Está en la página 1de 22

“AÑO DEL DIÁLOGO Y RECONCILIACIÓN NACIONAL”

FACULTAD DE INGENIERIA
ESCUELA PROFESIONAL DE INGENIERIA DE
MINAS

 Curso:
Geoestadistica

 Tema:
Kriging en bloques

 Docente:
Ing.

 Integrantes:

Cuadros huamani jordan

2018

Geoestadistica Página 1
Índice
1. INTRODUCCIÓN ........................................................................... 3
2. KRIGING EN BLOQUES ............................................................... 4
2.1. Interés del Krigeado ............................................................................................................. 5

3. PLAN DE KRIGING ....................................................................... 7


4. APLICACIÓN ................................................................................ 8
5. MÉTODO DE ROYLE ...................................................................10
6. SELECCIÓN EN BASE A LOS VALORES REALES Y LOS
VALORES ESTIMADOS. ...................................................................12
6.1. SESGO CONDICIONAL ...................................................................................................... 12
6.2. CATEGORIZACIÓN DE RECURSOS Y RESERVAS .................................................... 13

7. EJERCICIOS DE APLICACIÓN ...................................................14


8. CONCLUSIONES .........................................................................22
9. BIBLIOGRAFIA ............................................................................22

Geoestadistica Página 2
1. INTRODUCCIÓN
Este trabajo se centra en la presentación teórica y práctica de uno de los tipos de
kriging, kriging en bloques.

Una primera aproximación a la solución del problema de estimación fue dada por el
geólogo G. Krige que propuso una variante del método de medias móviles, el cual
puede considerarse como el equivalente al krigeado simple.

La geoestadistica es solo una de las áreas del análisis de datos espaciales, utiliza
funciones para modelar la variación espacial, y estas funciones son utilizadas
posteriormente por la técnica conocida como KRIGING para interpolar en el espacio el
valor de la variable en sitios no muestreados.

En los dos métodos kriging hasta ahora descritos el objetivo ha estado centrado en la
predicción puntual. A menudo, sin embargo, se requiere estimar un bloque, o más
precisamente, estimar el valor promedio de la variable dentro de un área local.
En términos mineros, la técnica del kriging o krigeado consiste en encontrar la mejor
estimación lineal insesgada de un bloque o zona V considerando la información
disponible; es decir, las muestras interiores y exteriores.

La fortaleza de la geoestadistica radica que en uso de kriging para la interpolación es


considerada una estimación muy robusta ya que se basa en la función continua que
explica el comportamiento de la variable en distintas direcciones del espacio, y que
en contraste con otros métodos de interpolación permite asociar la variabilidad de la
estimación. Mediante este trabajo se pretende ver a profundidad un tipo de kriging
(kriging en bloques), el cual nos permite evaluar un yacimiento minero en el que el
valor obtenido se le asigna a un bloque y no a un punto.

Geoestadistica Página 3
2. KRIGING EN BLOQUES
El kriging también puede emplearse para estimar el valor de la variable regionalizada
sobre un soporte mayor que el soporte de las muestras (“bloques”).
Dos alternativas:
 Discretar el bloque a muchos puntos, estimar el valor de cada punto y
promediar las estimaciones puntuales.
 Costoso en cálculos, no permite calcular la varianza de estimación.

 Evaluar directamente el valor del bloque, sin recurrir a estimaciones puntuales.


El kriging en bloques estima el valor promedio de los bloques rectangulares, que
están centrados en los nodos de las cuadrículas, los bloques son el tamaño y forma
de las celdas de las cuadrículas, este tipo de Kriging no resulta ser un buen
interpolador, ya que no estima el valor de un punto.

