MTODOS GEOESTADSTICOS

Gonzlez P, D y Hernndez R, L. E.

RESUMEN

Exploracin es el trmino utilizado en la industria petrolera para designar la

bsqueda de petrleo o gas. Desde sus inicios hasta la actualidad se han
desarrollado nuevas y complejas tecnologas. Sin embargo este avance, que ha
permitido reducir algunos factores de riesgo, no ha logrado hallar un mtodo que
permita de manera indirecta definir la presencia de hidrocarburos. Es por ello que
para comprobar la existencia de hidrocarburos se debe recurrir a la perforacin de
pozos exploratorios. Los mtodos empleados son muy variados: desde el estudio
geolgico de las formaciones rocosas que estn aflorando en superficie hasta la
observacin indirecta, a travs de diversos instrumentos y tcnicas de exploracin.

Palabras clave
Exploracin, Perforacin, Mtodos, Bsqueda.

I.

INTRODUCCIN

Desde sus inicios hasta la actualidad se han desarrollado nuevas y complejas

tecnologas. Sin embargo este avance, que ha permitido reducir algunos factores
de riesgo, no ha logrado hallar un mtodo que permita de manera indirecta definir
la presencia de hidrocarburos. Es por ello que para comprobar la existencia de
hidrocarburos se debe recurrir a la perforacin de pozos exploratorios.
Los mtodos empleados son muy variados: desde el estudio geolgico de las
formaciones rocosas que estn aflorando en superficie hasta la observacin
indirecta, a travs de diversos instrumentos y tcnicas de exploracin.
La exploracin petrolera tiene como objetivo primordial la bsqueda y
reconocimiento de estructuras geolgicas (trampas) en las cuales pudieran
haberse acumulado los hidrocarburos. La exploracin se apoya en mtodos que
aportan la geologa, la geofsica y la geoqumica.
Con la informacin recolectada, los especialistas elaboran diferentes tipos de
mapas de la zona examinada. Adems de suministrar informacin acerca del
espesor, inclinacin, direccin y naturaleza de los estratos, sirven para decidir
dnde conviene realizar la perforacin de los pozos exploratorios, con los cuales
se busca confirmar el modelo geolgico y la existencia o no de hidrocarburos en
dichas estructuras.
Una vez confirmada la presencia de hidrocarburos, se realizan las estimaciones de
sus volmenes mediante procedimientos matemticos. A esta cantidad de
hidrocarburos se le denomina Reservas Probadas (Krynine y Judd, 1961).

II.

OBJETIVOS

2.1.- General

Conocer y saber utilizar las herramientas numricas y grficas para la

descripcin, exploracin y anlisis de un conjunto de datos estadsticos, en
funcin de su tipo y procedencia geolgica.

2.2.- Especficos

Seleccionar, utilizar e interpretar procedimientos geoestadsticos aplicados

a la variabilidad espacial de los datos geolgicos.

Relacionar y situar la Estadstica y Geoestadstica en los procesos

cientficos, en particular en el campo de la Geologa.

III.

HIPOTESIS

3.1 General

El mtodo geoestadstico estudia la exploracin de hidrocarburos, mediante

datos numricos y grficos, y as analizarlos mediante datos e informacin
recolectada.

3.2 Especficos

El mtodo geoestadstico selecciona, utiliza e interpreta datos numricos y

as aplica dicha informacin en grficos para as analizar la informacin
recopilada.

La geoestadstica y estadstica se aplica en la geologa en el anlisis de

estudios en la exploracin petrolera.

IV.

MATERIALES Y MTODOS

La metodologa empleada en el equipo fue reunirnos en la biblioteca pblica de

Huimanguillo, y ya en dicha institucin cada quien llevaba informacin referente al
tema. Y as con toda la informacin recopilada pudimos terminar este trabajo.
Nos reunamos a partir de las 11 de la maana para cada da intentar avanzar
ms al tema, aunque algunas veces algunos no podamos reunirnos cuando ya
estuvo reunida toda la informacin pudimos concluir este trabajo y tratar de dar lo
mejor de cada uno de nosotros para hacer este trabajo.

V.

