Informe Diseno Estructural Con Variogramas

UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERÍA
ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍA DE MINAS
ANÁLISIS ESTRUCTURAL CON VARIOGRAMAS
INFORME
PRESENTADO POR:
ALFARO VALENCIA, Antony

GALLARDO GONZALES, Wilmer
GARCÍA CERQUÍN, Carlos Daniel
LOPEZ ZAMORA, Jhoe
MEJÍA BARBOZA, Wily
DOCENTE:
Ing. CHUQUIRUNA CHÁVEZ, Wilder
CAJAMARCA-PERÚ
Mayo 2016
DISEÑO ESTRUCTURAL CON VARIOGRAMAS
INDICE
LISTA DE FIGURAS .............................................................................................. 3

LISTA DE GRÁFICAS ............................................................................................ 4
CAPÍTULO I: INTRODUCCIÓN ............................................................................. 5
1.1. OBJETIVOS ................................................................................................. 5

1.1.1. OBJETIVO PRINCIPAL ......................................................................... 5
1.1.2. OBJETIVOS ESPECÍFICOS .................................................................. 5
CAPÍTULO II: CONCEPTOS GEOESTADÍSTICOS .............................................. 6
2.1. HERRAMIENTAS GEOESTADÍSTICAS ...................................................... 6

2.1.1. VARIOGRAMA....................................................................................... 6
2.1.1.1. CARACTERÍSTICAS BÁSICAS.......................................................... 7
CAPÍTULO III: ANÁLISIS ESTRUCTURAL .......................................................... 9
3.1. COMPORTAMIENTO DEL SEMIVARIOGRAMA EN EL ORIGEN............... 9

3.1.1. AUSENCIA DE ESTRUCTURA ............................................................. 9
3.1.2. VALORES MUY REGULARES Y CONTINUOS .................................. 10
3.1.3. CONTINUIDAD MEDIA ........................................................................ 11
3.1.4. PRESENCIA DE MICROESTRUCTURAS........................................... 11
3.2. ANISOTROPÍAS......................................................................................... 12
3.2.1. ANISOTROPÍA GEOMÉTRICA ........................................................... 12
3.2.2. ANISOTROPÍA ZONAL........................................................................ 12
3.3. ALCANCE................................................................................................... 12
3.4. EFECTO DE PEPITA ................................................................................. 14
3.5. SUPERPOSICIÓN DE ESTRUCTURAS .................................................... 15
CAPÍTULO IV: ESTIMACIÓN DEL VARIOGRAMA ............................................ 16
GEOESTADÍSTICA Página 1
4.1. CÁLCULO DEL VARIOGRAMA EXPERIMENTAL ..................................... 16

4.2. CÁLCULO DEL SEMIVARIOGRAMA EXPERIMENTAL ............................ 20
4.3. MODELOS DE SEMIVARIOGRAMAS ....................................................... 20
4.3.1. MODELO EXPONENCIAL ................................................................... 20
4.3.2. MODELO ESFÉRICO O MATHERNON .............................................. 21
4.3.3. MODELO GAUSIANNO ....................................................................... 21
4.3.4. MODELO LINEAL ................................................................................ 22
4.3.5. MODELO EFECTO AGUJERO ............................................................ 22
4.3.6. MODELO PEPITA NUGGET ............................................................... 23
4.4. CASOS PARTICULARES RESPECTO A LOS MODELOS DE
SEMIVARIOGRAMA ............................................................................................ 23
4.4.1. SEMIVARIOGRAMA CON TENDENCIAS ........................................... 23
4.4.2. SEMIVARIOGRAMA CON EFECTO AGUJERO ................................. 24
4.4.3. SEMIVARIOGRAMA COMPUESTO .................................................... 24
CAPÍTULO V: VARIOGRAMAS EXPERIMENTALES EN DIVERSOS

YACIMIENTOS .................................................................................................... 25
5.1. YACIMIENTOS FILONIANOS .................................................................... 25

5.1.1. VARIOGRAMAS EXPERIMENTALES DE LA PLATA ......................... 26
5.1.2. VARIOGRAMAS EXPERIMENTALES DE LA ORO ............................ 27
5.1.3. VARIOGRAMAS EXPERIMENTALES DE LA PLOMO ........................ 28
5.2. YACIMIENTO PÓRFIDO SKARN............................................................... 28
5.3. YACIMIENTO EPITERMAL DE ALTA SULFURACIÓN ............................. 31
CAPÍTULO VI: CONCLUSIONES Y RECOMENDACIONES .............................. 34
REFERENCIAS .................................................................................................... 35
LISTA DE FIGURAS
Figura 01. Vista SE de los sondajes y chimeneas que corresponden a la información

usada para el estudio del proyecto minero Caylloma. .......................................... 25
Figura 02. Vista de la distribución espacial de las leyes de Plata, Ag(gr/tn) de las
muestras compósito del proyecto minero Caylloma. ............................................ 26
Figura 03. Wollastonita con contenido de calcosilicatos. ..................................... 28
Figura 04. Depósito Skarn. ................................................................................... 29
Figura 05. Depósito Skarn de Cobre. ................................................................... 30
Figura 06. Vista de los sondajes que corresponden a la información usada para el
estudio del proyecto Morococha........................................................................... 30
Figura 07. Vista de los sondajes y canales que corresponden a la información usada
para el estudio del proyecto Hualgayoc. .............................................................. 32
LISTA DE GRÁFICAS
Gráfica 01. Función del variograma. ...................................................................... 6

