Documentos de Académico
Documentos de Profesional
Documentos de Cultura
MINERA
Profesor: Dr. Julin M. Ortiz
04 Desarrollo Minero
Generalidades
La determinacin de los recursos es una etapa crtica en los proyectos
mineros
Generalidades
La exploracin avanzada genera una base de datos proveniente
de una campaa de sondajes en una grilla seudo-regular
Generalidades
Procedimiento tpico:
Interpretacin del depsito modelo geolgico
Anlisis de datos representatividad / chance (valores errticos
outliers)
Anlisis de continuidad espacial:
Mineralizacin
Leyes
Estimacin
Error asociado a la estimacin / categorizacin
Validacin de modelos
Interpretacin geolgica
Anlisis utilizando plantas y secciones Isoleyes /
Mineralizacin / Alteracin / Litologa / Estructuras
Interpretacin geolgica
Visualizacin en 3-D
interpretacin
Interpretacin geolgica
Se deben definir volmenes en los que la variable en estudio
tenga un comportamiento homogneo
Geolgicamente
Estadsticamente
Generalidades
La estadstica se ocupa de los mtodos cientficos para
recolectar, organizar, resumir, presentar y analizar datos as
como obtener conclusiones vlidas y tomar decisiones
razonables sobre la base de dicho anlisis.
La geoestadstica es una rama de la estadstica aplicada que
pone nfasis en:
El contexto geolgico de los datos,
La relacin espacial entre los datos, y
Datos medidos con un soporte volumtrico y precisin diferentes.
Primeras aplicaciones
Regresin Lognormal: Mina Harmony (Sudfrica).
1102
36
68
14
52 120
60
23
85
35
12
6,33
5,87
5,41
4,95
6,79
688
427
262
158
92
4,49
51
92
158
262
427
688
1102
1758
4,95
5,41
5,87
6,33
6,79
7,25
s
+ m 1 r Z 2
s Z1
es un promedio ponderado de
la ley de los valores perifricos y
de la media del sector.
Origen del kriging
Modelos geolgicos
Combinacin de caractersticas geolgicas
Litologas
Alteraciones
Mineralizacin
Modelos geolgicos
Modelos complejos:
Usualmente, se definen varias poblaciones litolgicas, de
alteracin, de mineralizacin
Unidades geolgicas se definen en base a estas caractersticas
Dificultades:
Se desconoce la extensin de las unidades
Tipo de lmites presentes: duros, blandos, transicionales
Ms ejemplos
Alteracin
Mineralizacin
econmica
Ms ejemplos
Anlisis de datos
En esta etapa, se busca:
Caracterizar las poblaciones a partir de las muestras
Representatividad
Valores aberrantes
Derivas CuT
Eje Y
0.6
1.20
0.5
1.00
0.4
0.3
0.60
0.2
0.40
0.1
CuT
0.80
0.20
-150
0.00
-1800
-1600
-1400
-1200
-1000
-800
Coordenada Y
-600
-400
-200
-100
-50
50
Distancia al contacto
100
150
El problema de la estimacin
Asumimos que estamos trabajando dentro de una unidad
geolgica consistente
De qu manera combinamos la informacin de las muestras?
Estimacin
Dado que el muestreo es parcial y slo nos indica lo que sucede
en las posiciones de los datos, es necesario estimar el valor de la
ley en puntos sin muestra.
Adems, estamos interesados en saber el valor de la ley de un
bloque de dimensiones diferentes a las de la muestra cambio
de soporte
Definiremos estimadores con ciertas caractersticas:
Lineal:
Lineal el valor estimado es una combinacin lineal de los datos
disponibles (usualmente en una vecindad del punto a estimar)
Insesgado:
Insesgado en promedio, el estimador entrega el valor correcto, sin
sesgo sistemtico (pero con cierta imprecisin)
ptimo:
ptimo el estimador ser tal que minimice la varianza del error de
estimacin (ser por lo tanto el ms preciso).