RESULTADOS Y DISCUSIN

5.1 Mtodo Geoestadsticos

La geoestadstica se encarga del estudio de muestras repartidas en el espacio a
partir de modelos aleatorios. Su uso prctico sobrepasa el simple trazado de
mapas, pues tambin tiene en cuenta el sentido espaciotemporal de la
probabilidad. El modelo no es el objetivo como tal, este es realmente un til al
servicio de lo real observado, por lo tanto, ms que una ciencia es una deontologa
del tratamiento de muestras, tomado de homenaje a Georges Materno y realizada
por el Centro de Geoestadstica de Fontainebleau.

Un aspecto distintivo de esta ciencia es que asume que los valores de las
variables regionalizadas estn correlacionados unos con otros, el estudio de dicha
correlacin se conoce como anlisis estructural. Los pasos bsicos de la
geoestadstica como tcnica son:
Anlisis exploratorio de los datos
Anlisis estructural (clculo y modelado de los variogramas)
Prediccin (kriging o simulacin).

La mayora de los autores resaltan en sus publicaciones los conceptos:

Variable regionalizada

Funcin aleatoria (FA)

Hiptesis estacionaria e intrnseca

Funcin de Covarianza espacial

Variograma, experimental y modelos admisibles

Anisotropa

Drift

Efecto proporcional

Efecto soporte y el soporte de una variable regionalizada.

Efecto informacin

Regularizacin

Figura 1

Funcin Variograma

La geoestadstica transitiva fue desarrollada por Matheron, 1965 y se emplea

actualmente para estimar el error geomtrico asociado estimaciones globales de
los recursos, donde los lmites del rea mineralizada no se conoce a priori. Otro
aspecto poco trabajado, pero que comienza a ganar en popularidad, es la
representacin espectral de las funciones aleatorias, las cuales tienen un uso
prctico en seales temporales. En el espacio el significado fsico de las
frecuencias asociadas a las funciones aleatorias no es claro, pero representa una
herramienta terica poderosa, especialmente para simulaciones.

Un ejemplo de aplicacin de la representacin espectral (o fractal) de las

funciones aleatorias es la simulacin de funciones aleatorias basadas en el
movimiento fractal browniano o el ruido gaussiano fractal, de gran utilidad para
simular montaas, canales y lagos con caractersticas realistas. El poder de dicho
modelo radica en que se puede determinar simultneamente la varianza de una
propiedad a diferentes escalas (Dubois, 1998).

5.1.1 Principales tcnicas geoestadsticas y sus particularidades

Se puede decir que la geoestadstica es una ciencia bastante joven, por ello
sistematizar su conocimiento a partir de una separacin adecuada de sus
principales principios y tcnicas resulta imprescindible para su mejor estudio y
comprensin. Para ello se adopta la secuencia propuesta por el Centro de
Geoestadstica de la Escuela de Minas de Pars, en el curso de formacin
especializada Cycle de Formation Spcialis en Gostatistique:

Geoestadstica lineal

Geoestadstica no estacionaria

Geoestadstica multivariada

Simulaciones

Geoestadstica no lineal

5.1.1.1

Geoestadstica lineal

La geoestadstica lineal univariada est relacionada al estudio de variables

regionalizadas que satisfacen la hiptesis estacionaria de segundo orden o la
intrnseca. Su teora no se ha enriquecido mucho desde su creacin en los aos
60 y 70, destacndose dos aspectos claves:

Las funciones de variabilidad espacial.

Los mtodos de estimacin.

Las funciones de variabilidad espacial estn representadas por el variograma y la

covarianza espacial centrada. En casos particulares pueden considerarse
funciones especiales como: el covariograma transitivo, la covarianza no centrada,
la covarianza no ergdica, el correlograma, el correlograma no ergdico, el

madograma, el rodograma, el variograma relativo, el variograma relativo (Bleines

et al., 2004).
Estas funciones pueden emplearse para orientar el anlisis estructural u otro
objetivo muy particular, por ejemplo se plantean que el variograma general relativo
y el relativo pair wise son resistentes a los datos espaciados y a los outliers
(valores anmalos) cuando el histograma tiene asimetra positiva, por lo que
revelan estructuras ocultas. En la estimacin solamente deben emplearse la
funcin de covarianza y el variograma, pero en la prctica solo el segundo se
calcula experimentalmente; para ello existen varios estimadores.