Gráfica 02. Representación del rango y sill. ........................................................... 8
Gráfica 03. Efecto pepita puro. ............................................................................. 10
Gráfica 04. Ley en función de la distancia. ........................................................... 10
Gráfica 05. Comportamiento de las leyes. ........................................................... 11
Gráfica 06. Diferencia de leyes para dos muestras distantes de “d”. ................... 11
Gráfica 07. Registro de las microvariaciones ....................................................... 12
Gráfica 08. Indicación del alcance........................................................................ 13
Gráfica 09. Representación de un yacimiento de carbón. .................................... 13
Gráfica 10. Efecto pepita. ..................................................................................... 14
Gráfica 11. Discontinuidad en el variograma. ....................................................... 14
Gráfica 12. Estructuras superpuestas. ................................................................. 15
Gráfica 13. Intervalo mínimo del muestreo. .......................................................... 17
Gráfica 14. Muestra de cálculo de LAG2. ............................................................. 17
Gráfica 15. Muestra de cálculo de LAGs. ............................................................. 17
Gráfica 16. Muestra de taladros en el muestreo. .................................................. 18
Gráfica 17. Variograma de taladros en el muestreo. ............................................ 18
Gráfica 18. Variograma relativo. ........................................................................... 19
Gráfica 19. Variograma logarítmico. ..................................................................... 20
Gráfica 20. Modelo exponencial. .......................................................................... 20
Gráfica 21. Modelo esférico.................................................................................. 21
Gráfica 22. Modelo Gausianno. ............................................................................ 21
Gráfica 23. Modelo lineal. ..................................................................................... 22
Gráfica 24. Modelo efecto agujero. ...................................................................... 22
Gráfica 25. Modelo pepita nugget. ....................................................................... 23
Gráfica 26. Semivariograma con tendencias. ....................................................... 23
Gráfica 27. Semivariograma con efecto agujero. ................................................. 24
Gráfica 28. Semivariograma compuesto. ............................................................. 24
Gráfica 29. Variograma de la Plata (Ag), LAG 1 y 2. ............................................ 26
Gráfica 30. Variograma de la Plata (Ag), LAG 2................................................... 26
Gráfica 31. Variograma de la Plata (Ag), con Az y DP diferentes. ....................... 27
Gráfica 32. Variograma del Oro (Au), LAG 2. ....................................................... 27
Gráfica 33. Variograma del Plomo (Pb), LAG 2.................................................... 28
Gráfica 34. Variograma del Cobre (Cu). ............................................................... 31
Gráfica 35. Variograma del Oro (Au). ................................................................... 32
Gráfica 36. Variograma de la Plata (Ag). .............................................................. 33
CAPÍTULO I
INTRODUCCIÓN
La geoestadística es una rama de la estadística aplicada que se especializa en el

análisis y la modelación de la variabilidad espacial en ciencias de la tierra. Su objeto
de estudio es el análisis y la predicción de fenómenos en espacio y/o tiempo, tales
como: ley de metales, porosidades, concentraciones de un contaminante.
El análisis estructural con variogramas es uno de los temas más importantes de la
geoestadística puesto que se encarga de la caracterización de la estructura
espacial de una propiedad o fenómeno regionalizado. Es el proceso en el marco
del cual se obtiene un modelo geoestadístico para la función aleatoria que se
estudia. El análisis estructural consiste en estimar y modelar una función que refleje
la correlación espacial de la variable regionalizada a partir de la adopción razonada
de la hipótesis más adecuada acerca de su variabilidad. En dependencia de las
características de estacionaridad del fenómeno se modelará la función de
covarianzas o la de semivarianzas. Por su importancia y generalidad estudiaremos
el proceso de estimación y modelación de la función de semivarianzas o
semivariograma.
1.1. OBJETIVOS
1.1.1. OBJETIVO PRINCIPAL
 Describir el análisis estructural, como herramienta para desarrollar análisis

geoestadísticos.
1.1.2. OBJETIVOS ESPECÍFICOS
 Explicar la utilización de variogramas en los procesos de análisis estructural.

 Indicar los pasos para la construcción de variogramas experimentales y su
aplicación en los diferentes tipos de yacimientos.
 interpretar la construcción de los variogramas experimentales en diversos
yacimientos.
CAPÍTULO II
CONCEPTOS GEOESTADÍSTICOS
2.1. HERRAMIENTAS GEOESTADÍSTICAS
2.1.1. VARIOGRAMA
El variograma es la herramienta geoestadística básica. Permite la cuantificación de
los parámetros geológicos y expresa la correlación espacial entre los valores
muestreados.
El variograma puede ser estimado a partir de datos experimentales (por ejemplo
las leyes provenientes de una campaña de muestreo) empleando la fórmula
general.
El variograma es una función que constituye la herramienta fundamental de la
geoestadística.
Sean “x” y “x + h” dos puntos en el espacio:
Gráfica 01. Función del variograma.
La definición teórica de la función variograma γ(h) es la siguiente fórmula:

1 2
⃗ ) = 𝐸 [(𝑍(𝑥 + ℎ
𝛾(ℎ ⃗ ) − 𝑍(𝑥)) ]
2
Sin embargo, en la práctica siempre se utiliza el algoritmo siguiente:
1
⃗ ) = 𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜{(𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎𝑠)2 𝑑𝑒 𝑙𝑒𝑦𝑒𝑠 𝑒𝑛 𝑝𝑢𝑛𝑡𝑜𝑠𝑞𝑢𝑒 𝑒𝑠𝑡á𝑛 𝑎 𝑙𝑎 𝑑𝑖𝑠𝑡𝑎𝑛𝑐𝑖𝑎 ℎ
𝛾(ℎ ⃗}
2
Esta ecuación es la que hay que adaptar en cada situación práctica (mallas
regulares e irregulares en el espacio de n dimensiones, n = 1, 2, 3). Las propiedades
de γ(h), que se deducen fácilmente de la definición son:
𝛾(0) = 0
𝛾(ℎ) ≥ 0
⃗ ) = 𝛾(ℎ
𝛾(−ℎ ⃗)
2.1.1.1. CARACTERÍSTICAS BÁSICAS
 Sill (meseta)
 Rango o alcance
 Comportamiento a pequeñas distancias
 Comportamiento a grandes distancias
 Anisotropías
a) SILL (C)
El sill conocido también como la “Meseta” es el valor máximo que alcanza el

semivariograma cuando la variable es estacionaria. Teóricamente, la meseta
coincide con el valor de la varianza y por tanto un buen estimador de la misma
será la varianza experimental de los datos.
b) RANGO (a)
Conocido también como Alcance, el Rango es la distancia a la cual el

variograma se estabiliza y las muestras se relacionan espacialmente. Se tiene
que k (h) = 0; Para h ≥ a; Para valores superiores que “a” no existe dependencia
entre los valores, es decir que el valor en un punto no influye sobre el valor del
otro. La función γ (h) permanece constante.
El alcance también nos indica las características geológicas de formación de un
yacimiento. Además el alcance indica la zona de influencia de una muestra,
puesto que para distancias mayores que “a” los valores de las muestras son
independientes. El alcance indica la zona de influencia de una muestra, puesto
que para distancias mayores que “a” los valores de la muestras son
independientes.
Gráfica 02. Representación del rango y sill.
El alcance, también nos indica las características geológicas de formación de un

yacimiento. Por ejemplo:
 En un yacimiento sedimentario, el alcance representa las dimensiones de
las unidades de sedimentación y en consecuencia de las zonas
mineralizadas.
 En un yacimiento lenticular, representa la dimensión de los lentes.
 En un yacimiento estratiforme, refleja la potencia promedio.
CAPÍTULO III
ANÁLISIS ESTRUCTURAL
El análisis estructural es uno de los tópicos más importantes de la geoestadística

puesto que se encarga de la caracterización de la estructura espacial de una
propiedad o fenómeno regionalizado. Es el proceso en el marco del cual se obtiene
un modelo geoestadístico para la función aleatoria que se estudia.
En pocas palabras podemos decir que el análisis estructural consiste en estimar y
modelar una función que refleje la correlación espacial de la variable regionalizada
a partir de la adopción razonada de la hipótesis más adecuada acerca de su
variabilidad. Esto quiere decir, que en dependencia de las características de
estacionaridad del fenómeno se modelará la función de covarianzas o la de
semivarianzas.
Por su importancia y generalidad estudiaremos el proceso de estimación y
modelación de la función de semivarianzas o semivariograma.
Para cada variable realizar los siguientes pasos:
 Análisis Exploratorio de los Datos
 Análisis de normalidad,
 Análisis de valores atípicos (outliers) tanto distribucionales como
espaciales.
 Análisis de la distribución espacial de los datos
3.1. COMPORTAMIENTO DEL SEMIVARIOGRAMA EN EL ORIGEN

Al analizar el comportamiento de γ(h) cuando h tiende a cero, se presentan cuatro
casos:
3.1.1. AUSENCIA DE ESTRUCTURA
Se trata del efecto de pepita puro.
Este modelo traduce la irregularidad total de un fenómeno. Hay ausencia de
estructura como cualquiera que fuera la escala de leyes de 2 muestras
independientes.
𝛾(ℎ) = 0 𝑝𝑎𝑟𝑎 ℎ = 0
Gráfica 03. Efecto pepita puro.
El gráfico “Ley” en función de la distancia “x” sería:
Gráfica 04. Ley en función de la distancia.
3.1.2. VALORES MUY REGULARES Y CONTINUOS

El comportamiento de las leyes es tan homogéneo que los valores de dos muestras
distantes entre sí por “d” son prácticamente las mismas, es decir que para h
pequeño, γ(h) tiende a ser cero. En estas condiciones el variograma (figura de la
derecha) muestra un comportamiento parabólico en el origen, mostrando un
fenómeno muy regular y dando cuenta de la existencia de una deriva.
Gráfica 05. Comportamiento de las leyes.
3.1.3. CONTINUIDAD MEDIA

En un diagrama de leyes (gráfico de la izquierda), donde la diferencia de leyes para
dos muestras distantes de “d” es significativa: El variograma correspondiente, tiene
un comportamiento lineal en el origen, poniendo de manifiesto un fenómeno de
cierta regularidad, más o menos estacionaria.
Gráfica 06. Diferencia de leyes para dos muestras distantes de “d”.
3.1.4. PRESENCIA DE MICROESTRUCTURAS

En este caso, el variograma registra todas las microvariaciones, tanto a la escala
aproximada “d” como las variaciones de escala “c”. Si las microestructuras son del
orden de decímetros y la estructura mayor está por las decenas de metros,
entonces el semivariograma tendrá la apariencia del gráfico adjunto. Existirá un
salto de la curva en el origen, debido a la microvariabilidad, hasta h = d para luego
crecer moderadamente siguiendo la variabilidad mayor.
Gráfica 07. Registro de las microvariaciones
3.2. ANISOTROPÍAS
Generalmente cuando el variograma experimental es calculado en distintas
direcciones, presenta distintos comportamientos con la variación de la distancia.
 Anisotropía geométrica.
 Anisotropía zonal.
 Anisotropía hibrida
3.2.1. ANISOTROPÍA GEOMÉTRICA