Z (u ) = 0 + i Z (ui )
*
i =1
Inverso de la distancia
n(x)
z (x )
p
=1 d
z ( x) = n ( x )
1
p
=1 d
D
z(x)
d
Kriging
Considere los valores de residuos respecto a la media:
Y(ui)= Z(ui) - m(ui), i=1,,n
donde m(u) podra ser constante, variable localmente o
considerada constante pero desconocida.
El variograma se define como:
2 (h) = E{[Y(u}) - Y(u + h)]2}
La covarianza se define como:
C(h) = E{Y(u) Y(u + h)}
Relacin entre el variograma y la covarianza:
C(h) = C(0) - (h)
C(0) = meseta
(h)
C(h)
Kriging Simple
n
Y (u ) = i Y ( u i )
i =1
donde Y(ui) son los residuos e Y*(u) es el valor estimado (la media
debe agregarse posteriormente)
*
2
La varianza del error se define como E{[Y (u ) Y (u )] }
A2-2ab+b2
E{Y ( u ) Y ( u )} 2 E{Y ( u) Y ( u )}
i
i =1
i =1 j =1
n
C ( u , u ) 2 C ( u, u )
i
i =1 j =1
i =1
+ C ( 0)
+ C ( 0)
Kriging Simple
Los ponderadores ptimos (que minimizan la varianza del error)
i, i=1,,n pueden determinarse tomando derivadas parciales
con respecto a los ponderadores
n
[ ]
= 2 jC(u i , u j ) 2 C( u , u i ) , i = 1,..., n
i
j= 1
e igualndola a cero
n
C( u , u ) = C( u , u ) ,
j
i = 1,..., n
j= 1
Kriging Simple
El kriging minimiza esta varianza de estimacin para obtener los
ponderadores. Derivando e igualando a cero, se obtiene el
sistema de kriging simple:
M
M
M
M =
C (x x ) L C (x x ) C (x x )
n
1
n
n n
n
0
Y por lo tanto:
n
=1
=1
Z * (x 0 ) = Z ( x ) + ( 1 ) m
n
2
KS
(x 0 ) = C (0) C (x x 0 )
=1
Kriging Simple
Algunas propiedades:
Existe una solucin nica al sistema de ecuaciones si la matriz de
covarianza es definida positiva esta es la razn para modelar el
variograma con modelos lcitos
El estimador de kriging es insesgado (por construccin)
Es el mejor estimados (minimiza la varianza de estimacin)
Es un interpolador exacto
En resumen:
Kriging simple asume la media constante y conocida
Como veremos ms adelante, es la base de los mtodos de
simulacin
Puede calcularse tambin para estimar el valor sobre un bloque
No se usa en la prctica para estimar
No hay suavizamiento:
controlado por la presencia de muestras
Mximo suavizamiento:
todos los valores son iguales
Kriging considera:
Kriging Ordinario
En la mayora de los casos la media es desconocida
Kriging Ordinario: estimador lineal que no considera la
media conocida
n
Z * (u 0 ) = Z (u )
=1
=m
( 1 )
=1
=1
=1
s.a.
= 1
=1
=1
Kriging Ordinario
En este caso se minimiza la varianza sujeto a que la
suma de los ponderadores sea igual a 1.
