Documente Academic
Documente Profesional
Documente Cultură
Stratgie de modlisation
Il existe plusieurs stratgies diffrentes et chacun dveloppe probablement ses propres habitudes.
Pour ma part, je recommande la stratgie suivante:
-
Si le nombre de donnes le permet (i.e. au moins 50, prfrablement 100) calculer les
variogrammes directionnels selon diffrentes directions (ex. 0, 45, 90, et 135 degrs) en
respectant les rgles ci-haut (i.e. nb. paires >30, demi-longueur du champ comme distance
maximale) et surimposer le modle omnidirectionnel sur les variogrammes exprimentaux
directionnels.
La gologie peut apporter une information prcieuse dans le choix des directions et la
dcision d'adopter ou non un modle anisotrope.
Dterminer s'il y a anisotropie: diffrences de palier, mais surtout de portes qui ne peuvent
raisonnablement tre imputes des fluctuations alatoires du variogramme. Cette
valuation concerne surtout le dbut du variogramme. Des divergences distance plus
grandes sont normales et sans importance. Si ncessaire, procder l'ajustement d'un
modle anisotrope.
Vario, supp. 2
Note:
Il existe trois catgories de mthodes d'ajustement automatique:
.
Mthodes d'ajustement des moindres carrs partir des valeurs du variogramme
exprimental. Dans ce cas, les guides noncs ci-haut pour le calcul du variogramme
exprimental s'appliquent intgralement. Notons que ces moindres carrs doivent tre
pondrs en fonction de "h" et de "N(h)" tout comme on le fait visuellement. Une part de
subjectivit se glisse ncessairement dans le choix des critres de pondration.
.
MODLISATION DU VARIOGRAMME
Il faut reconnatre deux problmes distincts:
- Dtermination du type de modle (ex. sphrique ou linaire), du nombre de structures (ex. un effet
de ppite plus un sphrique plus un exponentiel) et de la prsence d'anisotropies ventuelles.
- Estimation proprement dite des paramtres des modles retenus.
La premire partie est trs peu automatise, mme de nos jours. Elle repose souvent en partie sur
des connaissances externes aux donnes elles-mmes (ex. nature de la variable, prsence de
stratifications, prcision analytique connue, rsultats obtenus avec des donnes similaires d'ailleurs,
etc...).
La seconde partie est de plus en plus automatise, surtout avec la venue de nouveaux logiciels et
avec le dveloppement de la gostatistique dans d'autres domaines d'application que les mines. La
modlisation visuelle graphique demeure quand mme largement utilise, surtout en gologie.
Mthodes automatiques d'ajustement.
1. Moindres carrs:
On ajuste les paramtres du modle de faon minimiser la somme des carrs des diffrences entre
valeurs exprimentales et valeurs thoriques du modle. On utilise habituellement une fonction de
pondration proportionnelle au nombre de paires de chaque point du variogramme et de faon
donner plus de poids aux faibles valeurs de h.
Vario, supp. 3
Avantages:
- trs rapide
- reproduit assez bien l'ajustement visuel, tout en liminant une certaine part de subjectivit.
- on peut, sous hypothse de normalit et d'indpendance des points du variogramme
construire des intervalles de confiance pour les paramtres. Toutefois la validit de ces
intervalles de confiance est trs discutable car les valeurs du variogramme exprimental ne
sont ni normales, ni indpendantes les unes des autres. On peut possiblement les considrer
comme une indication relative de la prcision du modle estim.
Inconvnients:
- le critre des moindres carrs est li assez troitement la distribution normale et est assez
sensible la prsence de points aberrants sur le variograme exprimental. On pourrait
songer utiliser un estimateur un peu plus robuste cherchant minimiser la moyenne des
carts en valeur absolue par exemple, mais les proprits de cet estimateur sont moins bien
connues.
- une part certaine de subjectivit demeure dans la dfinition de la fonction de
pondration.
- les rsultats dpendent du choix des classes effectu pour le calcul du variogramme
exprimental. On pourrait considrer chaque paire individuellement, mais le temps de calcul
serait plus long et les rsultats possiblement moins robustes.
- les paramtres estims ne respectent pas ncessairement les conditions pour un modle
positif dfini. Ceci peut tre corrig en incluant des pnalits dans la fonction
objective.