Es aquella en la que el variograma en distintas direcciones presenta el mismo sill
pero rangos distintos. Mayor continuidad espacial en la dirección de mayor rango,
Menor continuidad espacial en la dirección de menor rango.
3.2.2. ANISOTROPÍA ZONAL

Es aquella en la que el variograma en distintas direcciones presenta el mismo rango
pero diferente sill. Presencia de diferentes estructuras.
3.3. ALCANCE
Para h ≥ a se tiene que K (h) = 0. Esto implica que para h superiores al valor “a” no
existe dependencia entre los valores, y que el valor en un punto no influye sobre el
valor del otro, por tanto la función γ (h) se vuelve constante (γ (h) = C).
Gráfica 08. Indicación del alcance.
Con el siguiente ejemplo se pretende comprender una de las bondades del alcance:
En un yacimiento de carbón se han tomado 80 muestras a malla regular de 5m. Las
potencias de los 10 mantos de carbón, en metros, son: 31.6, 24.8, 5.1, 11.1, 4.6,
34.5, 49.2, 14.7, 10.2, 10.2. Al determinar la continuidad espacial de la VR Z(x),
definida por:
1(𝑒𝑛 𝑏𝑙𝑎𝑛𝑐𝑜), 𝑠𝑖 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎 𝑠𝑒 𝑒𝑛𝑐𝑢𝑒𝑛𝑡𝑟𝑎 𝑒𝑛 𝑒𝑙 𝑚𝑎𝑛𝑡𝑜 𝑐𝑎𝑟𝑏𝑜𝑛í𝑓𝑒𝑟𝑜.
𝑍(𝑋) {
0(𝑒𝑛 𝑛𝑒𝑔𝑟𝑜), 𝑠𝑖 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎 𝑠𝑒 𝑒𝑛𝑐𝑢𝑒𝑛𝑡𝑟𝑎 𝑒𝑛 𝑙𝑜𝑠 𝑒𝑠𝑡𝑟𝑎𝑡𝑜 𝑒𝑠𝑡é𝑟𝑖𝑙𝑒𝑠.
Se calculó el promedio = 0.5 m, la varianza = 0.25 (%) y los valores de γ(h):
γ(5) = 0.12
γ(10) = 0.20
γ(15) = 0.24
γ(20) = 0.25
γ(25) = 0.25
Gráfica 09. Representación de un yacimiento de carbón.
Analizando el variograma experimental, se observa que el alcance es del orden de

los 20m, distancia al cual la meseta C, es igual a 0,25 (%) coincidiendo con la
varianza, de las muestras.
En este caso el alcance, representa la potencia media de los mantos de carbón:
Potencia media = (31,6+24,8+5,1+11,1+4,6+34,5+49,2+14,7+10,2+10,2)/10
Potencia media = 19.8 m
3.4. EFECTO DE PEPITA

La discontinuidad aparente que se aprecia cerca del origen, se le conoce como
efecto de pepita, este efecto puede deberse a la presencia de micro estructuras, y
artificialmente se puede generar por errores en el muestreo (toma de muestras,
preparación, manipulación y análisis de leyes) y también debido a las tasas de
recuperación. Este nombre común en el lenguaje geoestadístico tiene sus raíces
en los yacimientos auríferos de África del Sur – presencia de pepitas de oro-, que
al representar en un plano la ley versus la distancia se obtiene el gráfico:
Gráfica 10. Efecto pepita.
La discontinuidad en el variograma manifestado al comienzo estaría representado

por:
Gráfica 11. Discontinuidad en el variograma.
Un efecto de pepita debido a la presencia de microestructuras, permitirá estudiar

en detalle un fenómeno.
3.5. SUPERPOSICIÓN DE ESTRUCTURAS

Es frecuente encontrar variogramas con configuraciones como el de la figura
adjunta, llamadas estructuras superpuestas.
Gráfica 12. Estructuras superpuestas.
Una estructura de esta forma puede explicarse de la siguiente manera:

 La existencia del efecto pepita, puede deberse:
 A la taza de recuperación.
 A la presencia de micro estructuras.
 A errores de muestreo.
 El primer alcance explicaría a las características petrográficas.

 El segundo alcance puede caracterizar a la mineralización.
 El tercer valor nos indicaría diferencias a nivel regional del yacimiento
(orogénesis).
CAPÍTULO IV
ESTIMACIÓN DEL VARIOGRAMA
Existen varios estimadores pero el más común está dado por:
Donde:
N(h): es el número de pares Z(xi) y Z(xi + h) separados a una distancia h=|ℎ|
Debido a que el estimador es esencialmente una media muestral, tiene todas las
desventajas comúnmente asociadas a este tipo de estimadores como es la no
robustez. A menudo el empleo de este estimador produce variogramas
experimentales erráticos, lo cual se debe a desviaciones del caso ideal para la
aplicación del mismo. Estas desviaciones pueden ser enumeradas por su
importancia en el orden siguiente:
 Fuerte asimetría en la distribución de probabilidad.
 Varianza no constante. La varianza varía con la posición.
 Muestreo sesgado. Los puntos de medición se encuentran distribuidos de
manera no homogénea.
 Presencia de valores atípicos (outliers) distribucionales y espaciales.
4.1. CÁLCULO DEL VARIOGRAMA EXPERIMENTAL