Este tipo de kriging es utilizado en:

 La evaluación de yacimientos, el cual opera de forma similar a como lo hace el


puntual, pero con la diferencia que el valor obtenido se le asigna a un bloque y
no a un punto. Esto permite, por tanto, llevar a cabo posteriormente una
evaluación de las reservas con leyes, potencias, tonelajes, etc.
 Cuando se desea estimar los valores de Z en un área dada en mallas de celda
de un tamaño específico por modelización cuantitativa. Su estimación de
varianzas normalmente es sustantivamente menor que la del kriging puntual.

Al plantear las tres etapas de construcción del kriging conduce al sistema de kriging
en bloques.
Este sistema solo difiere del sistema puntual en el miembro de la derecha. El cálculo
numérico de este miembro requiere una discretizacion (no confundir con una
estimación de bloque vía discretizacion en varios puntos).
El kriging en bloques presenta las siguientes propiedades:
 Suavizamiento: la dispersión de los valores estimados es menor que la
dispersión de los valores verdaderos, sobre todo en las zonas donde hay pocos
datos. En consecuencia, se tiende a subestimar las zonas de altas leyes y
sobreestimar las zonas de bajas leyes.
El kriging es inapropiado para evaluación de procesos donde los valores
extremos son importantes (→ simulaciones).

Geoestadistica Página 4
 Insesgo, pero posible sesgo condicional: El valor esperado del error es
cero.
El error promedio puede no tener esperanza nula cuando se considera sólo los
sitios donde la ley estimada es alta (o baja). En general, el sesgo condicional
es pequeño si se usa suficientes datos (>15).
 Aditividad: la estimación de la ley de un bloque es igual al promedio de las
estimaciones de leyes puntuales en este bloque.
2.1. Interés del Krigeado
El interés del krigeado proviene de su misma definición: al minimizar σE2 estamos
seguros de obtener la estimación más precisa posible de V o equivalentemente, de
sacar el mejor provecho posible de la información disponible.El nombre krigeado
proviene de los trabajos de Daniel Krige en las minas de oro sudafricanas de
Rand, en los años 50. La teoría fue formalizada una década más tarde por el
geomatemático francés Georges Matheron. El interés práctico más importante del
krigeado, proviene, no del hecho que asegura la mejor precisión posible, sino más
bien porque permite evitar un error sistemático. En la mayoría de los depósitos
mineros, se deben seleccionar, para la explotación, un cierto número de bloques,
considerados como rentables y se deben abandonar otros bloques considerados
no-explotables. Daniel Krige demostró que, si esta selección se realizara
considerando exclusivamente las muestras interiores a cada bloque, resultaría
necesariamente (en promedio) una sobreestimación de los bloques seleccionados.
La razón de este problema es que el histograma de las leyes reales de los bloques
tiene menos leyes extremas, ricas o pobres, luego tiene más leyes intermedias
que el histograma calculado con las muestras interiores, y, si se calcula el efecto
de una selección sobre este último histograma, los paneles eliminados serán en
realidad menos pobres que lo que se había previsto, y los paneles conservados
menos ricos.

Figura 7.2: Histograma de bloques y de muestras.


De acuerdo a lo expresado anteriormente, el krigeado define el estimador lineal:

Geoestadistica Página 5
Con la condición de isesgado (llamado también condición de universalidad):

Los pesos ʎi se calculan de manera de minimizar la varianza ᵟE2 del error Ɛ = ZK – ZV,
en que ZV es la ley media desconocida de V.
Como es natural, el krigeado atribuye pesos altos a las muestras cercanas a V y
pesos débiles a las alejadas. Sin embargo, esta regla intuitiva puede fallar en ciertas
situaciones en las cuales se habla de efecto de pantalla o de transferencia de
influencia. Estudiaremos estos conceptos con un ejemplo: La figura siguiente muestra
un bloque que debe ser estimado a partir de 8 muestras S1, S2,…..S8.

Figura 7.3: Transferencia de influencia y efecto de pantalla


El krigeado encontrará en este caso, suponiendo isotropía espacial:

La muestra S1 es la de mayor peso.

