Evaluacion de Estabilidad para Cierres Mineros

Universidad de Oviedo
Zonificación del Macizo Rocoso
Profesor: Dr. Víctor Manuel González Marroquín

Email: vgonzalez@stimma.es
Universidad de Oviedo - stimma 1

Profesor: Dr. Víctor Manuel González. E-mail: vgonzalez@stimma.es
INDICE PRIMER DÍA (8H)
Bibliografí
1. INTRODUCCIÓN
2. GENERACIÓN DEL MODELO GEOLÓGICO
2.1. Entrada de Datos
2.2. Metodologías
2.3. Definición SIG
2.4. Registro de Imágenes
2.5. Ejercicio 1
2.6. Bases de Datos de Sondeos
2.7. Ejercicio 2
2.8. Métodos de Interpolación para Z
2.9. Modelos Digitales del Terreno (DTM)
2.10.Ejercicio 3
2.11.Ejercicio 4
2.12.Generación de los Modelos Alámbricos
2.13.Algebra booleana
2.14.Ejercicio 5
2.15.Modelo de Bloques. Manipulación
2.16.Ejercicio 6
3. MODELO GEOTÉCNICO. MATRIZ ROCOSA
3.1. Caracterización
3.2. Propiedades Mecánicas
3.3. Datos Geomecánicos de sondeos
3.4. Método de Interpolación de variables ID2
3.5. Ejercicio 7
INDICE SEGUNDO DÍA (8H)
4. MODELO GEOTÉCNICO. FRACTURACIÓN DEL MACIZO ROCOSO

4.1. Caracterización de discontinuidades
4.2. Propiedades Mecánicas
4.3. Orientación y Buzamiento
5. CLASIFICACIONES GEOMECÁNICAS
5.1. Q de Barton
5.2. Bieniaswki 2003
6. ASIGNACIÓN DE VARIABLES A LOS MODELOS. GEOESTADÍSTICA
6.1. Polígonos de Thiessen
6.2. Geoestadística
6.2.1. Definición
6.2.2. Variograma Teórico
6.2.3. Variograma Experimental
6.2.4. Variograma Omnidireccional, cloud
6.2.5. Mapa de Variograma
6.2.6. Variación Angular
6.2.7. Características Básicas del Variograma
6.2.8. Comportamiento a pequeña y larga distancia
6.2.9. Anisotropías
6.2.10. Covarianza vs Variograma
6.2.11. Propiedades del Variograma Teórico
6.2.12. Modelos de Variogramas
6.2.13. Kriging Simple. Aplicación a la planificación
6.2.14 Simulación Condicionada
6.2.14. SGeMS
6.3. Ejercicio 8 3
Universidad de Oviedo - stimma
INDICE TERCER DÍA (4H)
7. MODELO GEOTÉCNICO. EVALUACIÓN DEL RMR 2003

7.1. Evaluación del RMR sin modelo hidráulico
7.2. Obtención de productos derivados
8. RMR 2003 CON MODELO HIDROGEOLÓGICO
8.1. Propiedades hidrológicas
8.2. Ejercicio 9
8.3. Generación del modelo hidrogeológico y RMR 2003
8.4. Propiedades resistentes
8.5. Mohr-Coulomb
8.6. Hoek y Brown
8.7. Cálculo del estado tensión-deformación del Macizo
9. ANÁLISIS DE RIESGOS POR ORIENTACIÓN DE FRACTURAS

9.1. Tratamiento de la Orientación y Buzamiento de fracturas
9.2. Ejercicio 10
10. ESTRATEGIAS DE PLANIFICACIÓN EN OPEN PITS

10.1 Definición de los límites de explotación
10.2 Definición del Programa de extracción
10.3 Valoración Económica. Costos de Extracción y de Planta
10.4 Análisis de Sensibilidad
10.5 Ejercicio 11

