Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Cianuracion de Min Auriferos
Cianuracion de Min Auriferos
FACULTAD DE INGENIERÍA
ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍA DE MINAS
CURSO : Geoestadística.
INTEGRANTES :
CASTILLO MORENO, Keylor.
MOSQUEIRA VILLAR, Paola
MUJICA CABRERA, Juan
PERALTA RODAS, Pool.
TERAN TOLEDO, Fernando.
20 DE JULIO DE 2016
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERÍA
Escuela Académico Profesional de Ingeniería de Minas
ÍNDICE
1 INTRODUCCIÓN......................................................................................................................3
2 OBJETIVOS ............................................................................................................................ 4
8 CONCLUSIONES ................................................................................................................... 37
9 REFERENCIAS BIBLIOGRÁFICAS............................................................................................ 38
2
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERÍA
Escuela Académico Profesional de Ingeniería de Minas
1 Introducción
La geoestadística ofrece un método de estimación de reservas, usando el variograma,
llamado krigeado, se utiliza en la evaluación de yacimientos para estimar el valor de una
variable regionalizada, en un punto o en un bloque, a partir del uso de factores de
ponderación.
Se considera al método de kriging del tipo MELI (Mejor Estimador Lineal Insesgado)
o ELIO (Estimador Lineal Insesgado Óptimo): es lineal porque sus estimaciones son
combinaciones lineales ponderadas de los datos existentes; y es insesgado porque procura
que la media de los errores sea nula; es el mejor porque los errores de estimación tienen
una variancia mínima.
3
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERÍA
Escuela Académico Profesional de Ingeniería de Minas
2 Objetivos
4
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERÍA
Escuela Académico Profesional de Ingeniería de Minas
3 Marco Teórico.
Lineales:
- Simple.
- Ordinario.
- Universal.
- Residual
5
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERÍA
Escuela Académico Profesional de Ingeniería de Minas
No lineales:
- Disyuntivo
- Indicador
- Probabilístico
Puntual.
En bloques.
Paramétrico:
- Multigaussiano.
- Disyuntivo.
- Lognormal.
No paramétrico:
- Simple
- Ordinario
- Universal
- Residual
- Indicador
- Probabilístico.
6
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERÍA
Escuela Académico Profesional de Ingeniería de Minas
El objetivo del Kriging es interpolar la ley a partir de muestras que lo rodean, asignando
pesos a cada muestra que reduzca al mínimo la varianza de estimación, se interpreta la ley
con la máxima precisión posible.
Imagen N° 1. Kriging
4 Kriging puntual.
El krigeage puntual o krigeage ordinario; a diferencia del kriageage simple que asume
que las medias locales son relativamente constantes y de valor muy semejante a la media
de la población que es conocida, la media de la población es utilizada para cada
7
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERÍA
Escuela Académico Profesional de Ingeniería de Minas
estimación local, en conjunto con los puntos vecinos establecidos como necesarios para
la estimación. En el Kriageage puntual las medias locales no son necesariamente
próximas de la media de la población, usándose apenas los puntos vecinos para la
estimación. Es el método más ampliamente utilizado en los problemas ambientales.
Es un interpolador exacto en el sentido de que las ecuaciones calculadas las utiliza para
interpretar los valores y habrá una coincidencia exacta entre los valores interpolados y
los puntos de datos originales.
El mayor interés que presenta el krigeage puntual es que permite obtener una serie de
valores estimados a los cuales, posteriormente, se les puede ajustar una serie de líneas
de isocontenidos, por ejemplo para las leyes o potencias del nivel mineralizado.
En algunas ocasiones, en vez de estimar la ley media de un bloque V, interesa estimar la
ley en un punto x0 (problema de interpolación).
8
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERÍA
Escuela Académico Profesional de Ingeniería de Minas
Imagen N° 2. Krigeado del punto x0. Se puede generar una grilla de valores interpolados al hacer variar x0. Esta
técnica tiene aplicación en la cartografía automática y en la simulación de leyes.
5 Ejercicio resuelto.
El cuadrillado representa sondajes en los puntos X1, X2, X3, X4, con leyes de 3,2%; 2,5%;
4,0% y 1,5% respectivamente. Se desea conocer la ley en el punto X0, sabiendo que el
variograma asociado corresponde a un modelo esférico con las siguientes características:
Co = 2, C = 20 y a = 200 m.