El sistema de kriging ordinario queda:
C (x1 x1 ) L C (x1 x n ) 1 1 C (x1 x 0 )
M
M
M M
M
=
C (x x ) L C (x x ) 1 C (x x )
n
1
n
n
n
0
1
L
1
0
1
Z * (x 0 ) = Z (x )
=1
2
KO
(x 0 ) = 2 C (x x 0 ) +
=1
Kriging Ordinario
O en trminos de variograma:
(x1 x1 ) L (x1 x n ) 1 1 (x1 x 0 )
M
M
M M
M
=
(x x ) L (x x ) 1 (x x )
n
1
n
n
n
0
1
L
1
0
Z * (x 0 ) = Z (x )
=1
2
KO
( x 0 ) = ( x x 0 ) +
=1
Efecto de Distancia
Caso base y efecto del aumento en la distancia sobre
los ponderadores ( (h) = 0,2 + 0,8 Sph(100))
Caso base
2
Efecto de distancia
2
= 0,1888
0,25
50
0,25
50
= 0,2162
0,265
0,25
0,25
50
0,303
0,303
0,129
50
Efecto pantalla
2
= 0,1668
0,233
= 0,2248
0,074
0,247
50
0,233
50
0,426
0,426
0,174
0,080
0,074
0,033
50
50
= 0,1668
0,111
0,106
0,111
0,242
= 0,2107
0,3437
0,215
50
50
0,016
0,013
0,016
0,2674
0,215
0,3437
50
50
100
150
= 0,0827
= 0,1206
0,208
0,1044
50
50
0,042
50
(h) = 0,2 + 0,8 Sph(100)
0,1456
50
(h) = 0,7 + 0,3 Sph(100)
Validaciones Cruzadas
Parmetros de kriging.
Criterios:
Plan de Kriging
Cules son los datos a utilizar en la estimacin?
Vecindad mvil: se usa slo los datos cercanos al sitio (bloque) a
estimar
En general, se toma una vecindad en forma de elipse (2D) o
elipsoide (3D), orientado segn la anisotropa observada en el
variograma
Se suele dividir la vecindad en octantes en 3D y buscar datos en
cada sector
Los radios del elipse (elipsoide) no necesariamente corresponden a
los alcances del variograma, sino que se definen de manera de
poder encontrar suficientes datos para hacer la estimacin
Plan de Kriging
Z (u) = a + i Z (u i )
*
i=1
Diseo Minero
Reservas
Planificacin
Minera
Categorizacin
Recurso Mineral:
Concentracin u ocurrencia de material de inters econmico intrnseco
en o sobre la corteza de la Tierra en forma y cantidad en que haya
probabilidades razonables de una eventual extraccin econmica.
La ubicacin, cantidad, ley, caractersticas geolgicas y continuidad de
un Recurso Mineral son conocidas, estimadas o interpretadas a partir de
evidencia y conocimientos especficos geolgicos.
Los Recursos Minerales se subdividen, en orden de confianza geolgica
ascendente, en categoras de Inferidos, Indicados y Medidos.
Categorizacin
Reserva Minera:
Es la parte econmicamente explotable de un Recurso Mineral Medido
o Indicado. Incluye dilucin de materiales y tolerancias por prdidas
que se puedan producir cuando se extraiga el material. Se han
realizado las evaluaciones apropiadas, que pueden incluir estudios de
factibilidad y contemplan la consideracin de y modificacin por
factores razonablemente asumidos de extraccin, metalrgicos,
econmicos, de mercados, legales, ambientales, sociales y
gubernamentales. Estas evaluaciones demuestran en la fecha en que se
reporta que podra justificarse razonablemente la extraccin.
extraccin
Las Reservas Mineras se subdividen, en orden creciente de confianza,
en Reservas Probables y Reservas Probadas. Ntese que la definicin de
Reservas Posibles ha cado en desuso, debido a que los cdigos no
autorizan declarar reservas que provienen de recursos geolgicos
inferidos.
Geoestadstica moderna
Existe un error asociado que
debe ser tomado en cuenta
Geoestadstica moderna
simulacin condicional
Se generan varios modelos
numricos vlidos (o plausibles);
cada uno con la variabilidad
correcta.
Un mapa de valores estimados
puede obtenerse a partir de las
realizaciones.
Geoestadstica moderna
Evaluacin de incertidumbre
Los modelos simulados permiten incorporar funciones de
recuperacin metalrgica y determinar la incertidumbre en el
fino (metal) :
Incertidumbre local
Incertidumbre global
Nuevas problemticas
Modelamiento geo-minero-metalrgico:
Incorporar variables geo.metalrgicas al modelamiento
Mejorar la toma de decisiones
Consumo de energa
Consumo de cido
Presencia de minerales que perjudican el proceso o aumentan costos
Combinacin de elementos que pueden afectar el proceso