- la solution optimale obtenue n'est pas ncessairement un optimum global, i.e. le rsultat
peut dpendre du point de dpart de l'algorithme.
ex. Cressie propose de minimiser:
( h ) - t ( hi )
f = N( hi ) e i
t ( hi )
i=1
K
Vario, supp. 4
L(m, ) =
n
1
1
log(2 ) + log| ( )| + (Z - m) ( )-1 (Z - m)
2
2
2
Vario, supp. 5
*
0
Z =
i=1
Var( Z *0 ) =
i j Cov( Z i , Z j ) =
i=1 j=1
i=1 j=1
C( hij )
Puisqu'il s'agit d'une variance, cette quantit doit tre positive ou nulle, peu importe l'ensemble des
n points choisis. C(h) doit donc tre une fonction positive dfinie.
De mme,
n
C( hij ) = i j [ 2 - ( hij )]
i=1 j=1
Thorme de Bochner:
Une fonction continue est positive dfinie ssi sa transforme de Fourier est une fonction positive et
intgrable. Note dans C(h), h est un vecteur dans 1, 2 ou 3 dimensions, de sorte que la transforme
de Fourier est une transforme de Fourier en 1, 2 ou 3 dimensions. (Note: ce thorme ne
sapplique pas leffet de ppite qui est une fonction discontinue).
Le problme de ce critre est qu'il est difficile de vrification car les fonctions candidates n'ont pas
ncessairement des formes analytiques simples. Christakos (1984, 1992) a donc dvelopp
une srie de conditions ncessaires et suffisantes plus simples vrifier. (Voir plus loin)
Vario, supp. 6
Rpertoire de modles
Le tableau suivant donne une liste, certainement non-exhaustive de modles rencontrs dans la littrature. Plusieurs de
ces modles sont en fait des familles de modle pouvant prendre des formes varies selon les valeurs prcises de leurs
paramtres.
Nom
quation
Ppite
C0
Exponentiel
C [1 - exp(-h/a)]
Sphrique
C [1.5h/a - 0.5(h/a )3 ]
Circulaire
Source / remarques
h >0
C [1 -
(acos(h/a) - (h/ a 2 ) a 2 - h 2 )]
C
h<a
ha
Gravimtrique
a
C 1
1/2
( h 2 + a 2 )
Magntique
a
C 1 2
2 3/ 2
(a +h )
Cubique
Penta-Sphrique
C[
15
5
3
(h / a) - (h / a )3 + (h / a )5 ]
8
4
8
C ha
h<a
Gaussien
C [1 - exp(-(h / a )2 )]
Linaire
Pas de palier
Linaire avec
palier
Ch
Ch
Ca
Modle fractal
C hb
De Wijsien
(logarithmique)
C ln(h)
Effet de trou
(cos)
C [1 - cos(2 h / a)]
h<a
ha
Vario, supp. 7
Effet de trou (sin)
sin(2 h / a)
C 1 2 h / a
Effet de trou 2D
C( 1 exp( h / a )J 0 ( 2h / b )
Exponentiel
gnralis
C exp( a x h x
(aussi sin
cardinal)
2 bx
) exp( a y h y
2 b y
Stein
C [1 - exp(-h / a)
(a + h)
]
a
Whittle
C [1 - h / a K 1 (h / a) ]
Matern, p.30, 2e
n+1
C 1- (1 + h2 / a 2 )- 2
Matern, p.30, 3e
2
C 1 - k!
J k (h/a)
h/a
Bessel
C 1 - exp(h 2 / b 2 ) J 0 (h/a)
Admissible en R2 seulement
Quadratique
C [ 2 (h/a ) (h/a) 2 ]
Stable
C 1 - exp h / a
Hyperbolique
1
C 1
( 1 + h/a)
Christakos, 1984,
p.264, 74
Spline sous
tension 1D
exp(-|h|/a)+|h|/a-1
Spline sous
tension 2D
K0(a|h|)+log(a|h|)
Spline sous
tension 3D
1/(a|h|)(exp(-a|h|-1)+1
Puissance
Matern, p.30, 4e
h
C [1 - cte K s (h/a) ]
a
)]
Alfaro, 1984
ha
Lantujoul, 1994
Lantujoul, 1994
ha
Vario, supp. 8
Matern, gnral
21v v
h Kv ( h )
(v)
Cauchy
1
C 1
2 b
1 +
a
b>0
Vario, supp. 9
B. Covariance
Dans tous les cas, si on considre une combinaison linaire de v.a. Zi, il faut que la variance de cette
combinaison linaire soit positive:
Soit:
n
*
Z =
i Zi
i=1
Var( Z * ) =
i j Cov( Z i , Z j ) 0
i=1 j=1
Note: Une combinaison linaire positive de modles admissibles est un modle admissible.
p
i.e. C(h) =
i=1
c(w) dw <
(thorme de Bochner)
Vario, supp. 10
lim (h 0+ )
dC(h)
< 0
dh
et
lim (h infinity)
C(h)
(1-n)/ 2
= 0
et
2
d C(h)
0
2
dh
d 3 C(h)
u
( u2 - h2 )
dh3
en R1
dh 0 en R 2
2
3
d C(h)
d C(h)
h
0
2
3
dh
dh
en R3
ii. Une fonction C(h) est admissible en R3 si: h C(h) est non-croissant.
