Skip to article frontmatterSkip to article content

Certaines méthodes de simulation ne permettent pas de générer directement des simulations conditionnelles, c’est-à-dire des réalisations qui respectent exactement les données observées aux points échantillons. Pour pallier cela, on utilise une technique appelée post-conditionnement.

Principe du post-conditionnement

On suppose que la variable aléatoire Z(x)Z(x) est gaussienne de moyenne nulle. La démarche est la suivante :

  1. Simulation non-conditionnelle
    On réalise une simulation non-conditionnelle sur les points à simuler ainsi que sur les points échantillons.

    • Notons ZgsZ_{gs} les valeurs simulées aux points à simuler.
    • Notons ZisZ_{is} les valeurs simulées aux points échantillons.
  2. Krigeage des données observées et simulées
    On effectue un krigeage simple ou ordinaire aux points à simuler :

    • ZgZ_g^* : valeurs krigées aux points à simuler à partir des données observées.
    • ZgsZ_{gs}^* : valeurs krigées aux points à simuler à partir des valeurs simulées aux points échantillons.
  3. Calcul de la simulation conditionnelle post-conditionnée
    On combine les résultats pour obtenir la simulation conditionnelle corrigée :
    [ Z_{sc} = Z_{gs} + (Z_g^* - Z_{gs}^*) ]

    Cette formule ajuste la simulation non-conditionnelle pour qu’elle respecte les données observées.


Propriétés importantes


En résumé

Le post-conditionnement est une technique efficace pour adapter des simulations non-conditionnelles afin qu’elles respectent les données observées.
Bien qu’une simulation post-conditionnée unique soit moins précise qu’un krigeage, l’ensemble des réalisations permet d’obtenir une bonne estimation et une mesure fiable de l’incertitude.