BIBLIOGRAFÍA Y MATERIAL DOCENTE
• CURSO DE MECÁNICA DE ROCAS. Presentacion PPT. Miguel Ángel Rodríguez Díaz
• MANUAL DE TÚNELES Y OBRAS SUBTÉRRANEAS (tomo 1). Carlos López Jimeno et all
• MODELIZACIÓN NÚMERICA DE CAPAS DE CARBÓN EN LA CUENCA CENTRAL
ASTURIANA. Tesis Doctoral. Víctor G. Marroquín
• GEOMECHANICAL SURVEYS AND GEOSTATISTICAL ANALYSIS IN VALCHIAVENNA. F.
Ferrari et all.
• Manuales de DATAMINE. J. Newland et all.
• Manuales de Geomedia Pro y Geomedia Grid
• Curso de Variogramas. Presentación PPT. Oscar Rondón
• Manuales SGeMS
Programas Utilizados
• DATAMAMINE
• GEOMEDIA PRO y GEOMEDIA GRID
• VARIOWIN- SGeMS
• EXCEL
1. INTRODUCCIÓN

MINERÍA A CIELO ABIERTO. CONCEPTOS BÁSICOS
• Excavación superficial, cuyo objetivo es la extracción de mineral.
• Consideraciones:
– Modelo de Bloques a utilizar (calidad de los recursos minerales).
– Modelo de costos (mejor estimación de los costos de largo plazo).
– Precio de Largo plazo de los minerales que serán explotados.
– Parámetros de diseño (ángulo de talud, recuperación metalúrgica, etc).
– Restricciones Medio Ambientales.

7
ESQUEMA GENERAL DE LA PLANIFICACIÓN A CIELO
ABIERTO
Evaluación de Recursos
Definición de Mineral Ley de

Corte marginal
Consideraciones Geotécnicas
y Geométricas
Valorización
Secuencia
Programa de Producción

CICLO COMPLETO DE OPERACIONES DE UN
OPEN PIT
Sondeos y P.L. Modelo de

Costos
Modelo
Geológico
DTM’s
Modelo de
Bloques

9
INTRODUCCIÓN
Fuentes para la elaboración de un modelo
geotécnico
La Elaboración de un Modelo del Macizo Rocoso mediante
• Información existente. Cartografía general y labores antiguas

• Extrapolación de datos de superficie: Afloramientos.
• Medidas indirectas: Sísmica, Geofísica en general
• Medidas Puntuales: Sondeos con testificación
• Dos modelos a elaborar: Geológico sobre el que se superpone el Geomecánico
• Desde el Modelo Geomecánico se pueden abordar los modelos de cálculo

numérico.

10
INTRODUCCIÓN
El medio rocoso. Modelo Geotécnico

11
INTRODUCCIÓN
El medio rocoso. Modelo Geotécnico

12
INTRODUCCIÓN
El medio rocoso. Modelo Geológico

INTRODUCCIÓN
El medio rocoso. Modelo Geomecánico

INTRODUCCIÓN
El medio rocoso. Modelo Geomecánico

16
2. Generación del Modelo Geológico

ENTRADA DE DATOS
• Cartografía geológico-geotécnica. Escalas adecuadas al objeto del modelo

• Fotogeología
– Geomorfología y depósitos de recubrimiento, plegamientos y fracturación y
reconocimiento de litologías.
• Cartografía de Afloramientos
– Afloramientos
• Clasificaciones Geomecánicas
• Resistencia de la matriz rocosa
• Grado de meteorización.
– Tectónica y Estructura
– Hidrogeología
Posteriormente hay que integrar esta información en forma de MODELO

METODOLOGÍAS DE ENTRADA DE DATOS
• Datos de partida:
– Numéricos (hojas de cálculo, texto)
– Gráficos
• Analógico: Digitalización e interpretación
• Digitales. Compatibilidad de formatos (Autocad,Shp,etc)
– Es imprescindible una herramienta para el tratamiento previo de datos

antes de proceder a ejecutar el modelo
– CAD, SIG y hojas de cálculo y/o Ba

SISTEMAS DE COORDENADAS GEOGRÁFICOS
Definición

Profesor: Dr. Víctor Manuel González. E-mail: vgonzalez@stimma.es www.uniovi.net/regiolab
El problema de la representación del terreno
La Superficie de la Tierra no es representable en 2D.
Es una forma irregular que se modeliza en primera instancia a

