Krigeage

cole Polytechnique - GLQ3401 Krigeage - D.
Marcotte 1
Krigeage
Automne 2003
cole Polytechnique - GLQ3401 Krigeage - D. Marcotte 2
Plan
Dfinition
Krigeage simple et krigeage ordinaire
Interprtation
Exemple numrique
Proprits du krigeage
Aspects pratiques
Validation croise
Lien entre KS et KO
Dfinition
Mthode destimation linaire, sans biais, minimisant la variance
destimation telle que calcule laide du variogramme
Dans le cadre stationnaire, il y a 2 formes particulires de krigeage :
) ( m
Z
m =
Z i i
n
1 = i
*
v

+
- Le krigeage simple :
Z
=
Z
i i
n
1 = i
*
v

- Le krigeage ordinaire :
Le krigeage simple suppose la moyenne du processus (m) connue.
Le krigeage ordinaire est plus frquemment utilis.
Krigeage simple
]
Z
,
Z
Cov[ 2 - ]
Z
,
Z
Cov[ + ]
Z
Var[ =
i v i
n
1 = i
j i j i
n
1 = j
n
1 = i
v
2
e

La variance destimation est:
Lide est de choisir les
i
de faon minimiser la variance
destimation.
Pour trouver le minimum, on drive par rapport chacun
des
i
et lon pose ces drives partielles gales zro (condition
dun extrmum; cet extrmum est un minimum)

2
e

1...n = i ]
Z
,
Z
Cov[ = ]
Z
,
Z
Cov[
i v j i j
n
1 = j
On obtient alors le systme linaire suivant comportant n

quations n inconnues (les n
i
)
loptimum, la variance destimation scrit, tenant compte
des quations prcdentes:
]
Z
,
Z
Cov[ - ]
Z
Var[ =
i v i
n
1 = i
v
2
ks

) ( m
Z
m =
Z i i
n
1 = i
*
v

+
Lestim est obtenu par :
Ces quations scrivent sous forme matricielle :
s s
2
v
2
ks
k ' =
(
(
(
(
(
(

2
2 n 1 n
n 2
2
1 2
n 1 2 1
2
) Z , Z ( Cov ) Z , Z ( Cov
) Z , Z ( Cov ) Z , Z ( Cov
) Z , Z ( Cov ) Z , Z ( Cov
s
K
(
(
(
(
(
(
n
2
1
s
(
(
(
(
(
(
) Z , Z ( Cov
) Z , Z ( Cov
) Z , Z ( Cov
v n
v 2
v 1
s
k
=
s s s
k K =
s
1
s s
k K
=
Krigeage ordinaire
Dans le krigeage ordinaire, m nest pas connue. Lestimateur
prend alors la forme :
Pour que lestimateur soit sans biais, il faut imposer la
contrainte habituelle :
Z
=
Z
i i
n
1 = i
*
v

1
i
n
1 = i
=

On a un problme de minimisation sous contrainte => mthode de
Lagrange, i.e. on forme le lagrangien.
|
|
\
|
+

|
|
\
|
1 2 ]
Z
,
Z
Cov[ 2 - ]
Z
,
Z
Cov[ ]
Z
v
Var[ =
1 2 = ) , L(
- +
-
i
n
1 = i
i v i
n
1 = i
j i j i
n
1 = j
n
1 = i
i
n
1 = i
2
e
Poser les drives partielles par rapport et gales zro =>
systme linaire de n+1 quations n+1 inconnues
1...n = i ]
Z
,
Z
Cov[ = + ]
Z
,
Z
Cov[
i v j i j
n
1 = j

1 =
j
n
1 = j
Sous forme matricielle :

o o o
k K =
o o
2
v
2
ko
k ' =
loptimum, la variance destimation est :