La función variograma o semivariograma, define la correlación espacial entre los
valores muestreados. El variograma o semivariograma se obtiene calculando, para
cada distancia de separación entre las muestras. “Lag” en una determinada
dirección, la diferencia al cuadrado de los valores de dichas muestras. Es decir para
cada separación “h” se calcula el valor de y’(h) mediante la fórmula:
1
𝛾 ′ (ℎ) = ∑[𝑓(𝑋1 ) − 𝑓(𝑋1+ℎ )]2
2𝑁
Donde:
N: Número de pares de datos
f(x1) : El valor de la variable regionalizada en el punto i.
f(x1+h) : El valor de la variable regionalizada tomada a una distancia h.
Gráfica 13. Intervalo mínimo del muestreo.
LAG: Espaciado con que se calculan las diferencias al cuadrado entre muestras.
Ejemplo: LAG1 incluye las muestras adyacentes A y B, B y C, C y D, etc. La
distancia que representa el LAG,1 es el intervalo mínimo del muestreo.
Gráfica 14. Muestra de cálculo de LAG2.
Ejemplo: LAG2 requiere que se calcule las diferencias al cuadrado entre muestras
alternativa A y C, B y D, C y E, etc. Y así sucesivamente.
Gráfica 15. Muestra de cálculo de LAGs.
El número máximo de LAGs, es decir, de distancias n para calcular el Y´(h) suele

establecerse en la mitad de la distancia muestreada.
Longitudes mayores generan pocos pares de muestras por lo que estadísticamente

no es representativo. Se tienen 4 taladros de muestreo en una dirección
determinada, calcular: a) el variograma, b) Var. Relativo y c) el Var. Logarítmico.
Gráfica 16. Muestra de taladros en el muestreo.
a) Variograma
1
𝛾 ′ (ℎ) = ∑[𝑓(𝑋1 ) − 𝑓(𝑋1+ℎ )]2
2𝑁
(10 − 50)2 + (50 − 20)2 + (20 − 60)2
𝛾(1) = = 683.3
2∗3
(10 − 20)2 + (50 − 60)2
𝛾(2) = = 50
2∗2
(10 − 60)2
𝛾(3) = = 1250
2∗1
2N: 2(Número de pares), en este caso es tres pares.
1400
1200
1000
800
y(h)
600
400
200
0
1 2 3
h
Gráfica 17. Variograma de taladros en el muestreo.
b) Variograma relativo
10 + 50 + 20 + 60
𝑋1 = = 35
4
10 + 50 + 20 + 60
𝑋2 = = 35
4
10 + 60
𝑋3 = = 35
2
h 𝛾(ℎ) X 𝑋2 𝛾(ℎ)/𝑋 2
1 683.3 35 1225 0.56
2 50 35 1225 0.041
3 1250 35 1225 1.02
1,2
0,8
y(h)/x 2
0,6
0,4
0,2
0
1 2 3
h
Gráfica 18. Variograma relativo.
c) Variograma logarítmico
Análisis estructural mediante variogramas:
Z(x) 10 50 20 60
LN(Z(x)) 2.30 3.91 2.96 4.09
(2.30 − 3.91)2 + (3.91 − 2.96)2 + (2.96 − 4.09)2

𝛾(1) = = 0.81
2∗3
(2.30 − 2.96)2 + (3.91 − 4.09)2
𝛾(2) = = 0.11
2∗2
(2.30 − 4.09)2
𝛾(3) = = 1.61
2∗1
0.9
0.8
0.7
0.6
0.5
y(h)
0.4
0.3
0.2
0.1
0
1 2 3
h
Gráfica 19. Variograma logarítmico.
4.2. CÁLCULO DEL SEMIVARIOGRAMA EXPERIMENTAL
 El semivariograma experimental, posee numerosas zonas donde no existen

valores concretos.
 Únicamente existen valores definidos en aquellos lugares donde se ha
realizado el muestreo.
 Por lo tanto es necesario definir el valor de la variable en puntos donde el
semivariograma experimental no ofrece información suficiente.
 Para ello es necesario construir un modelo que nos permita obtener dicha
información.
4.3. MODELOS DE SEMIVARIOGRAMAS
4.3.1. MODELO EXPONENCIAL

Este modelo va ascendiendo lentamente hasta alcanzar la meseta a un valor
constante.
ℎ
𝑦(ℎ) = 𝐶(1 − 𝑒 𝑎
Gráfica 20. Modelo exponencial.
Donde:
 C: Valor comprendido entre el efecto pepita C0 y la meseta.

 h: Distancia
 a: Representa el alcance o rango
4.3.2. MODELO ESFÉRICO O MATHERNON

Es el que mejor se ajusta cuando se trata de variables mineras. Presenta una curva
del semivariograma que aumenta rápidamente del LAG para posteriormente,
ascender más lentamente hasta alcanzar una zona plana a valores de LAG altos.
ℎ ℎ3
𝑦(ℎ) = 𝑆 (1,5 ( ) − 0.5 ( 3 ))
𝑎 𝑎
Gráfica 21. Modelo esférico.
Si el semivariograma muestra fluctuaciones aleatorias alrededor de una línea

horizontal se tiene un efecto pepita puro en este caso la evaluación del yacimiento
se debe realizar por cualquier método clásico.
4.3.3. MODELO GAUSIANNO
ℎ2
−3
𝑦(ℎ) = 𝑆 (1 − 𝑒 𝑎2 ); h≥0
Gráfica 22. Modelo Gausianno.
4.3.4. MODELO LINEAL

Este modelo se presenta cuando, al representar y(h) frente a los Lags, se obtiene
una línea recta:
𝑦(ℎ) = 𝑝. ℎ + 𝑘
2
B
(h)
h=L/3
Gráfica 23. Modelo lineal.
Donde:
p: Pendiente de la recta
h : El LAG
k : La intersección en el eje X de y(h)
Este modelo suele estar presente en algunos yacimientos de hierro.