una superficie equigravitatoria denominado Geoide. Primera
pérdida de precisión al eliminar zonas elevadas o hundidas
Este Geoide aún no es tratable matemáticamente. Hay que

aproximarlo a elipsoides de revolución (con dos ejes R1 y R2)
que son tangentes a un punto centrado de la zona a
representar.
Ya tenemos otra deformación entre la realidad y el modelo.
La representación del punto de contacto entre el elipsoide y el

geoide no tiene deformación.
Con un elipsoide con semiejes R1(r) y R2, tampoco podemos hacer
una representación plana.
Podemos sin embargo, representar los puntos mediante una red de

curvas ortogonales. Las que comiencen en la circunferencia mayor
de radio R1 desde el Ecuador hasta los Polos, denominadas
paralelos y las ortogonales a ellas, denominadas meridianos,
comenzado convencionalmente por el de Greenwich y creciendo
hacia el Este.
Estas curvas se dividen en grados sexagesimales denominadas

latitud y longitud cuyo origen es el punto de encuentro del Ecuador
(latitud(l)=0) y Greenwich (longitud(L)=0) hasta el Polo Norte (l=90)
o Polo Sur(l=-90)
La longitud(L) varía desde 0 hasta 180, positivo al Este, negativo al
Oeste.
Con estas coordenadas angulares (latitud y longitud) podemos
llevarlas a un papel y representarlas. Veamos como quedaría España
si la representamos de esta forma.

Extraño, ¿no?. Un mapa se realiza porque tiene una utilidad práctica. Con
esta representación, poco podemos hacer. No se puede medir, no se
pueden trazar rumbos …
Para poder realizar mapas útiles, es necesario buscar métodos que

consigan «aplanar» el elipsoide produciendo unas deformaciones
controladas.
Normalmente se utilizan cuádricas (o planos, que no dejan de ser

cuádricas sin los términos de segundo orden) que son tangentes o
secantes al elipsoide en un punto (plano) o a través de una curva (paralelo
o meridiano).
La curva de la coincidencia no tiene deformación añadida y se denomina

automecoica. Por tanto los puntos próximos a ella tienen deformaciones
mínimas.
Vemos algunas de las más comunes.

SISTEMAS DE COORDENADAS GEOGRÁFICAS
Si la proyección se realiza sobre un cono que es

tangente a un paralelo, la proyección se denomina
Lambert. Fue muy importante en el pasado,
aunque hoy está en decadencia.
Veamos como queda España con una Lambert en el
paralelo de latitud 43º y 0º de longitud

Si la proyección se realiza sobre un plano que es

tangente a un punto, por ejemplo un Polo, la
proyección se denomina Estereográfica. Es útil
como proyección cuando sólo interesa el territorio
situado el entorno del punto tangente.
Veamos España con Estereográfica de l=43º l=-4
r=1º

Para navegación a grandes distancias (aérea, naval)

la prioridad son los rumbos que marcan las brújulas.
Si utilizamos un cilindro vertical que es secante a un
paralelo, un rumbo (en el elipsoide es una hélice
que acaba el Polo Norte Magnético) se proyecta en
una curva que al ser desarrollada en un plano se
convierte en una recta. Se denomina proyección
Mercátor y así se ve España por el paralelo 43º
En esta proyección, no se puede medir

directamente en el Mapa. Hay que medir
en grados y convertir el valor en unidades
longitudinales.
De ahí el valor práctico de la milla náutica
(equivalente a un minuto en latitud)

Si proyectamos sobre un cilindro transversal tangente a un

meridiano, los puntos próximos al mismo tendrán mínima
deformación en medias. Si hacemos esta operación 60 veces en los
360º, tendremos husos de 6º desarrollables. Esta proyección se
denomina UTM (Universal Transverse Mercator) y es la más utilizada
en representación geográfica.

