SEPARATA DE APOYO A LA EXPOSICION : TECNICAS DE ESTIMACION Y SIMULACION. EXPOSITOR : Dr. Alfredo Marin Sudrez. 1. EL VARIOGRAMA COMO HERRAMIENTA DEL INGENIERO DE CIENCIAS DE LA TIERRA. 4) En una linea de muestreo dela zona A. tenemos los siguientes valores de la variable regionalizada plomo en ppm. Realizamos un analisis estadistico basico, Solucién: Obtenemos la media aritmética: pa SH1464 244 _ 5 36 Lavarianza: 6-36) +136) + (6-36) +(2-3.6) +(4~3.6) 5 0 =3.44 El coeficiente de variacién: __ Desviacién.tpica Media cy, El Histograma: Frecuencia 4')En otra linea de muestreo en la zona B, tenemos los mismos valores de la variable regionalizada plomo en ppm. pero dispuestos de la siguiente forma B 1 ppm So Red Obtenemos a media aritmética, la varianza, el coeficiente de variacin y el histograma Observando que son los mismos que los obtenidos ea la Zona A, es decir, que con este método estadistico no conseguimos diferenciar Ia Zona A de la Zona B. ©) Ahora procedamos a construir los Variogramas de las Zonas Ay B. En efecto tenemos para la Zona A: AGraficando el variograma para la zona A: 7h) 10 20m 40m 60m 80m Y para la Zona B: A 6 5 4 2 Sa 7 6-2) +6-4)' sca) 4GoIt =0.875 _ 6-4) +6-2F 46-7 _, oe = 3.667 Graficando el variograma para la zona B. 7(hy 10‘Como se puede observar el Semi-Variograma, que més cominmente se le denomina Variograma, da cuenta de las Zonas de pantanos diferentes. B. Modelos de Variogramas més comunes. Efecto de Pepita puro, (hye Modelo de Matheron o esfirico. {3h ih oe cfpt-4 5] vhelo.a] ic. rma hy Modelo de Formery 0 Exponencial.Modelo con Efecto “Hole”. o Modelo h® Vlr)2 A ocxe2 Modelo de Wijsian. x)= Ab des Modelo Lineal. x)= Ah+B Es de notar que estos modelos y sus combinaciones no son necesariamente los tanto ,uno puede aplicar otros que se consideren mas representativos. ©. Uso del Variograma Cruzado, Para visualizar esta funcién ,consideremos un ejemplo de una zona de terreno explorado del cual hemos obtenidos valores geoquimicos de Oro y Plata y deseamos estudiar la telaci6n entre las dos valores. Para este efecto aplicaremos el variograma cruzado.Siendo la formula: Sq (A) 2 E [2y be) -2,(x+h)] [2p () - 2, (44h)] ¥xeIR? Aplic x, alt= (S-1)(3-2) +(0- ES Eee 2)(83) + (2-4)(3-5) 725 Sunsl2): (s-c) (2-8) st ea 3) + (6-1) (2-5) Yeu (3) - B= 2)3- 3) 4 in ha)(2e 5 5). sas 2x2 ~ Yaa) = SS) (F-5) - 4 _ TZ - Cuya grafica es la siguiente: i 2 3. 4 7A 20m 40m COm Bm Observamos que cuando hay una correlacin postive alta entre ls variables el vvariograma cruzado tiende a tomar valores positivos altos. Ahora veamos que pasa en otra zona, donde los. valores geoquimicos de la Plata toman otros valores!Ag om gr/t Ann gelé Aplicando la formula: Yoana s) ~ SeDltred + (ic) (6-2) +(e-2) (2-5) + (2-4 )(s-1) MQ) = Ave Ast N20) 5 ag Yauwag (h) = on Sangh) = ee) 2 oes ee Gr) | Jy - Sau hg (4) ar) om — Yom — bOam Observamos que cuando hay una correlacién negativa alta entre las variables el variograma cruzado tiende a tomar valores negativos altos.2. TECNICA DE ESTIMACION. TECNICA DEL KRIGEAGE 0 KRIGING DE MATHERON. ‘Considerando las variables Z(xi) que estan cerca de un soporte geométrico a estimar y dentro de su aureola de influencia. Aureola definida por medio de los alcances estimados a partir de un estudio de variogramas. Visualizaremos el provedimiento a partir de las siguientes disposicién de las muestras con respecto a un soporte geométrico V. Az 26%) A, 2k) Y deseamos estimar la variable Z(x) del soporte geométrico V a partir de las muestras Z(xi), Entonces necesitamos encontrar los pesos. para estimar la variable Zv(x0), a partir de: at (x)= 0, 20.) + 2 B62) +--+ An = (Km) En el ejemplo que presentaremos a continuacién consideremos que estamos en condiciones de aplicar un Krigeage ordinario,bajo la hipdtesis de estacionaria. de orden 2, por lo que saremos el siguiente sistema de ecuciones = io o (ua v~) fA & (va,V) Warsdan s Ap =1 pre Este sistema resulta de minimizar la varianza de estimacién sujeta a la condicion de universalidad 5" ), que hace que nuestro estimador sea insesgado. Bz El error cometido en este procedimiento de estimacién viene dado por la varianza de Kriging de Matheron siguiente:Ss s A, FOy,v) + -5 (yy) se Ejemplo: A partir de los valores de Ia potencia de un manto en los puntos A y B , se desea estimar la potencia en el punto C. Considerando que la potencia del manto tiene el siguiente modelo de variograma. 