Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1RELACIN DE KRIAGE
CUROS: GEOESTADSTICA II
PROFESOR: AUGUSTO TEVES ROJAS.
INTEGRANTES:
MENDOZA SANTIAGO TITO
DILAS UBALDO DIEGO JOSE
Setiembre, 2015.
PREFACIO
La relacin de Kriage, en un yacimiento bloqueado que tiene valores (leyes), se calcula con
2T
Qu es la relacin de Kriage?
En un variograma experimentas les da histogramas con comportamiento log-normal.
x1
..
..
x2
x3
..
.
..
xn
1
f ( x )=
e
2 x
1 (lnx )
2
2
{ X1 ,
X2 ,
X 3 ,., X n }
{ ln x1 , ln x 2 , ln x3 ,, ln xn }
{ y 1 , y 2 , y 3 ,.., y n }
ln y =
y =
Este modelo, modela yacimiento de Au, Cu, Ag,, casi todas las variedades.
ABSTRACT
Kriage ratio in a blocked field that has values (laws), is calculated by the variance of the data
(
2
T = variance of the middle of the blocks).
x1
..
..
x2
x3
..
.
..
xn
x1 , average block 1
2
1
f ( x )=
e
2 x
1 (lnx )
2
2
2 ( V ) 2 (v ) + 2 ( vV )
{ X1 ,
X2 ,
X 3 ,., X n }
{ ln x1 , ln x 2 , ln x3 ,, ln xn }
{ y 1 , y 2 , y 3 ,.., y n }
ln y =
y =
This model, reservoir modeling Au, Cu, Ag, almost all varieties.
NDICE
I.INTRODUCCION...5
II.OBJETIVOS...........6
III. MARCO TEORICO ....6
IV. PROCEDIMIENTO.............7
-
GRAFICAS Y RESULTADOS
V.CONCLUSIONES....17
VI. RECOMENDACIONES....17
VII. ANEXO18
I.
INTRODUCCIN
Sabemos que la varianza de extensin nos proporciona el error cuadrtico medio que se
comete al momento que se estima el valor medio de una funcin aleatoria en un
determinado bloque de mineral. Krige encontr una relacin en funcin de estas varianzas
en muestras de un yacimiento, el cual se tratar en la parte terica as como un ejemplo de
su aplicacin. El presente trabajo muestra el procedimiento y aplicacin del mtodo de
Krige ( Kriging) para el anlisis de diferentes bloques con leyes aleatorias y comprobar su
ecuacin.
II.
OBJETIVOS
III.
MARCO TERICO
E2 (V / si ) E[( X V X ( si )) 2 ]
Soporte de observacin Bloques:
E2 (V / v) E[( X V X v ) 2 ]
Aunque habitualmente se presenta como:
E2 (V / si ) 2 [( si , V ) (V , V )].
E2 (V / v) 2 [(v,V ) (v, v) (V , V )].
( si / s j ) 2 ( si s j )
2
E
IV.
A.
1
V2
1
V2
( X ( s) X ( si ))ds ) 2
VV
E2 (V / si ) E[( X V , X ( si )) 2 ] E
E[ X (s) X (s )( X (t )) X (s ))]dsdt
i
PROCEDIMIENTO
%Variables de Entrada
A=input('A: ');
B=input('B: ');
C=input('C: ');
D=input('D: ');
L=input('Lado del Bloque: ');
k=input('Numero de muestras: ');
mu=input('media: ');
desv=input('Desv. Standar: ');
2 Generaremos los pares ordenados (x, y) con sus respectivas leyes para cada muestra.
Donde:
Los pares ordenados tendrn distribucin Uniforme.
Las leyes tendrn distribucin normal.
%Depuracion de ceros
pos1=find(a1~=0);
b1=a1(pos1);
pos2=find(a2~=0);
8b2=a2(pos2);
5Calculos de las varianzas.
varianza1=var(data(:,3));
varianza2=mean(b1)+var(b2);
B.
A: 200
B: 6700
C: 200
D: 6700
Lado del Bloque: 650
Nmero de Muestras: 1000
Media: 1.8
Desv. Estndar: 0.9
Arrojndonos las siguientes grficas y resultados.