- ]
Z
,
Z
Cov[ - ]
Z
Var[ =
i v i
n
1 = i
v
2
ko
(
(
(
(
(
(

0 1 1 1
1 ) Z , Z ( Cov ) Z , Z ( Cov
1 ) Z , Z ( Cov ) Z , Z ( Cov
1 ) Z , Z ( Cov ) Z , Z ( Cov
2
2 n 1 n
n 2
2
1 2
n 1 2 1
2
o
K
(
(
(
(
(
(
n
2
1
o
=
(
(
(
(
(
(
1
) Z , Z ( Cov
) Z , Z ( Cov
) Z , Z ( Cov
v n
v 2
v 1
o
k
Le krigeage permet destimer directement un bloc (Z
v
) ou un point (Z
0
)
Tout ce qui change cest le membre de droite k
0.
Le krigeage dun bloc est gal la moyenne des krigeages ponctuels dans
le bloc.
Exemple
0 0.2 0.4 0.6 0.8 1
0
0.2
0.4
0.6
0.8
1
k0
ks
Poids
1
P
o
i
d
s

2
Variance d'estimation Sph(C0=0.5,C=0.5,a=5)
+
x1
+
x2
x0
h=1 h=2
On a toujours :
2
ks
2
ko

Interprtation du krigeage
Le krigeage minimise la variance destimation thorique calcule partir
du variogramme.
Le krigeage est-il plus juste que tout autre estimateur linaire ?
Oui, en moyenne (i.e. sur un grand nombre de valeurs estimes),
lorsque:
- hypothse de stationnarit est valide
- on a le bon modle de variogramme
Pour un bloc particulier ou un point, on ne peut rien affirmer.
En pratique, dans la plupart des cas, le krigeage est en moyenne au moins
aussi juste que les autres estimateurs.
Exemple numrique dtaill
h=1
h=1
h=2
1
2 3
0
Variogramme sphrique, C
0
=1, C=10, a=3
Z
1
=9, Z
2
=3, Z
3
=4
0 3 3.2 2 x3
3 0 1 1 X2
3.2 1 0 1.4 X1
2 1 1.4 0 X0
X3 X2 X1 X0
0 11 11 9.52 x3
11 0 5.81 5.81 X2
11 5.81 0 7.55 X1
9.52 5.81 7.55 0 X0
X3 X2 X1 X0
h
(h)
11 0 0 1.48 x3
0 11 5.19 5.19 X2
0 5.19 11 3.45 X1
1.48 5.19 3.45 11 X0
X3 X2 X1 X0
C(h)
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
1
1.48
5.19
45 . 3

0 1 1 1
1 11 0 0
1 0 11 5.19
1 0 5.19 11
3
2
1
=
(
(
(
(
(
(
(
(
(
(
(
(
5 1.5 -
8 .2
.51
1 .2

3
2
1
=
Z
0
* =
i
Z
i
= (.21)*9 + (.51)*3 + (.28)*4 = 4.54
6 8.7 =
k
- 11 =
0
2
ko


Proprits du krigeage
i. Linaire, sans biais, variance minimale, par construction.
ii. Interpolateur exact
iii. Effet d'cran
iv. Tient compte de la taille du champ a estimer et de la position
des points entre eux.
v. Tient compte de la continuit spatiale du phnomne tudi
vi. Effet de lissage
vii. Presque sans biais conditionnel.
viii. Transitif (cohrence des estims)
Interpolateur exact
0 5 10
0
5
10
0 5 10
0
5
10
0 5 10
0
5
10
0 5 10
0
5
10
Ppite + Sphrique(.75, a=10) Ppite pur
Gaussien Linaire
En prsence deffet de
ppite, les valeurs interpoles
sont discontinues => viter
destimer un point observ
Exemple
5 10 15 20 25 30
5
10
15
20
25
30
Points coincidant
5 10 15 20 25 30
5
10
15
20
25
30
Points non-coincidant
En dcalant dun epsilon la grille dinterpolation, on vite les
discontinuits sur la carte interpole
-50 0 50
-50
0
50
l=0.25 l=0.25
l=0.25 l=0.25
Variogramme sphrique; C=100, a=100, C0=0
Var.k.= 29.0
-50 0 50
-50
0
50
l= -0.02 l= -0.01 l= -0.01 l= -0.02
l= -0.01 l= 0.29 l= 0.29 l= -0.01
l= -0.01 l= 0.29 l= 0.29 l= -0.01
l= -0.02 l= -0.01 l= -0.01 l= -0.02
Var.k.= 28.0
Effet dcran
Nb. de points dans le voisinage
Nb. de points dans le voisinage
-50 0 50
-60
-40
-20
0
20
40
60
-0.02 0 0 -0.02
0 0.27 0.27 0
0 0.27 0.27 0
-0.02 0 0 -0.02
Var. k. = 8.24
-50 0 50
-60
-40
-20
0
20
40
60
02 05 05 02
05 12 12 05
05 12 12 05
02 05 05 02
Var. k. = 1.56
-50 0 50
-60
-40
-20
0
20
40
60
06 06 06 06
06 06 06 06
06 06 06 06
06 06 06 06
Var. k. = 1.06
-100 -50 0 50 100
-100
-50
0
50
100
12 06 06 12
06 01 01 06
06 01 01 06
12 06 06 12
Var. k. = 5.03
Tient compte de la taille du champ estimer
Tient compte de la redondance des donnes
-60 -40 -20 0 20 40
-50
0
50
42
16
42
Var. k. = 76.54
-50 0 50
-50
0
50
27
46
27
Var. k. = 25.6
0 10 20 30 40 50 60 70 80 90 100
1
2
3
4
5
6
7
Variance de krigeage vs proportion relative de ppite
Proportion relative de ppite
V
a
r
.

