Кригинг презентация

Кригинг Оценка Неизвестные значения z(x0) вычисляется как взвешенная сумма известных значений Коэффициенты взвешивания λi вычисляются по модели вариограммы (неверно – как решения нормальной системы, в которой коэфициенты “вычисляются по модели

Слайд 1Кригинг - это интерполяционный метод, базирующийся на основных статистических свойствах данных

(Среднее значение и Дисперсия).
Предположение :
Стационарность
Среднее значение не должно меняться по латерали
Отсутствие трендов
Входные данные:
Набор значений
Вариограмма и функция распределения
Использование и ограничения:
Поиск тренда и визуализация трендов
Сглаженный и точный результат
Плохо работает с экстремально высокими значениями


Кригинг Принципы


Слайд 2
Кригинг Оценка
Неизвестные значения z(x0) вычисляется как взвешенная сумма известных значений
Коэффициенты взвешивания λi

вычисляются по модели вариограммы (неверно – как решения нормальной системы, в которой коэфициенты “вычисляются по модели вариограммы”)
Известные значения z(xi),например, скважинные данные

Пример:
На 2D поверхности или 3D гриде известная значения (например, пористость) – это скважины. Все другие ячейки грида должны быть рассчитаны:


Слайд 3Кригинг Взвешенная линейная оценка (Всё – бррр!)
Z (Xo) неизвестно, но мы

можем посчитать дисперсию ошибки, так как мы знаем статистические параметры: среднее, дисперсию и вариограмму

Кригинг использует взвешенную линейную оценку; т.е. сочетает известные значения, чтобы рассчитать неизвестные значения Z в точке Xo



Фактор взвешивания, взятый из
вариограммы: (опять неверно!)
Как близко к точке?
Преимущественное направление
(анизотропия)

Влияние ранга вариограммы на весы веса


Слайд 4Кригинг Ошибка дисперсии (Всё – бррр!)
Оценка, которая уменьшает дисперсию ошибки в

геостатистике называется кригингом
Кригинг использует вариограмму, чтобы понять изменчивость данных в зависимости от расстояния
Эти знания позволяют кригингу подобрать коэффициенты взвешивания так, чтобы уменьшить дисперсию ошибки
В Кригинге «лучшей» оценкой считается та, что удовлетворяет принципу наименьших квадратов (где, квадрат разницы наименьший)

Какая оценка самая лучшая? Это должно быть оценено, чтобы выбрать самую лучшую оценку (Лучшая Линейная Несмещенная Оценка– ЛЛНО). Настоящее значение все еще не известно, поэтому можно рассчитать Дисперсию ошибки


Слайд 5Простой кригинг (Simple) – среднее значение известно





Сумма весовых коэффициентов

может быть меньше, чем 1
Чем меньше весовые коэффициенты, тем большее влияние математического ожидания m на вычисленное значение Z в точке x0
Глобальное среднее используется кригинг алгоритмом для расчета весовых коэффициентов. И среднее значение предполагается известным
По умолчанию в Petrel используется этот кригинг алгоритм


Kригинг Tипы (Всё – бррр!)


Слайд 6Обычный кригинг (Ordinary) – локальная оценка среднего





Сумма весовых параметров

ВСЕГДА равна 1
Значение локального математического ожидания используется в кригинг алгоритме при расчете весовых параметров. Среднее предполагается равное константе, но неизвестно


Kригинг Tипы


Слайд 7
c0 = Наггет эффект
c1 = Порог
h = Расстояние
a = Ранг
Сферическая
модель

вариограммы

(From Akin/Siemes: Praktische Geostatistik p. 120ff)

Кригинг От модели вариограммы до конечной оценки– 1

Простой пример пояснения кригинга Расстояние в проектных единицах (m,ft)
В скобках значение свойства



Алгоритм кригинга основан на взаимосвязи параметров вариограммы и локально близлежащих данных.


Слайд 8




Линейная система уравнений для решения:


Кригинг От модели вариограммы до конечной оценки– 2


Неизвестные
коэффициеты
весов





Линейная система уравнений должна быть решена, чтобы найти значение в точке xo.
Матрица со значениями дисперсии между соседними данными и данными в точках расчета задана с помощью весов Кригинга


Z(xo) = 0.185 * 0.25 + 0.291 * 0.22 + 0.524 * 0.30 = 0.267



Слайд 9Экспоненциальная модель
Сферическая модель
Гауссова модель
Модель вариограммы (Ранг: 10000м/5000м)
Кригинг Влияние параметров модели вариограмм


Слайд 10Ранг вариограммы (сферическая вариограмма)
Ранг: 1000м
Ранг: 10000м
Кригинг Влияние параметров модели вариограммы


Слайд 11Анизотропия: +45 градусов
Ранг: 10000м / 5000м
Анизотропия : -45 градусов
Ранг: 10000м /

5000м

Хорошо

Плохо

Кригинг Влияние параметров модели ваиограммы

Азимут (сферическая вариограмма)


Слайд 12Наггет (сферическая вариограмма)
Кригинг Влияние параметров модели ваиограммы
Анизотропия: -45 градусов
Ранг : 10000m /

5000m
Наггет: 0.99

Анизотропия: -45 градусов
Ранг : 10000m / 5000m
Наггет : 0.1


Слайд 13
Кригинг Алгоритмы кригинга, доступные в Petrel
Интерполяционный кригинг
Использует данные

только внутри ранга вариограммы.
Кригинг Gsilb
Есть Collocated co-kriging и экспертные настройки,
но производительность ниже, чем у кригинга.
Кригинг
Работает с большим количеством данных, комбинируя многопоточность и алгоритмы умного поиска. Включает параллелизацию, быстрый алгоритм Collocated co-kriging и экспертные настройки.


Предпочтителен


Слайд 14Упражнение


Обратная связь

Если не удалось найти и скачать презентацию, Вы можете заказать его на нашем сайте. Мы постараемся найти нужный Вам материал и отправим по электронной почте. Не стесняйтесь обращаться к нам, если у вас возникли вопросы или пожелания:

Email: Нажмите что бы посмотреть 

Что такое ThePresentation.ru?

Это сайт презентаций, докладов, проектов, шаблонов в формате PowerPoint. Мы помогаем школьникам, студентам, учителям, преподавателям хранить и обмениваться учебными материалами с другими пользователями.


Для правообладателей

Яндекс.Метрика