
Documents
-
view
71 -
download
0
Transcript of GSLIB_2013
Curso de Geoestadística
• Análisis estadístico/exploratorio de datos• Variograma
APLICACIONES CON GSLIB
Metodología
• Introducción• Paso a paso por todos los programas
APLICACIONES CON GSLIB
• GSLIB es el acrónimo para Geostatistical Software LIBrary: una colección de programas geoestadísticos desarrollados por estudiantes y profesores de la Universidad de Stanforddurante
• Deutsch, C. and Journel, A. (1998). Geostatistical Software Library and User´s Guide, Oxford University Press, New York
• Existe varias interfaces de ventanas para GSLIB
• WinGSLib by Clayton Deutsch, André Journel and Manu Schnetzler, (1999), Center for Computational Geostatistics at the University of Alberta (http://www.gslib.com)
• SGEMS (Stanford Geostatistical Modeling Software) by Nicolas Remy (2002) (http://sgems.sourceforge.net)
¿Qué es GSLIB?
• Utilidades• Visualización de datos• Histogramas, diagramas de dispersión, de cuantiles, de probabilidad
• Variogramas• Simples y cruzados para cualquier número de variables• En 1D, 2D y 3D para datos regular e irregularmente espaciados• Diferentes medidas de continuidad espacial
• Estimación (Krigeado)• En 1D, 2D y 3D, validación cruzada y jackknife• Distintos tipo de Krigeado: KS, KO, KT, KDE• Krigeado indicador
• Simulación Estocástica• Métodos Gausianos•Métodos indicadores• Simulación por campos de probabilidades• Simulación por recocido
Programas en GSLIB
NOTACIÓN GSLIB. MALLAS REGULARES
xsizys
iz
• Tamaños: xsiz, yziz,zsiz
Nuestro origen de malla
• Orígen malla GSLIB
(xmn,ymn)
• Numeración Pixeles
1 - 45 - 8
• Número de pixeles
ny=4
Formato de archivos de entrada y salida de GSLIB
4.693 0.7914.041 0.6422.885 0.5392.255 0.538...
Ejemplo de archivo de datos en 2D 2Variable 1Variable 2
Ejemplo archivo de parámetros
START OF PARAMETERS:../data/true.dat \ file with data2 1 2 \ number of variables, column numbers-1.0e21 1.0e21 \ trimming limitsgam.out \ output file1 \ grid or realization number50 0.5 1.0 \ nx, xmn, xsiz50 0.5 1.0 \ ny, ymn, ysiz1 0.5 1.0 \ nz, zmn, zsiz2 10 \ number of directions, number of lags 1 0 0 \ ixd(1), iyd(1), izd(1)0 1 0 \ ixd(1), iyd(1), izd(1)
1 \ standarize sill? (0=no, 1=yes)5 \ number of variograms1 1 1 \ tail variable, head variable, variogram type1 1 1 \ tail variable, head variable, variogram type
Parameters for GAM*****************
Análisis estadístico/exploratorio de datos
• Organizar y “explorar” los datos
• Condensar la información disponible
• Calcular los estadísticos de los datos
OBJETIVOS
• Descripción univariada
• (Descripción bivariada)
• (Descripción multivariada)
TIPOS
Descripción univariada
Histograma Histograma acumulado
• Media• Varianza/ Desviación• Quantiles
Estadísticos
• Describir/Agrupar • Control de calidad• Poblaciones
Útiles para...
P1
P2
P2
P1
Descripción univariada
)(zn1m
n
1
α= ∑=α
( )( )2n
1
2 mzn1∑
=α
−α=σ
2σ=σ
• media :
• varianza :
• desviación estándar :
muy sensible a valores altos de Z, especialmente si n es bajo
todavía peor
Descripción univariada. Cuartiles
Ql
50
Qm
75
Qu
200
Q0=mínimo
Q100=máximo
de MIS datos
Descripción univariada. ModelosHistograma muestral
?
Modelo probabilístico
Histograma exhaustivo
?
EJERCICIO PRÁCTICO GSLIB
Se supone conocida la realidad
Histograma exhaustivo (HISTPLT) Zoom
HISTOGRAMAS EXHAUSTIVOS
NOS PASAMOS A LA VIDA REAL
5 10 15 20 25 30 35 40 45
5
10
15
20
25
30
35
40
45
• Campaña 1 de medidas: 97 puntos (aleatoriamente distrib.)
• Campaña 2: 43 adicionales en puntos de conc. máx. 1ª camp.