La imposibilidad de obtenerlo de forma experimental est dada por la limitada

cantidad de muestras disponibles,

tambin muestra

que el variograma

experimental es un estimador pobre de la variabilidad espacial si el histograma se

extiende mucho hacia sus extremos, como alternativa se pueden emplear
estimadores ms robustos, tales como el variograma mediana, cuantil, y
Huverized, as como variogramas de orden 1/2. Los modelos de estos
variogramas tienen como propiedades ms importantes, la continuidad y la
diferenciabilidad en el origen, las que controlan el grado de continuidad de las
realizaciones de la funcin aleatoria a corta escala. A larga distancia esto se
traduce de forma diferente, se dice que una funcin aleatoria es estacionaria si el
variograma

es

finito.

Las

funciones

aleatorias

intrnsecas

deben

ser

condicionalmente definidas positiva, o definida positiva para el caso de las

estacionarias de segundo orden.

De forma similar se deduce el tamao de la regin simulada para diferentes

precisiones de estimacin de la varianza y el variograma regional. Otra implicacin
prctica derivada de estas ecuaciones es que se requiere que V>>A para que las
propiedades del modelo original se mantengan en el modelo simulado y las
variaciones ergdicas sean mnimas.
En cuanto a la anisotropa la teora no ha cambiado mucho, pero la forma prctica
de modelarla ha progresado considerablemente, se muestra cmo definirlas por

estructuras, con rotaciones globales y locales, facilitando el ajuste de variogramas

con comportamiento complejo y diferenciado por escalas.
Con las propiedades de la funcin aleatoria bien definidas, y si estas son
adecuadas, se procede a la estimacin. En el caso intrnseco se emplea el
Krigeaje Ordinario, en el estacionario de segundo orden se puede usar adems el
Krigeaje Simple con media conocida a priori. Dada la dificultad de inferir la media,
el krigeaje simple es raramente utilizado; cuando se estiman datos transformados.
La comparacin entre ambos mtodos no es lineal a causa de la introduccin de
un trmino constante en el sistema de ecuaciones del krigeaje ordinario. El
krigeaje simple tambin tiene la ventaja de poseer un criterio slido para evaluar la
calidad de la estimacin conocida como el peso de la media.

Figura 2 Grfico lineal

5.1.1.2

Geoestadstica no estacionaria

Las funciones aleatorias no estacionarias son el caso opuesto a las estacionarias,

las intrnsecas ocupan una posicin intermedia y son adems un caso particular.
Una propiedad que caracteriza las funciones aleatorias no estacionarias es que
poseen media, varianza y covarianzas variables por traslacin, efecto con un

impacto nefasto para la aplicacin de sistemas lineales de estimacin. Para

enfrentar este problema existen dos enfoques principales:

El modelo de residuos

Los incrementos de rdenes superiores

.
La no estacionaridad se revela en el variograma como un crecimiento parablico y
suele confundirse con modelos gaussianos.

La dicotoma se emplea para calcular el variograma de los residuos y se incorpora

en las ecuaciones de krigeaje, pero la combinacin lineal que caracteriza el
estimador es similar a la del krigeaje ordinario. El variograma de los residuos es
altamente sesgado, excepto para cortas distancias, adems de esto, la definicin
del drift en la mayora de los casos es oscura. El krigeaje universal debe ser
empleado solamente cuando la definicin del drift es clara, o asociada a un
fenmeno fsico bien conocido y determinado. Las funciones intrnsecas de orden
k son una generalizacin de las funciones intrnsecas a rdenes superiores, donde
las diferencias de orden 2+k son invariables por traslacin.

Una propiedad interesante de las funciones aleatorias de rdenes superiores es

que las de rdenes inferiores estn definidas en su contexto, por ejemplo, una
combinacin lineal autorizada, en el orden inverso esta afirmacin no es cierta. La
implicacin prctica ms importante de dicha propiedad es que el nmero de
funciones admisibles es mayor que en el caso estacionario o el intrnseco. Es
posible extender al contexto de la no estacionalidad las tcnicas propias del caso
intrnseco: estimacin del drift (como generalizacin de la estimacin de la media),
estimacin del gradiente, filtrado de componentes de estructuras, kriging con error
medido, etc. Algunas de estas pueden ser generalizadas al caso multivariado,
pero an no han sido implementadas a causa de la dificultad de obtener el modelo
de variabilidad espacial.