4.3.5. MODELO EFECTO AGUJERO
𝜋ℎ
𝑦(ℎ) = 𝑆 (1 − 𝐶𝑜𝑠 ( ))
𝑎
Gráfica 24. Modelo efecto agujero.
4.3.6. MODELO PEPITA NUGGET
𝑦(ℎ) = (1 − S(ℎ))
Gráfica 25. Modelo pepita nugget.
4.4. CASOS PARTICULARES RESPECTO A LOS MODELOS DE

SEMIVARIOGRAMA
4.4.1. SEMIVARIOGRAMA CON TENDENCIAS

Cuando existe ruptura de estacionariedad (cambio en la tendencia de la meseta)
Se produce un una distancia superior al alcance. No tiene incidencia en la
estimación local de los bloques definidos para el yacimiento.
Cuando este tipo de semivariograma domina, es necesario utilizar la técnica de
Krigeage universal, en lugar de krigeage ordinario que se aplica en las situaciones
de estacionariedad.
Gráfica 26. Semivariograma con tendencias.
4.4.2. SEMIVARIOGRAMA CON EFECTO AGUJERO

Este efecto ocurre cuando se alternan áreas con alta ley y áreas con baja ley. El
resultado es una pseudoperiocidad, reflejada en una oscilación de semivariograma
alrededor de una aparente meseta. Aplicación en yacimientos aluviales.
Gráfica 27. Semivariograma con efecto agujero.
4.4.3. SEMIVARIOGRAMA COMPUESTO

Esta situación aparece cuando se obtienen diferentes semivariogramas a lo largo
de diversas direcciones del yacimiento. Esto significa que en vez de tener un área
de búsqueda isótropa (círculo o esfera) se posee una zona elíptica o elipsoidal. Esto
es evidente en yacimientos aluviales, donde se tiene alcance en dirección
perpendicular al yacimiento.
Gráfica 28. Semivariograma compuesto.
CAPÍTULO V
VARIOGRAMAS EXPERIMENTALES EN DIVERSOS YACIMIENTOS
Metodología de modelamiento de variogramas

 Definir un dominio poblacional, refrendado en los análisis previos.
 Para la búsqueda de los variogramas se determina parámetros de trabajo: La
interdistancia (h), comúnmente llamada por los operadores de software como
“LAG”, tiene que ser encontrada evaluando estadísticamente la distancia entre
las muestras. Los ángulos de Azimut e Inclinación para las direcciones de la
estructura mineralizada.
 Definidos los parámetros se procede a la búsqueda de los variogramas
experimentales.
 Obtenido el variograma de mayor alcance, se debe verificar si se tiene una
buena población representativa del número de pares de trabajo de los primeros
términos de la función variograma. Y(h)
 La búsqueda se realizara por los rangos de Azimut de 0° y 360° y con rangos
de Inclinación de -90°, 90°.
 Por último el proceso de este trabajo es reiterativo, ya que se busca el
variograma de mayor tendencia, y que este sustentado por el mayor número de
parejas posibles.
5.1. YACIMIENTOS FILONIANOS

Para este yacimiento se tomó como ejemplo el proyecto Caylloma. En el cual se
trabajó con un total de 26577 muestras. Y el compósito se consideró de 0.5 m.
Figura 01. Vista SE de los sondajes y chimeneas que corresponden a la información usada para el
estudio del proyecto minero Caylloma.
Figura 02. Vista de la distribución espacial de las leyes de Plata, Ag(gr/tn) de las muestras
compósito del proyecto minero Caylloma.
5.1.1. VARIOGRAMAS EXPERIMENTALES DE LA PLATA
Gráfica 29. Variograma de la Plata (Ag), LAG 1 y 2.
Gráfica 30. Variograma de la Plata (Ag), LAG 2.
Los variogramas experimentales de la plata en este tipo de yacimiento filoneano,

reflejan en direcciones verticales y horizontales mayores grados de erraticidad de
la variable.
Gráfica 31. Variograma de la Plata (Ag), con Az y DP diferentes.
Los variogramas de plata presentados en la dirección de 40º y 60º de azimut

muestran comportamiento errático puro de la variable en esas direcciones.
5.1.2. VARIOGRAMAS EXPERIMENTALES DE LA ORO
Gráfica 32. Variograma del Oro (Au), LAG 2.
Los variogramas experimentales del oro para este tipo de yacimiento filoneano,
muestran comportamiento estacionario en rangos de 6 a 12 metros con alta
erraticidad, lo cual es verificado por su coeficiente de variación de 12.55.
5.1.3. VARIOGRAMAS EXPERIMENTALES DE LA PLOMO

Los variogramas experimentales del plomo encontrados, reflejan radios de
influencia de 24 metros como máximo, como se observa en la dirección de azimut
de 130º, con un buzamiento de -45º, en este tipo de yacimiento filoneano
considerado epitermal intermedio.
Gráfica 33. Variograma del Plomo (Pb), LAG 2.
5.2. YACIMIENTO PÓRFIDO SKARN