7000
6000
5000
Eje Y
4000
3000
2000
1000
1000
2000
3000
Eje X
Fig.1
10
4000
5000
6000
7000
Malla Bloqueada
7000
6000
5000
Eje Y
4000
3000
2000
1000
1000
2000
3000
Eje X
Fig. 2
11
Fig. 3
4000
5000
6000
7000
2 ( V )
Con esto podemos
( v )que
2 decir
+ 2:( vV )
2 ( V ) 2 (v ) + 2 ( vV )
Con un error de 9.81% con respecto a la varianza1
0.879500.80095
=9.81
0.80095
Tambien podemos decir que estas varianzas estan muy cercanas al 0.81, que es la varianza
con la que hemos generado las leyes en el programa.
Luego si seguimos corriendo el programa pero esta vez para lados de bloques de : 260,
500, 650 y 1300 manteniendo constante el resto de varibles de entrada; se observo lo
siguiente:
12
Fig. 4
Fig. 5
Fig. 6
13
Fig. 7
CUADRO RESUMEN:
14
Se observa que mientras ms se acerca el lado del bloque a 6500 (ancho de la malla), el
error disminuye considerablemente acercndose a 0%, como la tendencia de la muestra en
la fig. 8.
Fig. 8
V.
CONCLUSIONES
15
Ambas varinzas obtenidas por el programa son cercanas a 0.81 (varianza con la que
VI.
-
RECOMENDACIONES
Tener conocimiento de algn tipo de programacin (C++, Java, Matlab, Python, etc).
Programas como el Matlab y Python son muy tiles para estos tipos de trabajos ya que te
permiten graficar y almacenar un gran tamao de datos a comparacin del lenguaje C++ o
VII.
ANEXO
16
data=zeros(k,3);
data(:,1)=(B-A)*rand(k,1)+A;
data(:,2)=(D-C)*rand(k,1)+C;
data(:,3)=desv*randn(k,1)+mu;
m=(D-C)/L;
Bloqueada
n=(B-A)/L;
Bloqueada
zz=m*n;
a1=zeros(zz,1);
a2=zeros(zz,1);
figure(1)
scatter(data(:,1),data(:,2),'MarkerFaceColor','m');
xlabel('Eje X');
ylabel('Eje Y');
title('Muestras Aleatorias');
%Bloqueamos la malla en cuadrados de de lado "L"
figure(2)
hold on
scatter(data(:,1),data(:,2),'MarkerFaceColor','m');
xi=A+0.5*L;
yi=C+0.5*L;
for j=1:m
for i=1:n
r=L*sind(45);
x=zeros(5,1);
y=zeros(5,1);
cx=xi+(i-1)*L;
cy=yi+(j-1)*L;
LIX=cx-0.5*L;
LSX=cx+0.5*L;
LIY=cy-0.5*L;
LSY=cy+0.5*L;
for k=1:5
theta=(2*k-1)*pi/4;
[x(k),y(k)]=coordpolares(cx,cy,r,theta);
end
plot(x,y,'r');
KK=(data(:,1)>LIX & data(:,1)<LSX)&(data(:,2)>LIY & data(:,2)<LSY);
POS=find(KK==1);
if isempty(POS)
else
a1(n*(j-1)+i)=var(data(POS,3));
a2(n*(j-1)+i)=mean(data(POS,3));
end
end
end
17
xlabel('Eje X');
ylabel('Eje Y');
title('Malla Bloqueada');
hold off
%Depuracion de ceros
pos1=find(a1~=0);
b1=a1(pos1);
pos2=find(a2~=0);
b2=a2(pos2);
varianza1=var(data(:,3));
varianza2=mean(b1)+var(b2);
error=abs(varianza1-varianza2)/varianza1*100;
fprintf('------RESULTADOS DEL PROGRAMA------\n');
fprintf('VARIANZA1: %4.5f \n',varianza1);
fprintf('VARIANZA2: %4.5f \n',varianza2);
fprintf('Error: %2.2f \n',error);
18