k
.
Modle sphrique, a=100, C0+C=100; bloc de 133 x 133; grille centre de 4x4
0 50 100 150 200 250 300
0
1
2
3
4
5
Variance de krigeage vs porte
Porte (m)
V
a
r
.

k
.
Modle sphrique, C0=0; C=100; bloc de 133 x 133; grille centre de 4x4
Tient compte de la continuit spatiale
Effet de
ppite
Porte
-50 0 50
-50
0
50
-0.01 -0.02 -0.02 -0.01
0.1 0.19 0.19 0.1
0.1 0.19 0.19 0.1
-0.01 -0.02 -0.02 -0.01
var. k. = 26.5
-50 0 50
-50
0
50
0.17
0.17
0.04
0.04
0.04
0.04
0.04
0.04
0.04
0.04
0.17
0.17
var. k. = 87.1
-50 0 50
-50
0
50
-0.02 -0.02
0.01 0.01
0.26 0.26
0.26 0.26
0.01 0.01
-0.02 -0.02
var. k. = 12.1
Influence danisotropies
Var. anisotrope
Influence du modle
1

2
+ + + +
3
+ + + +
+ + + +
+ + + +
0 20 40 60 80 100 120
0
20
40
60
80
100
120
140
160
180
200
Quatre modles de variogrammes
distance
v
a
r
i
o
g
r
a
m
m
e
Sph(100,100)
Sph(150,150)
Exp(150,290)
Lin(1.5)
27.6 .28 -.01 -.01 Linaire, pente=1
28.2 .28 -.01 -.01 Exp. C=150, a
eff
=290
27.8 .29 -.01 -.01 Sphrique, C=150, a=150
28.0 .29 -.01 -.02 Sphrique, C=100, a=100
1
2
k
100
100
4 ajustements quivalents
h<30
=> mmes poids
=> mme
2
k
Effet de lissage
2
ks
*
v v
) Z ( Var ) Z ( Var + =
+ + = 2 ) Z ( Var ) Z ( Var
2
ko
*
v v
K. Simple
K. Ordinaire
Lestimateur KS est toujours moins variable que la ralit quil cherche estimer
) Z ( Var ) Z ( Var
v
*
v

Habituellement < 0 et |2| <
) Z ( Var ) Z ( Var
v
*
v

2
ko
Lestimateur KO est habituellement moins variable que la ralit quil

cherche estimer
Exemple
Ralit isotrope
10 20 30
5
10
15
20
25
30
ralit anisotrope
10 20 30
5
10
15
20
25
30
ralit iso- vario iso
10 20 30
5
10
15
20
25
30
ralit iso- vario aniso
10 20 30
5
10
15
20
25
30
ralit aniso- vario iso
10 20 30
5
10
15
20
25
30
ralit aniso- vario aniso
10 20 30
5
10
15
20
25
30
Biais conditionnel
[ ]
*
v
*
v v
bZ a Z | Z E + =
) Z ( Var
) Z , Z ( Cov
b
*
v
*
v v
=
0 a 1, b ) Z , Z ( Cov ) Z ( Var
*
v v
*
v
= = =
[ ]
*
v
*
v
*
v v
Z Z * 1 0 Z | Z E = + =
Lestimateur KS est sans biais conditionnel dans le cas normal
Si Z
v
et Z
v
*
suivent une loi binormale de moyenne m :
et a=(1-b)m
Krigeage simple, par construction :
quations de la rgression
Krigeage ordinaire
Par construction :
Dans le cas normal, lestimateur KO prsente un biais conditionnel proportionnel
. Habituellement,
< 0 => b < 1, les fortes valeurs de KO surestiment les vraies teneurs des blocs
|| est faible => le KO est presque sans biais conditionnel
) Var(Z
a ,
) Var(Z
1 b ) Z , Z ( Cov ) Z ( Var
*
v
*
v
*
v v
*
v