Histograma muestral
5.352.56Q75
0.060.01Mín
0.690.34Q25
2.120.96Q50
58.326.74.35140Med.102.75.152.582500RealesMáxDesv.Median
Histograma muestral de los datos de la primera campaña
18.782.541.020.330.063.172.2197M1C5.352.56Q75
0.060.01Mín
0.690.34Q25
2.120.96Q50
58.326.74.35140Med.102.75.152.582500RealesMáxDesv.Median
Histograma muestral de los datos declusterizados
58.322.751.190.340.064.562.52140DEC.18.782.541.020.330.063.172.2197M1C
5.352.56Q75
0.060.01Mín
0.690.34Q25
2.120.96Q50
58.326.74.35140Med.102.75.152.582500RealesMáxDesv.Median
Ajuste de un modelo estadístico al campo “real”
1) Superposición de histograma (pdf) muestral con pdf modelo
2) Lo más típico. Dibujo un papel de probabilidad normal / lognormal
Ajuste de un modelo estadístico de la pdf de medidas
Análisis del variograma
• Cuantificar la variabilidad espacial del campo
OBJETIVOS
( )∑=
−=γ)h(N
1i
2ii yx
)h(N21)h(
Cola (tail)
Cabeza (head)
h (lag)
Vector N60E
ang=60º
tolerancia lag xltol=2.0Ancho de banda
bandw = 5.0
Distancia lag
xlag = 4.0Lag 2 Lag 3Lag 4
Lag 5
Lag 6
Eje X (Este)
Eje
Y (N
orte
) ¿Como cuento los pares?
toler. ang. atol=22.5
Definición de anisotropías y giros en el variograma
Eje Y (Norte)
Eje X (Este)
Dirección principal. Eje Y rotado (N30E)
Eje X rotado (N120E)
30º ang=30
rango=aa=20
anis=10/20=0.5<1
10
20
Variogramas modelo en GSLIB
⎪⎩
⎪⎨
⎧
≥
≤⎥⎥⎦
⎤
⎢⎢⎣
⎡⎟⎠⎞
⎜⎝⎛−⋅=⎟
⎠⎞
⎜⎝⎛⋅=γ
ahsic
ahsiah
21
ah
23c
ahSphc)h(
3
⎥⎦
⎤⎢⎣
⎡⎟⎠⎞
⎜⎝⎛−−⋅=⎟
⎠⎞
⎜⎝⎛⋅=γ
ahexp1c
ahExpc)h(
⎥⎥⎦
⎤
⎢⎢⎣
⎡⎟⎟⎠
⎞⎜⎜⎝
⎛−−⋅=γ 2
2
ahexp1c)h(
ahc)h( ⋅=γ
1 Esférico
2 Exponenc.
3 Gaussiano
4 Potencias
Variograma campo REAL
Pepita=9.0Meseta=25.0
Alcance=8.0
Ajuste variograma campo REAL
Variograma 140 medidas
Pepita 0.3 – 0.5
Alcance=10
Meseta=20
Variograma 140 medidas
Curso de Geoestadística
• Kriging
APLICACIONES CON GSLIB
Archivo de parámetros
Parameters for KTB3D********************
START OF PARAMETERS:DATOS.DAT \ARCHIVO CON LAS MEDIDAS1 2 0 3 \COLUMNAS CON X,Y,Z Y VARIABLE-1.0e21 1.0e21 \LIMITES DE CORTEESTIM.OUT \ARCHIVO DE RESULTADOS1 \NIVEL DE DEBUGGING: 0,1,2,3CHECK.DBG \ARCHIVO DE DEBUGGING
Hasta aquí, lo típico
Archivo de parámetrosArchivo de parámetros
50 0.5 1.0 \NX,XMN,XSIZ50 0.5 1.0 \NY,YMN,YSIZ1 0.5 1.0 \NZ,ZMN,ZSIZ
Geometría de la malla a estimar
2 2 1 \PUNTOS DE DISCRETIZACIÓN DE UN BLOQUE
Punto de estimación
Puntos donde krigeo
Archivo de parámetrosArchivo de resultados
4.693 0.7914.041 0.6422.885 0.5392.255 0.538...
KTB3D ESTIMATES WITH: Clustered 140 2EstimateEstimationVariance
BLOCK: 1 1 1 at 0.5000000 0.5000000 0.5000000
Lagrange : -0.170163970157926 BLOCK EST: x,y,z,vr,wt
2.500 1.500 0.500 3.330 0.6345.500 1.500 0.500 0.060 0.1180.500 7.500 0.500 12.740 0.0950.500 8.500 0.500 6.490 0.0311.500 8.500 0.500 20.350 -0.0102.500 8.500 0.500 8.900 -0.0150.500 9.500 0.500 15.770 0.0491.500 9.500 0.500 7.560 0.0162.500 9.500 0.500 6.260 0.0213.500 9.500 0.500 7.920 0.062
estimate, variance 4.692778 0.7912890
Archivo de resultados
Estimación
Varianza de estimación