Las muestras S2 y S3 tienen mayor peso que las muestras S4, S5, …., S8.

Se dice que la muestra S5 hace pantalla a la muestra S6.

Se dice que hay una transferencia de influencia; es decir, la influencia de la muestra


S4 se reparte entre las muestras S5, S6, S7 y S8. Se puede afirmar que el krigeado
“desagrupa” la información. La menor o mayor intensidad de los efectos anteriores
depende, evidentemente, del variograma (efecto de pepita, meseta, alcance). Por
ejemplo, si se tiene un variograma lineal isótropo, γ(h)=ω|h| , se tienen los pesos
siguientes para estimar el bloque B:

Geoestadistica Página 6
Figura 7.4: Variograma lineal y pesos del krigeado. Se tienen 3 muestras. Se produce un
“desagrupamiento”

3. PLAN DE KRIGING
¿Cuáles son los datos a utilizar en la estimación?

 Vecindad única: se usa todos los datos

 Vecindad móvil: se usa sólo los datos cercanos al sitio (bloque) a estimar

 En general, se toma una vecindad en forma de elipse (2D) o elipsoide


(3D), orientado según la anisotropía observada en el variograma.

 Se suele dividir la vecindad en sectores angulares (cuadrantes en 2D u


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 estimación.

Geoestadistica Página 7
4. APLICACIÓN
Para determinar el valor del bloque, se lleva a cabo una discretización del área en un
conjunto de puntos (2x2, 3x3, etc.), obteniéndose a continuación la media entre los
diferentes valores.

Esta capacidad de krigeaje de llevarse a cabo sobre un área y no solo sobre un punto,
es una característica propia y única de este método de estimación, no compartida por
otros métodos. Aunque la forma de operar puede trasladarse a métodos como el
inverso a la distancia, los resultados no son muy consistentes.

Un ejemplo de la importancia de los ordenadores en el desarrollo de la geoestadística


es que para calcular por ejemplo, el valor de un solo bloque con una discretización de
10x10, sería necesario resolver cien sistemas de ecuaciones, cada una de ellos con
por ejemplo 10 ecuaciones (suponiendo una estimación a partir de diez valores). Y
esto sólo para un bloque, siendo frecuente, normalmente dividir el yacimiento en
centenares o incluso miles de bloques. Todo eso llevaría a la resolución de millones
de ecuaciones, hecho absolutamente inviable si no fuese por la inestimable ayuda de
la informática.

Por último, hay que constar que los valores que se obtienen con el krigeage (tanto
puntual como de bloques) llevan aparejados los correspondientes valores de la
varianza de la estimación (varianza del krigeaje), lo que permite hacer un estudio de
la bondad de la estimación.

Estos valores de la varianza del krigeage pueden, posteriormente, ser interpolados y


obtener mapas en la que se pueda analizar qué zonas presentan una mayor exactitud
en la estimación, cuales poseen una mayor probabilidad de error, etc., lo que suele
ser muy necesario a la hora de establecer los planos de producción minera.

Cuando se aplica el krigeage sobre el bloque V debería considerar todos los datos
disponibles (krigeage completo). Sin embargo, esta situación implica cálculos muy
largos. Por esta razón se recomienda restringir la vecindad de estimación que puede
ser una esfera o circulo, o bien un elipsoide o elipse.

La práctica recomienda que una vecindad contenga un promedio del orden de 8


muestra, los resultados que se obtienen serán muy buenos.

En el caso cuando se desea conocer el valor promedio sobre una región o bloque, se
formulan las ecuaciones del Kriging de manera análoga al caso puntual.

En el kriging por bloques en lugar de estimar el valor en un punto k x se considera una


región V de área Ak con centro en el punto xk. El estimador tiene la siguiente forma:

Geoestadistica Página 8
En las ecuaciones del Kriging puntual el vector del miembro derecho las
semivarianzas γij son reemplazadas por las semivarianzas promedios con respecto al
bloque VK que se expresan como:

Entonces las ecuaciones del Kriging por bloques serán:

Y la varianza de la estimación se expresa como:

Dónde:

La estimación por bloques resulta más suave que la estimación puntual.

