XVIII Foro Nacional de Estadstica

Facultad de Ciencias, 13-17 de octubre de 2003

Aplicaciones Geoestadsticas:
ESTIMACION vs SIMULACION

Martn A. Daz Viera

Instituto Mexicano del Petrleo
Programa de Yacimientos Areno-Arcillosos
E-mail: mdiazv@imp.mx
 Objetivo

Ofrecer una visin general del estado actual

de la aplicacin de la geoestadstica.
Contrastar los dos enfoques principales de
su aplicacin:
ESTIMACIN
SIMULACIN

16/10/2003 2
 Plan de la Presentacin:

1. Geoestadstica: Origen, definicin, objeto

de estudio, su relacin con otras ramas de
la estadstica y reas de aplicacin.
2. Estimacin: Kriging y Cokriging
3. Simulaciones estocsticas
4. Estimacin vs. Simulacin

16/10/2003 3
 Origen de la Geoestadstica

En los aos 60, Matheron acu el trmino

de Geoestadstica.
El formaliz y generaliz un conjunto de
tcnicas de regresin desarrolladas por D. G.
Krige (1941) que explotaban la correlacin
espacial para hacer predicciones en la
evaluacin de reservas de las minas de oro
en Sudfrica.

16/10/2003 4
 Definicin de la Geoestadstica

Matheron (1962) defini a la Geoestadstica

como "la aplicacin del formalismo de las
funciones aleatorias al reconocimiento y
estimacin de fenmenos naturales"
La geoestadstica es una rama de la
estadstica aplicada que se especializa en el
anlisis y la modelacin de la variabilidad
espacial en ciencias de la tierra.

16/10/2003 5
 Objeto de Estudio de la
Geoestadstica

El anlisis y la prediccin de
fenmenos en espacio y/o tiempo, tales
como: ley de metales, distribucin de
porosidades, concentraciones de un
contaminante, etc.

16/10/2003 6
Relacin con otras Ramas de la
Estadstica

Es una rama de la estadstica espacial o de

fenmenos espacialmente distribuidos.

Es la hermana mayor de las Series de

Tiempo.

16/10/2003 7
 Aplicaciones Tpicas

Diseo de muestreo
Estudio de la correlacin espacial
Estimacin (interpolacin)
Simulacin estocstica

16/10/2003 8
 reas de Aplicacin

Minera,
Petrleo y Gas,
Hidrogeologa,
Agricultura,
Medio Ambiente,
Pesca,
Salud Pblica, etc.
16/10/2003 9
 ESTIMACIN

16/10/2003 10
 Funcin Aleatoria Z ( x )

A cada punto del espacio le hacemos

corresponder una variable aleatoria.
Los valores que toma (las muestras) son
realizaciones.
Tales valores no se consideran
independientes, es decir, existe cierta
dependencia espacial.

16/10/2003 11
 Estimador Kriging
Mejor {
m i n V a r Z 0 Z *
0 }
Estimador Z *
0
N
Lineal Z *
0 = i =1
iZ i

Insesgado E Z 0 = E Z
*

0

16/10/2003 12
 Cmo funciona el Kriging?

16/10/2003 13
 Propiedades del Kriging
Es un interpolador exacto

Toma en cuenta la correlacin espacial

Mapa de la varianza del error

No reproduce la variabilidad espacial

16/10/2003 14
 Tipos de Kriging
Segn el grado de estacionaridad:
Kriging Simple
Kriging Ordinario
Kriging Universal

Segn su soporte:
Kriging Puntual
Kriging de Bloque

16/10/2003 15
 CoKriging (Kriging Conjunto)

Es la extensin natural del Kriging al caso

cuando tenemos ms de una funcin
aleatoria.

Utiliza simultneamente la correlacin

espacial y la correlacin entre funciones
aleatorias.

16/10/2003 16
 CoKriging
Permite mejorar la estimacin de una
variable (primaria) pobremente muestreada
usando otra variable (secundaria) ms
densamente muestreada y correlacionada.

El proceso de estimacin es mucho ms

complicado comparado con el Kriging

16/10/2003 17
 Ejemplo: Kriging
2160000 5.5 2160000 15
14
5
13
2155000 4.5 2155000 12
11
4
10
2150000 3.5 2150000 9

3 8
7
2145000 2.5 2145000
6

UTM_Y (m)
UTM_Y (m)

2 5
4
2140000 1.5 2140000
3
1 2

2135000 1
0.5 2135000
0

2130000 2130000

2125000 2125000

465000 470000 475000 480000 485000 490000 495000 500000 465000 470000 475000 480000 485000 490000 495000 500000
UTM_X (m) UTM_X (m)

Kriging Imagen de Radar

16/10/2003 18
 Interpretacin de los resultados

El Kriging con los datos de los

Pluvimetros recoge la variabilidad espacial
en general de la precipitacin pero
suavizada
La imagen obtenida con Kriging est
correlacionada con la imagen de Radar y es
coherente con respecto a los valores
mximos.
16/10/2003 19
 Ejemplo: CoKriging
7.5
2160000 2160000 15
7
14
6.5
13
2155000 6 2155000 12
5.5 11
5 10
2150000 4.5 2150000 9
4 8
3.5 7
2145000 2145000
3 6