3 aA xth)= 33-3 Al veer c¢ ¥hsa Ss 6am, crea Es decir un modelo de Matheron o también denominado esférico. A continuacién se ‘muestra la ubicacién de las potencies. y su orden de magnitud. F2m—t-— 4am —J Entonces tendremos a partir del sistema de ecuaciones anterior, el siguiente sistema particular: WG, + 92% +A = Ge 7, Ber +22 Ty. + M = Bee Ar rz ef Reemplazando: A~O+A*1 +A Art tO +H A, +t meo z Dez tM = 0.98 ais A + Mz O85 Rus A, + Azz 10 Restando (D- @) a2 +M 20.48 =D 6 Mo -0.8s Ac - yd, = -0.37 Ahora tenemos el siguiente sistema: x De- A = - 937 m A, +A2=1 Sumando (1) + (I): D2- my = 9.37 A, + r=! Adee 0.63 A2= 0.3/5] Reemplazando en (Il) A, +O.3S 21 DA, =(-O3S A, = 0.685 Dr+uM =0,48 En la primera ecuacién inicial: DespejamosPardmetro auxiliar que seré usado posteriormente en la formula de la varianza de Kriging de Matheron. Siendo la potencia estimada del manto igual a: Zi (%e) = A, B(x,) + ry Z(x2) Reemplazamos Zi (%o) = 0.315 «0.2 + 0.685 ¥ 0.5 20.2545 2) (Xo)= 0.29 m ‘Ahora veamos cuales el error que se comete en esta estimacidn, para lo cual particularizamos la formula de la varianza de Kriging de Matheron dada anteriormente: Ble Ge $22 Me +H - Fe, Reemplazando 2 Qe = ACES ¥ OMG 40.315 x O85 +0,165'-0 z Ss = 0462 Este valor es el error cometido en el proceso de estimacién realizado,3. ELEMENTOS DE LA TECNICA DE SIMULACION CONDICIONAL DE YACIMIENTOS. INTRODUCCION Durante la planificacién de la explotacién de una mina, es menudo necesario preveer las. dispersiones de las reservas recuperables a la salida de diversos procesos. de extracci6n, almacenaje, etc. si se conociera perfectamente el yacimiento minero esta tarea seria Mevada sin mucha dificultad, pero esto no ocurre en la realidad, solo se conoce el yacimiento cuando este ya ha sido explotado Entonces, al no disponer de esta informacién se puede optar por simular el yacimiento, condicionando esta simulaci6n a los datos observados para darle mayor robustez. a los resultados. METODOLOGIA 4 Anilisis de datos - Para lo cual hay que validar la data para evitar errores de laboratorio mediante la aplicacién de histograma de errores y nubes de correlacién con intervalos de confianza b. Construir el Modelo Geologico. © Construir y modelar los histogramas, variogramas experimentales y _nubes de correlacién de las variables en estudio. Lo que permitira definir la hipétesis de trabajo del modelo probabilistico a aplicar 4. Construir el Modelo de Bloques . Aplicar el algoritmo de la Simulacion Condicional del Doctor George Matheron. Considerando en esta exposicién que el yacimiento en estudio es el yacimiento de hhierro del noroeste Australiano y que la variable en estudio es el hierro. Entonces asumiremos que esta variable regionalizada queda modelada por una funcién aleatoria estacionaria 2 (x), de covarianza C(4) yconuna ley de distribucion puntual, lo que permite seguir los siguientes pasos ‘ Estimamos mediante la téenice del Krigeage la ley del mineral Y;. (%) de cada bloque unitario del recurso miner. ‘Como este no reproduce 1a variabilidad tal como se muestra en el grafico siguienteLey de mineral © Valor observado X_ Valor estimado Entonces hay la necesidad de pene la variabilidad perdida = & (x) Ye. (x) +E (*) es decir tenemos que estimar ene E (%) , pare to cual procedemos de la siguiente manera: Usamos el formalismo de una simulacién condicionada cuya expresion ¢s la siguiente Ete) ——— Ye,0)= Ye, 0) +(%,%) - Ta] El indice v indica que la variable es definida sobre un bloque unitario v del Modelo de Bloques del yacimiento. YX (2) Representa fa variable simulada condicionada Sty Y. (>) Bs variable simulada no condicionada v Ese valor esimado por Krigeage de Y., (%) sobre el bloque unitario v centrado en x Es el valor estimado por Krigeage de la variable simulada Ys (x) sobre cel mismo bloque unitario.£ Obtenido el archivo de bloques simulados condicionalmente, que ha recuperado gran parte de la variabilidad 0 dispersién de la variable en estudio, estamos pues en condiciones de usar estos resultados en las fases de definicién de reservas y planeamiento de minado en general