9
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERÍA
Escuela Académico Profesional de Ingeniería de Minas
Solución
El problema se resuelve de la siguiente manera:
[ λ] = [𝐾]−1 ∗ [𝑀2]
10
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERÍA
Escuela Académico Profesional de Ingeniería de Minas
Se tiene que:
11
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERÍA
Escuela Académico Profesional de Ingeniería de Minas
[ λ] = [𝐾]−1 ∗ [𝑀2]
FACULTAD DE INGENIERÍA
Escuela Académico Profesional de Ingeniería de Minas
Al resolver se obtiene:
λ1 = 0.518
λ2 = 0.022
λ3 = 0.089
λ4 = 0.371
μ = 0.915
Se verifica que:
d) Calcular la ley.
6 Kriging en bloques.
El método más usado en la modelación de recursos consiste en la discretización del espacio
3D en bloques o celdas tridimensionales. Cada celda contiene los atributos (litología, tipo
de mineralización etc.) y las mediciones (leyes, propiedades físico mecánicas) del dominio
geológico en que se encuentra. Los atributos de los bloques se determinan sobre la base
de la intersección con el modelo geológico o su posición respecto a una superficie
triangulada y las leyes a través de la estimación con técnicas de interpolación espacial.
13
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERÍA
Escuela Académico Profesional de Ingeniería de Minas
2.8 = (90 ; 0)
El primer modelo de bloque fue utilizado a comienzos de los años 60 por la Kennecott
Koper Corporation en un depósito de pórfido cuprífero. Se empleó para describir la
distribución espacial de las leyes y no la geometría de los dominios geológicos.
Cada bloque debe contener toda la información disponible en las fases de desarrollo de
un proyecto: litología-mineralogía, contenidos de metales, calidades en el caso del carbón
y rocas industriales, contenidos de contaminantes, parámetros geomecánicos, datos
hidrogeológicos, etc.
14
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERÍA
Escuela Académico Profesional de Ingeniería de Minas
Posición del modelo: se especifica a partir de las coordenadas del centroide del
bloque llave (key block).
Con el objetivo de alcanzar una mayor resolución del modelo de bloque en los límites de
los cuerpos minerales se utilizan bloques (sub bloques) con dimensiones menores que los
originales. El modelo de bloques puede ser rotado y orientado de manera que se ajuste a la
estructura geológica y respete los elementos de yacencia del yacimiento estudiado.
15
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERÍA
Escuela Académico Profesional de Ingeniería de Minas
Imagen N° 5. Parámetros que definen el modelo de bloque: Posición del bloque llave (Xmorg, Ymorg, Zmorg),
dimensiones del bloque (dx, dy, dz), extensión del modelo (X (nx), Y (ny), Z (nz).
Este enfoque teórico en muchos casos no es práctico desde el punto de vista técnico
(demasiados sub-bloques para poder respetar los límites del modelo geológico y lograr una
16
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERÍA
Escuela Académico Profesional de Ingeniería de Minas
17
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERÍA
Escuela Académico Profesional de Ingeniería de Minas
𝑍(𝐴) = ∑ ʎ𝑖𝑍(𝑥𝑖)
𝑖=1
18
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERÍA
Escuela Académico Profesional de Ingeniería de Minas
La varianza del error de predicción del kriging en bloques está dada por:
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.
19
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERÍA
Escuela Académico Profesional de Ingeniería de Minas
0,25 0,265
0,25
0,129
50 50
0,247 0,074
50 0,233 0,233 50
50 0,426 0,426
0,174
0,080 0,074
0,033
50 50
20
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERÍA
Escuela Académico Profesional de Ingeniería de Minas
0,215 0,3437
0,111 0,016
50 0,242 0,106 50 0,2674 0,013
0,111 0,016
0,215
0,3437
50 50 100 150
2 2
K = 0,0827 K = 0,1206
0,208 0,1044
50 50
0,042 0,1456
50 50
(h) = 0,2 + 0,8 Sph(100) (h) = 0,7 + 0,3 Sph(100)
Interpolación exacta: la estimación en un sitio con dato es igual al valor del dato y la
varianza de kriging en este sitio vale 0
21
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERÍA
Escuela Académico Profesional de Ingeniería de Minas
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.