Se entiende por skarn rocas que contienen minerales calcosilicatados.
Wollastonita: CaSiO3
Figura 03. Wollastonita con contenido de calcosilicatos.
Los depósitos minerales skarn son encontrados en los contactos entre plutones
ígneos y rocas sedimentarias o en fisuras distales en rocas carbonatadas.
Figura 04. Depósito Skarn.
Se encuentran adyacentes a plutones, a lo largo de las fallas y de las principales

zonas de cizalla.
Rocas metamórficas regionales o de contacto constituidas por silicatos de Ca, Mg
y Fe derivados de un protolito de calizas y dolomitas en las cuales se ha introducido
metasomáticamente grandes cantidades de Si, Al, Fe y Mg.
Skarns pueden subdividirse según varios criterios. Exoskarn y Endoskarn son los
términos más utilizados para indicar protolito sedimentario o protolito ígneo,
respectivamente.
5.2.1. CLASIFICACIÓN DE LOS YACIMEINTOS TIPO SKARN
a) Skarn de Hierro
Los skarns más grandes son los depósitos de hierro. Los skarns de hierro son
minados por su contenido de magnetita y aunque pequeñas cantidades de Cu, Co,
Ni y Au puede estar presente, el hierro es generalmente la única mercancía
recuperable. Muchos de los depósitos son muy grandes (> 500 millones de
toneladas, > 300 millones de toneladas que figuran Fe) y consisten
predominantemente de magnetita con poco silicato de ganga. Algunos depósitos
contienen cantidades significativas de cobre y son más típicos de transición a
skarns de cobre.
b) Skarn de Cobre
También están asociados a ambientes de margen continental, relacionados a
magmas calcoalcalinos del tipo “I”, específicamente stocks y pórfidos
granodiorítico/dacíticos y cuarzo monzoníticos. Tienen un alto contenido de
granates y una alta razón granate/piroxeno. También se observa un alto contenido
de magnetita - hematita, indicando un ambiente oxidante. Los sulfuros típicos son
pirita, calcopirita y menor bornita y esfalerita, indicando un moderado grado de
sulfuración. Estos yacimientos pueden estar asociados a pórfidos cupríferos o bien
a pórfidos estériles.
Si la Roca de carbonato alrededor de la intrusión contiene un estrato de caliza
permeable y porosa y cálcica, entonces los fluidos mineralizadores fluyendo a
través de el generarán un skarn de cobre. Estos skarns pueden extenderse

lateralmente para varios kilómetros.
Figura 05. Depósito Skarn de Cobre.
c) Skarn de Zinc-Plomo
Corresponden a cuerpos mineralizados de reemplazo metasomático de posición y
relación con respecto a un intrusivo variable, pero siempre distales. Estos
yacimientos ocurren en márgenes continentales de subducción relacionados al
menos como fuente de fluidos hidrotermales a intrusivos granodioríticos y cuarzo
monzonitas calcoalcalinas del tipo “I”.
Un tipo de depósito formado por un sistema del pórfido de cobre es skarn de zinc,
lo cual ocurre en los bordes exteriores del área mineralizado y típicamente patrocina
mineralización de plata de delantera de cinc. Los skarns forjado a mantos (los
cuerpos tabulares), venillas y chimeneas o tuberías.
Para este yacimiento se tomó como ejemplo el proyecto Morococha. En el cual se

trabajó con un total de 89277 muestras. Y el compósito se consideró de 3 m.
Figura 06. Vista de los sondajes que corresponden a la información usada para el estudio del
proyecto Morococha.
El archivo secuencial tiene el siguiente número de muestras para las variables

económicas:
Variable n Min
Cu (%) 87028 0.0009
Los variogramas experimentales del cobre presentados reflejan distancias de 45 a

90 metros de alcance para este tipo de yacimiento pórfido skarn. El cobre tiene un
coeficiente de variabilidad de 1.02, una varianza estadística de 0.19 muy por debajo
de su meseta y su pepita representa el 35 % de su meseta.
Gráfica 34. Variograma del Cobre (Cu).
5.3. YACIMIENTO EPITERMAL DE ALTA SULFURACIÓN

Para este yacimiento se tomó como ejemplo el proyecto Hualgayoc. En el cual se
trabajó con un total de 4420 muestras. Y el compósito se consideró de 2 m.
Figura 07. Vista de los sondajes y canales que corresponden a la información usada para el
estudio del proyecto Hualgayoc.
Los variogramas experimentales del oro de este proyecto ubicado en la franja

metalogenética de los volcánicos Cenozoicos de la zona norte de la cordillera de
los Andes, clasificado como un yacimiento Epitermal HS de baja ley, reflejan un
comportamiento de media a baja variabilidad, una relación que va desde el 40% al
45% entre su efecto pepita y la meseta, con una varianza estadística de 0.76 por
encima de la meseta del variograma y alcance de entre 20 a 40 metros.
Gráfica 35. Variograma del Oro (Au).
Los variogramas experimentales de la plata reflejan distancias de entre 20 a 30