=
+ = = +
quations du KO
[ ] ) m Z (
) Z ( Var
Z Z | Z E
*
v
*
v
*
v
*
v v

+ =
Lien entre lissage et biais conditionnel
) Var(Z
) Z , Cov(Z
b
*
v
*
v v
=
*
v
v
*
v
*
v v
) Var(Z

b = =
Absence de biais conditionnel => b=1 =>
v
*
v

Un estimateur sans lissage est ncessairement avec biais conditionnel.
Les valeurs estimes doivent montrer une variance infrieure aux
vraies valeurs.
Le krigeage est transitif
0 5 10
0
2
4
6
8
10
x
Z
(
x
)
Modle gaussien (a=10)
Z(x)*
Donne
1000*
k
0 5 10
0
2
4
6
8
10
x
Z
(
x
)
Modle gaussien (a=10)
Z(x)*
Donne
1000*
k
droite, x=10, on observe une donne gale la valeur krige gauche.
Toutes les valeurs kriges demeurent inchanges. Seules les variances de
krigeage sont rduites.
Aspects pratiques du krigeage
Krigeage ordinaire => syst. dq. linaire (n+1) quations et (n+1) inconnues
=> limite pratique sur n
m est estime implicitement => voisinage glissant (ou local) permet de
relaxer lhypothse de stationnarit ( m peut fluctuer dun voisinage
lautre)
Grille de krigeage: rgulire ou non, points ou blocs.
Voisinage utilis pour le krigeage:
- Habituellement en voisinages glissants.
- Nombre de points suffisant ( >10; peut atteindre jusqu' 50-100).
- Zone de recherche assez grande pour assurer un minimum de
points.
- Recherche par quadrants (2D) ou octants (3D) (min 2 ou 3 points
par quadrant/octant)
1
2 3
4
5
6
7
8
9
10
11
Exemple: Recherche circulaire, maximum de 2 points par quadrant.
3 et 11 sont rejets car en dehors du cercle de recherche.
8 est rejet car deux autres points sont plus proches dans ce quadrant.
Dans certains cas, le choix dun voisinage appropri est crucial !
+ +
Tous les points proviennent dun mme
forage =>
- discontinuit prononce sur la carte
- estimation peu prcise
+
Les points proviennent des 2 forages =>
gauche : qq points dans la zone riche
droite : aucun point dans la zone riche
=>
- discontinuit prononce sur la carte
- estimation peu prcise
+
Zone riche
+ +
- pas de discontinuit
- estimation prcise
+
- pas de discontinuit
- estimation prcise
+
Zone riche
Exemple
Ralit
5 10 15 20 25 30
5
10
15
20
25
30
Circulaire, n=10
5 10 15 20 25 30
5
10
15
20
25
30
Circulaire, quadrant n=3
5 10 15 20 25 30
5
10
15
20
25
30
Globale
5 10 15 20 25 30
5
10
15
20
25
30
Elliptique, quadrant n=3
5 10 15 20 25 30
5
10
15
20
25
30
Validation croise
Valider le modle de variogramme
Valider le voisinage utilis pour le krigeage
rsidu : e
i
=Z
i
-Z
i
*
rsidu normalis
ki
i
i
e
n
=
0 n et 0 e
i i
i i