22
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERÍA
Escuela Académico Profesional de Ingeniería de Minas
Vecindad móvil: se usa sólo los datos cercanos al sitio (bloque) a estimar
Para validar los parámetros del kriging (modelo de variograma, vecindad elegida), se puede
usar los siguientes métodos:
23
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERÍA
Escuela Académico Profesional de Ingeniería de Minas
Jack-knife: se divide la muestra inicial en dos partes (por ejemplo, cuando hay dos
campañas de sondajes), y se estima una parte a partir de la otra
Luego, se hace un estudio estadístico de los errores cometidos para saber si el kriging fue
“satisfactorio” (buena precisión, poco sesgo condicional…)
Criterios de validación:
Medias de los errores y de los errores estandarizados: deben ser cercanas a cero
estimador sin sesgo
Varianza de los errores: debe ser la más baja posible estimador preciso
7 Ejercicio resuelto.
1. Mediante el método del Kriging Ordinario, se tienen las ecuaciones que debemos
resolver:
24
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERÍA
Escuela Académico Profesional de Ingeniería de Minas
Resolvemos para V:
25
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERÍA
Escuela Académico Profesional de Ingeniería de Minas
26
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERÍA
Escuela Académico Profesional de Ingeniería de Minas
27
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERÍA
Escuela Académico Profesional de Ingeniería de Minas
2. Considere una regionalización de dos dimensiones que se caracteriza por una función
aleatoria de punto 𝑍(𝑥) que, como una primera aproximación, se supone que es intrínseca
con un semivariograma isotrópico estacionario: 𝛾(ℎ) = 𝛾(|ℎ|).Por ejemplo, Z (u, v) puede
ser el grosor vertical de una veta sedimentaria.
28
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERÍA
Escuela Académico Profesional de Ingeniería de Minas
𝑍̂𝑣 = ∑ 𝜆𝑖 𝑍(𝑆𝑖 )
𝑖=1
Con
1
𝑍(𝑆2 ) = [𝑍(𝑂4 )+𝑍(𝑂5 )]
2
(Las dimensiones del soporte 𝑣 son neglectable con respecto a la longitud 𝑙),
29
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERÍA
Escuela Académico Profesional de Ingeniería de Minas
Donde H (L, l) denota una función auxiliar, que da la media del semi-variograma 𝛾(ℎ) si un
extremo del vector ℎ se fija en una esquina de un rectangular de tamaño Lxl y el otro
extremo se mueve uniformemente por el área de la rectangular. Esta función se puede dar
analíticamente para variogramas simples, los valores más complicados pueden ser leídos
desde diagramas gráficos.
Donde 𝐹(𝐿, 𝑙) es una función auxiliar similar H; que representa la media de 𝛾(ℎ) si los dos
extremos de ℎ se mueven uniformemente a través del área del rectangular de tamaño
𝛾(ℎ)ℎ 𝐿 𝑥 𝑙.
Para proceder más lejos, un modelo lineal con efecto de pepita se considera:
30
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERÍA
Escuela Académico Profesional de Ingeniería de Minas
31
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERÍA
Escuela Académico Profesional de Ingeniería de Minas
Los valores anteriores de los parámetros 𝐶𝑜𝑣 , y 𝑤𝑙 se han elegido con el fin de
garantizar, en tres casos, una variación de dispersión constante de datos de soporte
𝑣 en el panel V:
32
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERÍA
Escuela Académico Profesional de Ingeniería de Minas
Lo que da
Podemos ver que en este caso de efecto de pepita puro, los pesos 𝜆𝑖 son
proporcionales al tamaño del soporte. La ubicación no es importante.
33
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERÍA
Escuela Académico Profesional de Ingeniería de Minas
Se destaca que 𝑆1 obtiene el peso más grande y que 𝜆2 es mayor que 2𝑥𝜆3 . La varianza es
𝜎𝑘2 = .29.
34
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERÍA
Escuela Académico Profesional de Ingeniería de Minas
𝜆1 + 𝜆2 + 𝜆3 = 1
Con la solución:
Podemos ver que el centro de la muestra, incluso se pone un peso más alto.
𝑙√2⁄4.
35
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERÍA
Escuela Académico Profesional de Ingeniería de Minas
Para este propósito, es necesario caracterizar en alguna forma la variabilidad espacial del
fenómeno en estudio. El método geoestadístico es utilizar la función estructural 𝛾(ℎ) con
la que se puede calcular la varianza de estimación de cualquier estimador lineal insesgado.
.344 .182
.172 .091
.323 .553
.344 .182
.172 .091
.296 .339
.344 .182
.172 .091
.27 .225
36
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERÍA
Escuela Académico Profesional de Ingeniería de Minas
8 Conclusiones
El krigeage puntual a diferencia del kriageage simple que asume que las medias
locales son relativamente constantes y de valor muy semejante a la media de la
población que es conocida.
37
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERÍA
Escuela Académico Profesional de Ingeniería de Minas
9 Referencias bibliográficas
Proyecto de Evaluación de Yacimientos - Clase Nº 6
DE MÉXICO.
http://geoestadistica.com/objetivo_kriging.htm.
38