metros de alcance. Tienen una variabilidad menor que la del oro para este
yacimiento, que es de 1.45 tal cual se refleja en sus variogramas. Los variogramas
también reflejan un mayor grado de variabilidad en la dirección vertical.
Gráfica 36. Variograma de la Plata (Ag).
CAPÍTULO VI
CONCLUSIONES Y RECOMENDACIONES
CONCLUSIONES
 La geoestadística es una herramienta muy importante en el estudio de la
distribución espacial y leyes de los yacimientos metálicos.
 El análisis estructural de variogramas es muy útil para la interpretación de estos.
 Se logró relacionar los variogramas de diferentes minerales en un solo tipo de
yacimiento y se concluyó que el comportamiento espacial y de leyes no
necesariamente es el mismo por estar en un mismo yacimiento.
RECOMENDACIONES
 Tratar de ejemplificar los variogramas, aplicados al ámbito netamente minero.
 Corregir los errores de cálculo que se pueden generar en la elaboración del
informe
 Hacer hincapié en una mejor investigación, del análisis estructural con
variogramas.
REFERENCIAS
 GEOESTADISTICA APLICADA MARTÍN A. DÍAZ VIERA., Instituto de

Geofísica, UNAM., Instituto de Geofísica y Astronomía, CITMA, Cuba.
 XAVIER EMERY "Análisis Geostadístico de datos funcionales Universidad de
Chile"
 INTRODUCCIÓN A LA GEOESTADÍSTICA, Universidad Nacional de Colombia.

Informe Diseno Estructural Con Variogramas

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Informe Diseno Estructural Con Variogramas

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL DE CAJAMARCA

ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍA DE MINAS

ANÁLISIS ESTRUCTURAL CON VARIOGRAMAS

ALFARO VALENCIA, Antony

LISTA DE FIGURAS .............................................................................................. 3

CAPÍTULO I: INTRODUCCIÓN ............................................................................. 5

1.1. OBJETIVOS ................................................................................................. 5

CAPÍTULO II: CONCEPTOS GEOESTADÍSTICOS .............................................. 6

2.1. HERRAMIENTAS GEOESTADÍSTICAS ...................................................... 6

CAPÍTULO III: ANÁLISIS ESTRUCTURAL .......................................................... 9

3.1. COMPORTAMIENTO DEL SEMIVARIOGRAMA EN EL ORIGEN............... 9

CAPÍTULO IV: ESTIMACIÓN DEL VARIOGRAMA ............................................ 16

4.1. CÁLCULO DEL VARIOGRAMA EXPERIMENTAL ..................................... 16

CAPÍTULO V: VARIOGRAMAS EXPERIMENTALES EN DIVERSOS

5.1. YACIMIENTOS FILONIANOS .................................................................... 25

CAPÍTULO VI: CONCLUSIONES Y RECOMENDACIONES .............................. 34

Figura 01. Vista SE de los sondajes y chimeneas que corresponden a la información

Gráfica 01. Función del variograma. ...................................................................... 6

La geoestadística es una rama de la estadística aplicada que se especializa en el

1.1.1. OBJETIVO PRINCIPAL

 Describir el análisis estructural, como herramienta para desarrollar análisis

1.1.2. OBJETIVOS ESPECÍFICOS

 Explicar la utilización de variogramas en los procesos de análisis estructural.

2.1. HERRAMIENTAS GEOESTADÍSTICAS

Gráfica 01. Función del variograma.

La definición teórica de la función variograma γ(h) es la siguiente fórmula:

2.1.1.1. CARACTERÍSTICAS BÁSICAS

El sill conocido también como la “Meseta” es el valor máximo que alcanza el

Conocido también como Alcance, el Rango es la distancia a la cual el

Gráfica 02. Representación del rango y sill.

El alcance, también nos indica las características geológicas de formación de un

El análisis estructural es uno de los tópicos más importantes de la geoestadística

3.1. COMPORTAMIENTO DEL SEMIVARIOGRAMA EN EL ORIGEN

Gráfica 03. Efecto pepita puro.

El gráfico “Ley” en función de la distancia “x” sería:

Gráfica 04. Ley en función de la distancia.

3.1.2. VALORES MUY REGULARES Y CONTINUOS

Gráfica 05. Comportamiento de las leyes.

3.1.3. CONTINUIDAD MEDIA

Gráfica 06. Diferencia de leyes para dos muestras distantes de “d”.

3.1.4. PRESENCIA DE MICROESTRUCTURAS

Gráfica 07. Registro de las microvariaciones

3.2.1. ANISOTROPÍA GEOMÉTRICA

3.2.2. ANISOTROPÍA ZONAL

Gráfica 08. Indicación del alcance.

Gráfica 09. Representación de un yacimiento de carbón.

Analizando el variograma experimental, se observa que el alcance es del orden de

3.4. EFECTO DE PEPITA

Gráfica 10. Efecto pepita.

La discontinuidad en el variograma manifestado al comienzo estaría representado

Gráfica 11. Discontinuidad en el variograma.

Un efecto de pepita debido a la presencia de microestructuras, permitirá estudiar

3.5. SUPERPOSICIÓN DE ESTRUCTURAS

Gráfica 12. Estructuras superpuestas.

Una estructura de esta forma puede explicarse de la siguiente manera:

 El primer alcance explicaría a las características petrográficas.

Existen varios estimadores pero el más común está dado por:

4.1. CÁLCULO DEL VARIOGRAMA EXPERIMENTAL

Gráfica 13. Intervalo mínimo del muestreo.

Gráfica 14. Muestra de cálculo de LAG2.

Gráfica 15. Muestra de cálculo de LAGs.

El número máximo de LAGs, es decir, de distancias n para calcular el Y´(h) suele

Longitudes mayores generan pocos pares de muestras por lo que estadísticamente