Figura 3.

5.1.1.3

Grfico no estacionario.

Geoestadstica multivariada

La geoestadstica multivariada presupone la existencia de dos o ms variables, las

que son tenidas en cuenta para estimar y simular las realizaciones de las
funciones aleatorias o combinaciones lineales de estas. Las herramientas
estructurales son similares, se dispone de matrices de covarianzas centradas y no
centradas, directas y cruzadas, tambin se tienen matrices de variogramas y
correlogramas; pero aparecen algunas especificidades, entre las que se destacan:

Los variogramas cruzados pueden ser negativos, con formas complicadas.

Esto tambin ocurre en el caso de las covarianzas cruzadas. La covarianza
cruzada puede tener una componente simtrica y otra asimtrica. Los
variogramas cruzados siempre son simtricos.

Solo la parte simtrica de la covarianza cruzada se puede relacionar con el

variograma.

Para el caso de variables con unidades de medidas diferentes los

variogramas y las covarianzas cruzadas no son adimensionales. Si la
covarianza tiene una parte asimtrica (efecto retrazo) los variogramas no

son suficientes para determinar la varianza de una combinacin lineal

admisible.
En ocasiones nos encontramos situaciones con caractersticas que las tcnicas
lineales no permiten modelar, datos con alta asimetra por ejemplo. En estos
casos se pueden realizar transformacin a los datos, y obtener configuraciones de
estos que si pueden ser explicados por el krigeaje, para lo que se han adoptado
variantes como el Krigeaje Lognormal, Krigeaje de Indicadores, El Krigeaje
Disyuntivo, El Krigeaje de Probabilidades, etc. La idea de estos procedimientos es
realizar transformaciones en los datos originales hasta encontrar homogeneidad
en la informacin, utilizar la tcnica Krigeaje descritas hasta aqu y posteriormente
realizar la transformacin inversa (Dubois, 1998).

Figura 4 Grfico multivariado.

5.1.1.4

Simulaciones

Al buen uso de la simulacin se estima el largo de un cable que cruza el estrecho

de Gibraltar a parir de unos pocos puntos medidos de la profundidad del fondo
marino. En otra campaa se midi de forma exhaustiva la profundidad, cuyo

permetro se considera como el valor real. La realizacin simulada no es igual a la

real, pero tiene la misma variabilidad, por lo que el largo del cable es inferido con
bastante precisin; cuando se emplea el krigeaje el efecto de suavizado conlleva a
su subestimacin.
Se define la simulacin de una funcin aleatoria en un dominio determinado como
una realizacin del modelo que la describe, que reproduce su variabilidad
estadstica y geoestadstica (histograma y variograma). Contrario a la realidad, la
cual puede ser considerada como una realizacin particular de la funcin aleatoria,
la simulacin se conoce en todo el dominio, por lo que puede ser empleada para
clculos empricos, como simulacin de fluidos, estudios de sensibilidad y la
evaluacin de los resultados bajo condiciones restrictivas, como el cutoff. En el
caso de que las simulaciones sean iguales a los valores medidos en los puntos de
medicin, entonces se dice que estas son condicionales.

Cuando se van a construir simulaciones lo primero es determinar las

caractersticas estadsticas y geoestadsticas del campo simulado y luego se
define el algoritmo matemtico que garantice reproducir las caractersticas
requeridas. Generalmente se producen n realizaciones en paralelo, especialmente
si se pretenden simular funciones multigaussianas, pues es el modo ms sencillo
de obtenerlas, siempre y cuando n sea lo suficientemente grande, de acuerdo con
el teorema del lmite central. Entre los mtodos multigaussianos ms conocidos se
encuentran:

Mtodo espectral, basado en la representacin espectral de las

covarianzas.

Mtodo de dilucin

Mtodo de tesselacin

Mtodo de bandas rotantes

Descomposicin LU

Simulacin secuencial Gaussiana

Una adaptacin a los random set del mtodo secuencial gaussiano es el

secuencial indicador.

