a54
Post on 10-Mar-2016
220 Views
Preview:
DESCRIPTION
TRANSCRIPT
-
Martn A. Daz Viera
tendencia ( )*km x con el objetivo de eliminar la inconsistencia de la estimacin del mtodo directo.
Esquema general del algoritmo:
1. Suponer que el orden de la deriva es . 1k =2. Ajustar mediante mnimos cuadrados ordinarios la deriva ( )*km x . 3. Calcular los residuos ( ) ( ) ( )*kR x Z x m x= . 4. Estimar el semivariograma de los residuos ( )*R h . 5. Comprobar que el variograma estimado sea estacionario. Si lo es ir al paso 6, en
caso contrario incrementar el orden del modelo de tendencia e ir al paso 2. 1k k= +6. Calcular la matriz de covarianzas ( ) ( )2 * i jR R RijC x = x 7. Ajustar mediante mnimos cuadrados generalizados la deriva ( )*km x . 8. Calcular los residuos ( ) ( ) ( )*kR x Z x m x= . 9. Estimar el semivariograma de los residuos ( )*R h . 10. Comprobar que el variograma estimado ( )*R h y el modelo de deriva ( )*km x
alcanzan valores estables. Si es as pasar al paso 11, en caso contrario ir al paso 6.
11. Modelar el semivariograma de los residuos ( )R h . 12. Aplicar kriging ordinario a los residuos ( )R x usando el semivariograma ( )R h . 13. Se obtiene la estimacin en un punto no observado como ( ) ( ) ( )* * *kZ x m x R x= + .
Existen otras modificaciones, como la de Samper (1986), propuestas al mtodo del kriging
residual que consisten esencialmente en estimar la matriz de covarianzas no a partir del
variograma muestral, sino directamente a partir de los residuos. Para efectos prcticos, estas
modificaciones pueden convertir al procedimiento en impracticable. Incluso, en la mayora
de los casos resulta suficiente la estimacin con mnimos cuadrados ordinarios, obviando
los pasos 6-10 del algoritmo anterior.
50
top related