Le krigeage est, en géostatistique, la méthode d’estimation linéaire garantissant le minimum de variance. Le krigeage réalise l'interpolation spatiale d'une variable régionalisée par calcul de l'espérance mathématique d'une variable aléatoire, utilisant l'interprétation et la modélisation du variogramme expérimental. C'est le meilleur estimateur linéaire non biaisé ; il se fonde sur une méthode objective. Il tient compte non seulement de la distance entre les données et le point d'estimation, mais également des distances entre les données deux à deux.
Le terme « krigeage » provient du nom de famille de l'ingénieur minier sud-africain Danie G. Krige. Il a été formalisé pour la prospection minière par Georges Matheron (1930-2000) au BRGM puis à l'École des mines de Paris. Depuis, le domaine de ses applications a largement été étendu, touchant notamment la météorologie, les sciences de l’environnement et l’électromagnétisme.
Selon les hypothèses sous-jacentes, le krigeage se décline sous plusieurs variantes (simple, ordinaire...) qui toutes utilisent les mêmes principes.
Q une quantité (définie de manière quelconque) à estimer en un point ;
z la variable régionalisée étudiée ;
Z la fonction aléatoire associée à z ;
K, m sa covariance et son espérance ;
n le nombre de points de mesure ;
x le point d'estimation ;
xi, i = 1...n les points de mesure ;
l'opérateur d'estimation par krigeage; ainsi Z* est l'estimateur de krigeage de Z ;
Z la valeur estimée en x par le krigeage considéré ;
Zi, i = 1...n les données, connues aux points de mesure x ;
λ le poids affecté par le krigeage à la valeur en x ;
μ le paramètre de Lagrange utilisé dans le krigeage ;
γi,j la valeur du variogramme γ pour une distance xi - xj ;
Ki,j la valeur de la covariance K pour une distance xi - xj ;
f, l = 1... les fonctions de base dans le cas du krigeage universel, f0 = 1 ;
f la valeur de f au point x ;
Un krigeage habituel fait se succéder plusieurs actions :
recueil et prétraitement de la donnée : il s'agit de nettoyer la variable régionalisée z de ses valeurs aberrantes, valeurs mal codées.
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
This course is the second part of a course dedicated to the theoretical and practical bases of Geographic Information Systems (GIS).It offers an introduction to GIS that does not require prior compu
This course is the second part of a course dedicated to the theoretical and practical bases of Geographic Information Systems (GIS).It offers an introduction to GIS that does not require prior compu
The student who follows this course will get acquainted with computational tools used to analyze systems with uncertainty arising in engineering, physics, chemistry, and economics. Focus will be on s
Students get acquainted with the process of mapping from images (orthophoto and DEM), as well as with methods for monitoring the Earth surface using remotely sensed data. Methods will span from machi
The objective of this course is to give an overview of machine learning techniques used for real-world applications, and to teach how to implement and use them in practice. Laboratories will be done i
Le est une fonction mathématique utilisée en géostatistique, en particulier pour le krigeage. On parle également de , de par le facteur 1⁄2 de sa définition. L', , ou est l'estimation et l'étude d'un variogramme sur une variable aléatoire. Considérons une variable aléatoire, de la variable d'espace , et supposons-la stationnaire, c'est-à-dire que la moyenne et la variance de sont indépendantes de . On pose la grandeur: Comme est stationnaire, le membre de droite dépend uniquement de la distance entre les points et .
In general, a function approximation problem asks us to select a function among a that closely matches ("approximates") a in a task-specific way. The need for function approximations arises in many branches of applied mathematics, and computer science in particular , such as predicting the growth of microbes in microbiology. Function approximations are used where theoretical models are unavailable or hard to compute.
In probability theory and statistics, the covariance function describes how much two random variables change together (their covariance) with varying spatial or temporal separation. For a random field or stochastic process Z(x) on a domain D, a covariance function C(x, y) gives the covariance of the values of the random field at the two locations x and y: The same C(x, y) is called the autocovariance function in two instances: in time series (to denote exactly the same concept except that x and y refer to locations in time rather than in space), and in multivariate random fields (to refer to the covariance of a variable with itself, as opposed to the cross covariance between two different variables at different locations, Cov(Z(x1), Y(x2))).
Se plonge dans l'utilisation de l'apprentissage automatique pour prédire la densité des paires sans spin et comprendre la corrélation électronique dans des systèmes complexes.
Discute de la stationnalité faible-sens dans les processus stochastiques en continu et le calcul des fonctions d'autocorrélation et de corrélation croisée.
For the Bargmann-Fock field on R-d with d >= 3, we prove that the critical level l(c) (d) of the percolation model formed by the excursion sets {f >= l} is strictly positive. This implies that for every l sufficiently close to 0 (in particular for the noda ...
INST MATHEMATICAL STATISTICS-IMS2023
PET reconstruction algorithms have long relied on sinogram rebinning. However, as detectors grow smaller in a recent wave of cutting-edge scanners, individual sensors no longer accrue hundreds of photons. Instead, most detect a single photon or none at all ...
New York2023
We derive a covariance formula for the class of 'topological events' of smooth Gaussian fields on manifolds; these are events that depend only on the topology of the level sets of the field, for example, (i) crossing events for level or excursion sets, (ii ...