5.1.1.5

Geoestadstica no lineal

La estimacin en Geoestadstica por el Krigeaje, como todo proceso de

interpolacin, ofrece una imagen suave o lisa de la realidad, existiendo
aplicaciones en la que interesa algo ms que simplemente obtener valores
aproximados a una realidad desconocida, es decir, resultara til una
representacin que pueda sustituir la realidad. Con tal intencin se propone,
la Simulacin Geoestadstica, a travs de la cual se obtienen realizaciones con
igual comportamiento espacial que la informacin observada en las localizaciones
muestreadas.
La cual puede ser til para obtener una representacin de una de las posibles
realizaciones de la realidad de un yacimiento. Esto da la posibilidad de sustituir un
yacimiento real por uno simulado y realizar estudio de simulacin de explotacin,
estudio de redes, etc.
Bajo el trmino de geoestadstica no lineal se agrupan las tcnicas que implican
una transformacin no lineal de los datos. Estas se crearon para modelar variables
que luego de transformadas pueden ser tratadas con tcnicas lineales, los
ejemplos ms conocidos son el krigeaje lognormal o de logaritmos y el krigeaje
multigaussiano, donde la estimacin se realiza con funciones aleatorias
gaussianas obtenidas por anamorfosis.
En otro grupo se encuentra el krigeaje de los indicadores de variables categricas
o variables continuas transformadas a indicatrices; el objetivo es determinar la
distribucin de la funcin aleatoria analizada en un soporte puntual o de bloque y
con ella inferir probabilidades o recursos, expresados en porcentajes de tonelajes
de metales y menas. Un tercer grupo que se emplea con objetivos similares, es
deducido a partir de los indicadores, pero se basa en el enfoque gaussiano, el ms
popular de estos mtodos es el krigeaje disyuntivo. En el primer grupo la
transformacin de los datos tiene como objetivo realizar el krigeaje sobre funcin

aleatoria gaussianas, pues estas tienen un grupo de propiedades que facilitan el

uso de tcnicas geoestadsticas. En ellas se cumple que la estacionaridad de
segundo orden es equivalente a la estacionaridad estricta; an en el caso
intrnseco la mayora de los estimadores lineales funcionan muy bien.

Figura 5.

Grfico no lineal (Dubois, 1998).

VI.

CONCLUSIN

En estos ltimos aos esta ciencia se ha enriquecido considerablemente y su uso

se ha generalizado a innumerables campos de aplicacin, gracias al desarrollo de
las ciencias informticas y las mejoras introducidas en los algoritmos, como los de
ajustes de variogramas en el contexto multivariado.

An existen muchos problemas por resolver, quizs el de mayor inters para la

industria del petrleo sea la modelacin de forma aceptable de fracturas. Se
muestra algunas soluciones preliminares basadas en el empleo del modelo
booleano, pero no logra definir la forma y la extensin de las fallas. Una nueva
tendencia es la de fusionar otras tcnicas con la geoestadstica, tambin se tiende
a remplazarla con algoritmos genticos y el razonamiento.

Finalmente se destaca un aspecto aparentemente simple pero que diferencia a un

especialista en geoestadstica de un buen conocedor y es el anlisis inicial del
fenmeno. El primero parte del enfoque probabilstico y define un modelo
matemtico general que le permite deducir el mtodo ms adecuado para resolver
el problema planteado, el segundo simplemente selecciona uno de los mtodos
existentes segn los objetivos que persigue. La diferencia no tiene mayor
trascendencia, mientras el problema o fenmeno que se presente no est fuera de
lo tradicional.

VII.

LITERATURA CITADA

BLEINES, Alberto, DERAISME, Margaret y GETTROY, Armando. SATIS

Manual del software, gua de referencia, 5 Edicin. Buenos Aires,
Centenario, 2005. 711 p.

DUBOIS, Gregoire. Determinacin de un modelo digital de la topografa

original en el yacimiento Punta Gorda. Revista Minera y Geologa, 18(34):103-119, Agosto 1998.

KRYNINE, Pablo y JUDD, Rodrigo. Principios de geologa y geotcnica

para ingenieros. Madrid, Ediciones Omega, 1961. 299 p.