Algoritmo Optimizado para la Interpolación Espacial del Krigeado Ordinario
Palabras clave:
geoestadística, interpolación espacial, Krigeado Ordinario, programación paralelaResumen
Los métodos de interpolación espacial proporcionan herramientas para la estimación de valores en localizaciones no muestreadas utilizando las observaciones cercanas. La interpolación de Krigeado Ordinario es uno de los métodos geoestadísticos más frecuentemente usados para la realización de análisis espaciales. Su objetivo consiste en encontrar el Mejor Estimador Lineal Insesgado a partir de los datos disponibles, los cuales generalmente son insuficientes debido al costo de su obtención. Se caracteriza por costosas operaciones de álgebra lineal que repercuten en altos tiempos de ejecución, fundamentalmente la resolución de grandes sistemas de ecuaciones lineales. La reducción del tiempo de ejecución de aplicaciones de interpolación espacial puede ser un objetivo de alta prioridad, por ejemplo, en sistemas que soportan la toma de decisiones rápidas. Con el objetivo de disminuir los tiempos asociados a la interpolación espacial del Krigeado Ordinario, se propuso un algoritmo basado en el uso de técnicas de programación paralela, así como métodos optimizados de búsqueda espacial; que permita resolver los problemas que satisfacen los supuestos matemáticos apropiados en tiempos razonables, fundamentalmente en el campo de las Geociencias. Este algoritmo fue implementado usando C plus plus 11 como lenguaje de programación, OpenMP 4.8.2 como biblioteca de programación paralela en memoria compartida, y Atlas CLapack como biblioteca de álgebra lineal optimizada para los cálculos matriciales. El algoritmo propuesto permite una mayor rapidez en la interpolación espacial de Krigeado Ordinario, logrando un mejor aprovechamiento de los recursos de cómputo instalados.
Descargas
Citas
M. A. Alfaro. Estimación de recursos mineros. 2007.
M. Armstrong and J. Carignan. Géostatistique Linéaire, Application au Domaine Minier.école de Mines de Paris, 1997.
M. Chica. Análisis Geoestad ́ıstico en el Estudio de la Explotación de Recursos Minerales. PhD thesis, Universidad de Granada, 1997.
J. Deraisme and Ch. De Fouquet. The geostatistical approach for reserves. Minig Magazine, 1996.
M. A. D ́ıaz. Geoestad ́ıstica Aplicada. 2002.
I. Foster. Designing and Building Parallel Programs. ISBN:0201575949. Addison Wesley, 1995.
K. E. Kerry and K. A. Hawick. Kriging interpolation on high-performace computers. Technical report, Department of Computer Science, Universidad de Adelaide, 1998.
C. D. Lloyd. Local models for spatials analysis. ISBN 9780415316811. First Edition CRC Press, 2006.
R. M. Naiouf. Procesamiento paralelo. Balance de carga dinámico en algortimos de sorting. PhD thesis, Universidad Nacional de La Plata, 2004.
E. Olinda and G. Hernández. Un enfoque propuesto para las búsquedas por rangos. Technical report, Proyecto de la UPM, 2002.
A. Pesquer, Ll.; Cortés and X. Pons. Parallel ordinary kriging interpolation incorporating automatic variogram fitting. Computers and Geosciences, pages 464–473, 2011.
D. Sullivan and D. Unwin. Geographic Information Analysis. John Wiley - Sons Hoboken, 2002.
R. Vasan, B.; Duraiswami and R. Murtugudde. Efficient kriging for real-time spatio-temporal interpolation. In 20th Conference on Probability and Statistics in the Atmospheric Sciences, 2010.
Descargas
Publicado
Versiones
- 2025-04-29 (3)
- 2024-07-12 (2)
- 2018-12-01 (1)
Cómo citar
Número
Sección
Licencia

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Esta licencia permite copiar y redistribuir el material en cualquier medio o formato bajo los siguientes términos: se debe dar crédito de manera adecuada, no se puede hacer uso del material con propósitos comerciales, y si remezcla, transforma o crea a partir del material, no podrá distribuir el material modificado. Bajo la licencia mencionada, los autores mantienen los derechos de autor de su trabajo.