Al contrario que el kriging ordinario es más indicado para cuando tenemos valores
atípicamente altos y/o bajos.

Además, es necesario emplear todos los puntos comprendidos en el área estudiada y,


si es posible, puntos localizados en la vecindad inmediata.

Geoestadistica Página 9
Isaaks y Srivastava (1989) muestran a través de ejemplos que el kriging en bloques
coincide con el promedio de predicciones hechas por kriging ordinario sobre cada uno
de los puntos del enmallado dentro del bloque. Así mismo indican que en la práctica
es suficiente con un enmallado cuadrado (6x6) para obtener estimaciones estables en
los bloques.

5. MÉTODO DE ROYLE
Otro metodo es descrito por Royle (1977). Este autor afirma que la clasificacion
racional se debe basar tanto en la varianza del krigeaje como en el valor del propio
estimado. Royle establece que, para cada bloque estimado, se puede obtener a
probabilidad de que el valor real de dicho bloque este por encima de una determinada
ley minima de explotacion. Para ello se calcula el valor de D con la siguiente formula:

𝐃 = (𝐕𝐊𝐁 − 𝐋𝐌𝐄)/𝛔𝐤
Donde:

𝐃 = Desviación
𝐕𝐊𝐁 = Valor krigeado del bloque.
𝐋𝐌𝐄 = Ley mínima de explotación.
𝛔𝐤 = Desviación estándar del krigeaje.
Por ejemplo, si la ley mínima de explotación es de 3 g/t (yacimiento de oro) y la ley
krigeada del bloque es de 3,125 g/t y su varianza de krigeaje es de 0.04 (g/t) 2,
entonces:

3,125 − 3 0.125
𝐃= = = 0.625
(0.04)1/2 0.2
Ejemplo: se muestra un bloque a estimar discretizado con 4 puntos. El resto del
esquema se establecen las estimaciones por Krigeado Puntual de los 4 puntos
discretizados. Los valores obtenidos tienen los correspondientes resultados de la
varianza de estimación.

Geoestadistica Página 10
• Los valores que se obtienen con el krigeado, llevan los correspondientes
valores de la varianza de estimación, lo que permite hacer un estudio de la
bondad de estimación.

• Estos valores pueden ser interpolados y confeccionar un mapa de


isovarianzas.

• Annels (1991), propone establecer diferentes tipos de reservas en base a los


valores de varianza del krigeado.

Varianza Categoría

0-0,0075 Reservas probables

0,0075-0,0135 Reservas posibles

>0,0135- Reservas inferidas

Geoestadistica Página 11
6. SELECCIÓN EN BASE A LOS VALORES REALES Y LOS
VALORES ESTIMADOS.
Sólo los bloques cuya ley supera una ley de corte (0.5%) son económicamente
rentables.

Real estimado

Cuando se hace la selección (planta / botadero) en base al kriging, se debe tener


presente el suavizamiento, que altera los histogramas y las curvas tonelaje – ley entre
valores estimados y reales.

CURVAS TONELAJE – LEY DE LOS VALORES REALES Y ESTIMADOS

6.1. SESGO CONDICIONAL


Aunque globalmente insesgado, el kriging puede ser sesgado si se considera
solamente las zonas de leyes estimadas mayores a la ley de corte (sesgo

Geoestadistica Página 12
“condicional”), lo que implica una desviación entre la ley promedio prevista y aquella
efectiva y una mala apreciación del valor económico del yacimiento.

Al tener sesgo condicional, se incurre en una mala apreciación del negocio. La ley
media del material mandado a planta (material cuya estimación supera una ley de
corte) es inferior a la ley media estimada de este material, mientras que la ley media
del material mandado a botadero es superior a la ley media estimada de este material.