España necesita 4 husos para representar su

territorio (el 29,30 y 31 para la península y el 28
para Canarias)
Los elipsoides que más se utilizan en España

son el ED50 y el ETRS89, con algunas variantes.
También se utiliza un elipsoide que promedia

los errores a escala universal llamado WGS84 .
Es el estándar en aplicaciones que se apoyan en
GPS o con productos referenciados a
posiciones satelitales.
Así se verían España con una proyección de

elipsoide ED50 y los usos 28,29,30 y 31.
Huso 29
Huso 28
Huso 15
Huso 30 Huso 31

CAMBIO DE SISTEMAS DE COORDENADAS
Una explotación minera suele tener un sistema de referencia local basado en

coordenadas rectangulares respecto a un origen.
La precisión alcanzada suele ser suficiente, pero hay problemas cuando se quieren
incorporar datos referenciados al sistema global de coordenadas. Por ejemplo, una
imagen satélite, una ortofoto o un mapa geológico general de la zona. También
surgen inconvenientes cuando se intentan unir dos sistemas rectangulares
grandes.
Por eso es importante conocer como cambiar de coordenadas de un sistema local

a uno global

INTEGRACIÓN DE LA INFORMACIÓN. SIG
Un Sistema de Información Geográfica (SIG) es una herramienta que combina

bases de datos con cartografía vectorial e imágenes referenciados al territorio.
- Vectorial
Utilizamos las formas geométricas a través de las cuales representamos las entidades
geográficas (punto, línea, área) y sus datos asociados para crear relaciones espaciales
(topología) que permitan obtener repuestas gráficas o alfanuméricas a cuestiones.
- Ráster
El análisis ráster comienza convertirtiendo un mapa vectorial en una imagen,
es decir, una matriz de cuadrados cuyo lado establece la resolución del análisis.
Este cuadrado mínimo es lo que se denomina pixel.
Cada mapa y los mapas entre sí pueden ser objetos de cálculo a través de un álgebra
específico. Las imágenes y mapas son matrices ráster y tratados como tales por el SIG

Imágenes y Ortofotos
– Fundamentales para un conocimiento preciso en superficie

– Pueden contener información específica a través de sensores
– Integración con otro tipo de informaciones
– Ortofotos: Imágenes rectificadas

Mapas Geológicos
– Información completa de referencia completa

– Integración con otros datos
– Factor escala importante. Sólo primera aproximación

Integración con datos de detalle
- Las informaciones de
detalle de la planificación
minera suelen estar
referidas a sistemas de
coordenadas locales y
rectangulares
- Es preciso establecer las

ecuaciones de conversión
entre el sistema geográfico
local y el global.
Normalmente el traslado de
orígenes suele ser
suficiente

REGISTRO E INTEGRACIÓN DE IMÁGENES EN VECTOR
1. Generación de un modelo de datos. Entidades y su representación

2. Transformación AFIN- Helmer por mínimos cuadrados - Registro
3. Digitalización de las entidades (materiales, familias de fallas).

EJERCICIO 1.
AJUSTAR IMAGEN Y DIGITALIZAR ENTIDADES CON GEOMEDIA
• Este ejercicio está diseñado como introducción al alumno en un sistema SIG

• Instalación y arranque de Geomedia Pro
• Creación de GeoWorkSpace – Sistema de Coordenadas (espacio de trabajo) y Warehouse
(almacén)
• Creación de las entidades imagen, estrato y falla con atributos
• Lectura de un fichero-marco desde Autocad
• Registro de la Imagen al marco
• Digitalización de entidades
• Creación de temáticos
• Exportar litología y fallas en formato SHAPE

