Análise de vizinhança de krigagem : estudo comparativo entre os métodos global, global otimizado e local otimizado

• Ano de defesa: 2021
• Autor(a) principal: Fonseca Filho, Carlos Roberto Alves
• Orientador(a): Costa, Joao Felipe Coimbra Leite
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Geoestatística; Krigagem; Estimação de parâmetros; Otimização
• Palavras-chave em Inglês: Kriging neighborhood analysis; LKPO; Kriging parameters; Kriging efficiency; Slope of regression
• Link de acesso: http://hdl.handle.net/10183/234951

Para toda e qualquer estimativa por krigagem, seja ela ordinária, simples, multigaussiana ou indicadora, a vizinhança de krigagem engloba parâmetros que, dependendo de sua escolha, podem reduzir ou elevar significativamente a qualidade das estimativas. Tradicionalmente é muito comum que se utilize uma vizinhança de krigagem global nas estimativas, ou seja, todos os blocos de um domínio são interpolados com uma mesma estratégia de busca. O presente estudo desafia este conceito, ou seja, serão investigados os benefícios de se utilizar vizinhanças de krigagem locais, em uma abordagem bloco-a-bloco. Um estudo comparativo foi conduzido com objetivo de se avaliar o impacto dos parâmetros de krigagem nas estimativas. Para tanto, avaliou-se a performance de krigagem dos métodos que utilizam vizinhanças de krigagem globais, vizinhança de krigagem global otimizada (Kriging Neighbourhood Analysis ou KNA) e vizinhanças de krigagem locais otimizadas (Localized Kriging Parameter Optimization ou LKPO). Em cada uma delas foram avaliadas suas respectivas precisões e acurácias, conforme as principais métricas disponíveis na literatura, em especial, a eficiência de krigagem (KE) e inclinação do coeficiente de regressão (SR). De acordo com os resultados apresentados é possível concluir que a escolha da vizinhança de krigagem baseada na minimização do erro absoluto de validação cruzada melhora a qualidade da krigagem em relação aos métodos globais e de otimização baseados na eficiência de krigagem e inclinação do coeficiente de regressão. Os resultados mostram que a melhora pode ser observada em termos de precisão, erro quadrático médio e inclinação do coeficiente de regressão.