6.2. CATEGORIZACIÓN DE RECURSOS Y RESERVAS


No todos los bloques estimados tienen el mismo grado de confiabilidad. Por eso, se
suele definir varias categorías de recursos:

 Recursos medidos: mayor grado de confiabilidad.


 Recursos indicados: confiabilidad mediana.
 Recursos inferidos: poca confiabilidad.

Los recursos medidos + indicados se denominan “demostrados” y son aquellos que


se usan para efectos financieros y comerciales (evaluación del proyecto minero).
Ahora bien, la definición de cada categoría es muy vaga y depende en gran parte del
criterio del especialista.

Una manera de identificar las categorías consiste en clasificar los bloques según su
varianza de estimación (la definición de las varianzas límites considera el tipo de
yacimiento y el muestreo).

Existe una categorización similar para las reservas, que son los recursos de los
bloques que se puede explotar técnica y económicamente.

Geoestadistica Página 13
7. EJERCICIOS DE APLICACIÓN

Geoestadistica Página 14
Geoestadistica Página 15
Ejemplo 3

SOLUCIÓN:
Selección de muestras de acuerdo al radio de influencia de 10 metros.

Geoestadistica Página 16
Aplicación de matrices para el cálculo de los ponderadores i.

Cálculo de la LEY

Cálculo de la varianza

Calculo de intervalo de confianza.

Cálculo de las distancias entre muestras

Figura 7.9: Muestras para el cálculo de distancias.

Geoestadistica Página 17
Matriz de distancias entre muestras

Cálculo de variogramas entre muestras, usando el modelo cuadrático.

Matriz de variogramas entre muestras

Cálculo de distancias entre las muestras con los puntos discretizados del
bloque.

Figura 7.10: Discretización del bloque en 4 puntos.

Geoestadistica Página 18
Calculo de variogramas entre muestras y los puntos discretizados del bloque,
usando el modelo cuadrático.

Reemplazando los datos calculados en la matriz de kriging.

Geoestadistica Página 19
Resultados

CÁLCULO DE LA LEY DEL BLOQUE

CÁLCULO DEL ERROR DE ESTIMACIÓN DE LA LEY DEL BLOQUE

Previo a este paso necesitamos discretizar el bloque de la siguiente manera para calcular

Figura 7.11: Discretización del bloque para el cálculo del error de estimación de la ley.

Matriz de distancias entre los puntos del bloque

Geoestadistica Página 20
Matriz de variogramas

Cálculo de la varianza

Cálculo de intervalo de confianza.

Geoestadistica Página 21
8. CONCLUSIONES
 Para realizar el cálculo de reserva de cada bloque, se deberá multiplicar su
superficie x potencia x densidad.
 Las reservas totales se pueden determinar:
 Estimando el tonelaje y el error de estimación.
 Estimando la ley media y el error de estimación

9. BIBLIOGRAFIA
 Bustillo Revuelta, M. y López Jimeno, C., 1997: Manual de evaluación y diseño
de explotaciones mineras. Madrid. ISBN 84-921708-2-4 .
 ANNELS, A. E. (1991). Mineral deposit evaluation. A practical approach. Ed.
Chapman & Hall, London.
 TULCANAZA,E. (1992). Técnicas geoestadísticas y criterios técnico-
económicos para la estimación y evaluación de yacimientos mineros..
E.Tulcanaza, Santiago, Chile.
 Jeff Sullivan 1998. Curso Geoestadística para Minería. Codelco Santiago d e
Chile.
 Kriging: Un Método de Interpolación sobre Datos Dispersos- Jorge Zavaleta
Sánchez
 geoestadística para la enseñanza universitaria- ing. jorge segura Dávila
 geoestadística aplicada -martín a. díaz viera
 Estimación por Kriging Ordinario y Validación del Modelo Estimado

Geoestadistica Página 22

También podría gustarte