C(h)
h(1-n)/ 2
= 0 h
Vario, supp. 11
| ij (h)|
ii (h) jj (h)
i, j
C. Variogramme
Une combinaison linaire positive de modles admissibles est un modle admissible.
p
i.e. (h) =
i=1
C d (h) = h2 (h)
La transforme de Fourier doit tre positive, i.e.
2
cd (w) = TF [ C d (h)] = (iw ) TF [ (h)] 0
Vario, supp. 12
(h)
h2
= 0 h
(h)
h2
= 0 h
iii.
| (h+ h ) - (h)|
2 (h)
Vario, supp. 13
| ij (h)|
ii (h) jj (h)
i, j
D. Covariances gnralises
D.1 Condition ncessaire et suffisante
Soit K(h), une covariance gnralise d'ordre k. En drivant k+1 fois le processus Z on obtient un
processus stationnaire. En drivant 2(k+1) fois la covariance gnralise, on obtient une covariance
stationnaire dont la TF doit tre positive.
Il faut, pour que K(h) soit admissible que:
d 2k+2 K(h)
2k+2
TF
TF [K(h)] 0
= (iw )
2k+2
dh
et
lim
K(h)
h2k+2
= 0
Note: Ces conditions sont analogues celles dduites pour le variogramme, en posant k=0 et
K(h)=-(h)
lim
K(h)
h
2k+2
= 0
h Infinity
Vario, supp. 14
Ncessaire et suffisant
Analogue au cas des variogrammes, les matrices des spectres de puissance doivent tre
positives semi-dfinies. Chaque fonction de covariance gnralise, individuellement, est
admissible.
E. Autres rsultats
Christakos (1984), propose deux mthodes pour construire de nouvelles fonctions de covariance ou
de variogramme. La premire mthode utilise la fonction de densit spectrale. On gnre une
fonction positive dont l'intgrale existe. Sa TF est une fonction de covariance admissible par
construction. Christakos tablit de plus le lien entre fonctions de densit spectrale dans Rn et Rn-k.
La seconde mthode tablit le lien entre variogrammes en Rn et variogrammes en Rn-2. Connaissant
un modle admissible en Rn, on peut construire un nouveau modle admissible en Rn-2 par la
relation suivante:
h
d (h)
(n - 2) dh
F. EXEMPLES
1. Effet de ppite: (Christakos, 1992, p. 65)
C(h) = a (h) o (h) est la fonction de Dirac et a>0.
La transforme de Fourier est:
c(w) =
w2
exp - 0
4
Vario, supp. 15
c(w) est positif et l'intgrale existe. Par B.1, C(h) est donc admissible en R1 (et on peut
dmontrer que c'est le cas en R2, R3....
Un argument simple permet de faire la dmonstration pour Rn. C(h) peut en effet tre
factorise en une srie de covariances gaussiennes en R1. Un produit de covariances
admissible est galement un modle admissible (A).
3. Soit le modle en R1
C(h) =
C
h
cosh
a
c(w) =
aC
aw
2 cosh
Qui est positif et dont l'intgrale existe. Par consquent, ce modle est admissible en R1
(B.1)
4. Soit le modle exponentiel en R3
C(h)= exp(-h/a)
a>0
Examinons les conditions suffisantes B.2
La pente l'origine est -1/a < 0 la 1re condition est remplie
La 2e condition est: h exp(-h/a) = 0 quand h tend vers l'infini.
La 3e condition donne: (h+a)/a3 exp(-h/a) >0
Le modle est donc admissible en R3
5. Soit, (h) = h1.5, en R1
Examinons C.1, on a:
Cd(h) = .75 h-0.5
cd(w) = cte w-0.5 > 0
Donc, le modle est admissible
6. h2.1 n'est pas admissible car il croit plus rapidement que h2 (C.1)
Vario, supp. 16
7. Le variogramme suivant:
(h) = .25 h
(h) = .2+ 4(h-.8)
(h) = 1
0<h<=.8
.8<h<=1
1<h
8. Le modle de variogramme
(h) = h
0<h<=1
(h) = 1
1<h
est admissible en R1. En effet, on a:
cd(w) = -w2 TF[(h)] = 1-cos(w) >= 0
(condition C.1)