i i
2
i i
min e ou min | e |
1 n
N
1

0.5
i
2
i
|
\
|

Aussi :
- histogramme des rsidus et rsidus normaliss
- carte des rsidus et rsidus normaliss
0 20 40 60 80 100 120 140 160 180 200
0
20
40
60
80
100
Rsidus normaliss
positif
ngatif
Rsidus normaliss +
grands droite qu
gauche => considrer
scinder le domaine en 2
0 20 40 60 80 100 120 140 160 180 200
0
20
40
60
80
100
Points d'interpolation
Donnes completes
Donnes dcimes
- important de reproduire dans la validation des situations ralistes
destimation (semblables celles du krigeage final)
Avec grille complte des donnes => valider le variogramme petite chelle seulement
Avec grille dcime => valider le variogramme pour des distances + grandes
Exemple de validation croise
1600 points (40 x 40)
Pas de la grille variable
50 voisins
Sphrique a=10, C=1 C0=0
(bon modle)
2 3 4 5 6 7 8
0
0.5
1
1.5
2
Validation croise, bon modele: e
2
Moy e
2
Moy
2
2 3 4 5 6 7 8
0
0.5
1
1.5
2
n
2
(erreurs normalises)
Pas de la grille
2 3 4 5 6 7 8
0
0.5
1
1.5
2
Effet ppite pur au lieu de sphrique a=10: e
2
Moy e
2
Moy
2
2 3 4 5 6 7 8
0
0.5
1
1.5
2
n
2
Pas de la grille
Idem
Vrai modle : Sphrique a=10, C=1
Modle valid: effet de ppite pur
C0=1
Le modle valid
est pessimiste par
rapport au vrai
modle
Pourquoi de larges mailles la validation fournit-elle de bons rsultats ?
2 3 4 5 6 7 8
0
0.5
1
1.5
2
Sphrique a=20 au lieu de a=10: e
2
Moy e
2
Moy
2
2 3 4 5 6 7 8
0
2
4
6
8
n
2
Pas de la grille
Idem
Vrai modle : Sphrique a=10, C=1
Modle valid: Sphrique a=20, C=1
Le modle valid
est optimiste par
rapport au vrai
modle
2 3 4 5 6 7 8
0
0.5
1
1.5
2
Sphrique a=10 au lieu de ppite pur: e
2
Moy e
2
Moy
2
2 3 4 5 6 7 8
0
2
4
6
8
n
2
Pas de la grille
Idem
Vrai modle : Effet de ppite pur, C0=1
Modle valid: Sphrique a=10, C=1
Le modle valid
est optimiste par
rapport au vrai
modle
Pourquoi de larges mailles la validation fournit-elle de bons rsultats ?
Exemple simul
Var(e)
Minimum en a=15, C0/C=0.3; prs des
valeurs utilises pour la simulation
(C0/C=0.33; a=10)
Nb. donnes =30 V
a
l
i
d
a
t
i
o
n
Autres mesures de validation
-Variance exprimentale des observations vs valeur thorique D
2
(|G)
-Variance exprimentale des valeurs kriges vs valeurs thoriques (pour
diffrentes tailles de blocs v )
2 ) G | Z ( D
2
ko v
2 * 2
v
Z
Valeur moyenne des
variances de krigeage
Valeur moyenne des
multiplicateurs de Lagrange
Variance
exprimentale des
valeurs kriges
Lien entre KS et KO
KO => estimer m par KO suivi de KS avec cette moyenne estime
Estimation de m par KO =>
i , m
m m ko
=
2
,
Estimation de Zv(x) par KO =>
i o,

2
ko
Estimation de Zv(x) par KS avec

m estim par KO =>
i s,
2
ks

=
i
i , s s
) 1 ( S
i m s i s i o
S
, , ,
+ =
m s
S =
2 2 2 2
m , ko s ks ko
S + =

Krigeage

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Krigeage

Загружено:

Авторское право:

Доступные форматы

cole Polytechnique - GLQ3401 Krigeage - D.

cole Polytechnique - GLQ3401 Krigeage - D. Marcotte 5

On obtient alors le systme linaire suivant comportant n

cole Polytechnique - GLQ3401 Krigeage - D. Marcotte 8

Sous forme matricielle :

cole Polytechnique - GLQ3401 Krigeage - D. Marcotte 16

Lestimateur KO est habituellement moins variable que la ralit quil

cole Polytechnique - GLQ3401 Krigeage - D. Marcotte 38

Estimation de Zv(x) par KS avec

Вам также может понравиться