UTM_Y (m)
UTM_Y (m)

2.5 5
2 4
2140000 2140000
1.5 3

1 2

2135000 0.5 1
2135000
0

2130000 2130000

2125000 2125000

465000 470000 475000 480000 485000 490000 495000 500000 465000 470000 475000 480000 485000 490000 495000 500000
UTM_X (m) UTM_X (m)

CoKriging Imagen de Radar

16/10/2003 20
 Ejemplo: CoKriging Colocado
2160000 2160000 15
6
14
5.5 13
2155000 5 2155000 12

4.5 11
10
4
2150000 2150000 9
3.5
8
3 7
2145000 2145000
6

UTM_Y (m)
2.5
UTM_Y (m)

5
2
4
2140000 1.5 2140000
3
1
2
0.5 1
2135000 2135000
0

2130000 2130000

2125000 2125000

465000 470000 475000 480000 485000 490000 495000 500000 465000 470000 475000 480000 485000 490000 495000 500000
UTM_X (m UTM_X (m)

CoKriging Colocado Imagen de Radar

16/10/2003 21
 Interpretacin de los resultados

El CoKriging con todos los datos de la

imagen de Radar refleja la variabilidad
espacial con un gran detalle.

El CoKriging Colocado puede ser una

alternativa eficiente para un sistema en
tiempo real aunque con un mayor error.

16/10/2003 22
 SIMULACIONES
ESTOCSTICAS

16/10/2003 23
 Idea Bsica

Consiste en obtener nuevas realizaciones

artificiales de la funcin aleatoria de
manera tal que stas reflejen las mismas
propiedades estadsticas que se esperan que
posee la funcin aleatoria.

16/10/2003 24
 Simulaciones Condicionales
Son aquellas simulaciones que en los
puntos muestrales coinciden los valores
simulados con los valores reales o
experimentales .
La simulacin condicional puede ser
perfeccionada agregndole todo una suerte
de informacin cualitativa disponible del
fenmeno real. Ejemplo: en el caso de un
yacimiento se le puede aadir la geometra
de las fallas principales, etc.
16/10/2003 25
 Simulaciones Condicionales

!!!Son todas las

simulaciones
equiprobables

Cul debemos usar?

El promedio

16/10/2003 26
 Mtodos de Simulacin
Mtodo Cond. Gaussiano Malla
Regular
Matricial Si Si No
Espectral No Si No
Bandas Rotantes No Si No
Secuencial Gaussiano Si Si No
Secuencial Indicador Si No No
Gaussiano Truncado Si Si No
Recocido Simulado Si No Si
16/10/2003 27
 Simulaciones Estocsticas
Segn la geometra:

Basadas en celdas (pixeles)

Basadas en objetos (simulaciones

booleanas)

16/10/2003 28
 Ejemplo: Basada en Celdas

16/10/2003 29
 Ejemplo: Basada en Objetos

16/10/2003 30
 Bandas Rotantes

16/10/2003 31
 Secuenciales Gaussianas

16/10/2003 32
 Gaussianas Truncadas

16/10/2003 33
 Estimacin
vs
Simulacin

16/10/2003 34
El Kriging produce un suavizado de las
dispersiones (variabilidades) reales.

16/10/2003 35
 Mientras que las simulaciones reproducen la
variabilidad espacial de los valores reales.

16/10/2003 36
 Los estimadores no reproducen las
propiedades estadsticas de la FA.

16/10/2003 37
 Mientras que la simulacin reproduce las
propiedades estadsticas de la FA.

16/10/2003 38
 Cuando se cuenta con mucha informacin
pueden ser equivalentes o complementarios

16/10/2003 39
 Ventajas y Desventajas
Estimaciones
Dependen fuertemente nmero de puntos y
de su distribucin espacial
No requieren de mucho esfuerzo de
computo
Simulaciones
No dependen tan fuertemente del nmero
de puntos y de su distribucin espacial
Son ms demandantes computacionalmente
16/10/2003 40
 Industria Petrolera :
Caracterizacin de yacimientos

Estimaciones conjuntas (Cokriging):

Usando imgenes ssmicas

Simulaciones Estocsticas:
Restringidas a la geologa

16/10/2003 41
 Dificultades Prcticas

Informacin insuficiente y/o no

representativa.
Cambio de escala (de ncleos a celda del
modelo).
Como toda disciplina estadstica depende
considerablemente de decisiones
subjetivas del experto.

16/10/2003 42
 Software Disponible

GSLIB
ISATIS
HERESIM 3D

16/10/2003 43
 Referencias Recientes:

Deutsch, C. V., Geostatistical Reservoir

Modeling, Oxford University Press, 2002.
Christian Lantuejoul, Geostatistical Simulation:
Models and Algorithms, Springer Verlag, 2002.
Mohan Kelkar and Godofredo Prez, Applied
Geostatistics for Reservoir Characterization,
SPE, 2002.

16/10/2003 44
 !!!Muchas Gracias

Y...
Bienvenidos
Intercambio y Colaboracin

16/10/2003 45