BASES DE DATOS DE SONDEOS
_X_Coord _Y_Coord _Z_Coord BHID REFSYS REFMETH ENDDATE BHID LITH FROM TO
710205,686 4176365,95 387,552 VB2675 Local GPS 36110 VB2675 Suelos 0 3
710156,173 4176212,86 369,1106 VB2737 Local GPS 36050 VB2675 Pizarras 2,5 226,187
710106,802 4176273,24 376,425 VB2812 Local GPS 12/28/98 VB2675 Pizarras Grises Siliceas 226,187 245,8869
710108,578 4176432,76 394,4131 VB2813 Local GPS 3/15/99
VB2675 Lava Basica 245,8869 259,887
710043,143 4176253,44 373,9933 VB2832 Local GPS 2/27/99
VB2675 Grauvacas y Pizarras 259,887 330,887
710059,779 4176305,96 379,6231 VB4266 Local GPS 36313
710059,94 4176370,8 385,4029 VB4267 Local GPS 1/18/99
VB2737 Suelos 0 1,5
710082,774 4176264,51 375,5531 VB4269 Local GPS 1/15/99 VB2737 Pizarras 1,5 138,8373
710089,056 4176345,99 383,8764 VB4270 Local GPS 36253 VB2737 Pizarras Grises Siliceas 138,8373 168,5373
710086,589 4176393,77 388,8281 VB4271 Local GPS 3/16/99 VB2737 Lava Basica 168,5373 200,5373
710083,368 4176375,97 386,7524 VB4272 Local GPS 3/21/99 VB2737 Grauvacas y Pizarras 200,5373 274,2373
710134,103 4176232,28 371,5929 VB4280 Local GPS 3/30/99 VB2812 Suelos 0 4,5
710140,092 4176325,9 382,1747 VB4281 Local GPS 11/17/98 VB2812 Pizarras 4,5 183,3175
710132,707 4176379,08 388,5384 VB4282 Local GPS 35958 VB2812 Pizarras Grises Siliceas 183,3175 221,7175
710133,048 4176415,88 393,285 VB4283 Local GPS 36374 VB2812 Lava Basica 221,7175 283,7175
710155,916 4176344,56 384,4143 VB4285 Local GPS 36254
VB2812 Grauvacas y Pizarras 283,7175 294,1175
710154,155 4176410,56 393,1237 VB4286 Local GPS 5/25/99
- Datos de emboquille (collar)
710174,479 4176245,63
710176,862 4176335,74
372,7135 VB4287
383,3194 VB4288
Local
Local
GPS
GPS
2/28/98
5/30/99
- Datos de desviaciones
710180,021 4176356,66 386,1202 VB4289 Local GPS 12/18/98
710182,064 4176454,75 400,2036 VB4290 Local GPS 1/15/99
- Datos de litología
710204,98 4176348,76 385,0513 VB4291 Local GPS 36050
- Datos de muestras de mena Au, Co, Densidad
710229,74 4176366,88
710230,513 4176369,73
387,8433 VB4292
388,2879 VB4293
Local
Local
GPS
GPS
3/21/99
2/18/99
710239,403 4176383,09 390,416 VB4294 Local GPS 12/28/98
710238,004 4176378,88 389,7536 VB4295 Local GPS 1/27/99

Universidad de Oviedo EJERCICIO 2. CREACIÓN DE UN CONJUNTO DE
SONDEOS GEOLÓGICOS
- Abrir el programa DataMine y definir un nuevo proyecto con precisión extendida

- Importar las entidades fallas y estrato
- Importar las tablas collar, survey, lithology y assay desde EXCEL
- Generar sondeos estáticos desde la función DESURVEY
- Generar una leyenda para la litología y para ley de Au
- Representar los sondeos en el mapa junto a los estratos y las fallas
- Representar el contenido en Au en un temático
- Visualizar los sondeos en diferentes planos, clipping y rotaciones.
MÉTODOS DE INTERPOLACIÓN

MODELOS DIGIALES DEL TERRENO
NURBS – No Uniform Rational Bspline Surfaces.
X=N(u,v)
Y=M(u,v)
Z=Q(u,v)
Ventajas: Gran precisión de ajuste a los datos. Continuidad

Inconvenientes: Importante esfuerzo para general el modelo para grandes
extensiones

MODELOS DIGITALES DEL TERRENO
- Modelos Triangulares (TIN). Se crea una malla de triángulos en cuyos

vértices están los datos. De ese modo un valor interior se pondera con los
tres vértices del triángulo con la distancia a la que le separa de cada uno
de ellos
Z = 1..3∑λiZi

MODELOS TIN
• Son los modelos más utilizados para calcular DTM

• Es un modelo faceteado y no continuo.
• Sin embargo es muy flexible. Los algoritmos permiten
adaptarse fácilmente a discontinuidades condicionando el
modelo
– Líneas de rotura
– Zonas planas
– Lineas de borde.

MODELOS GRID
Es una malla que queda definida por

• Su origen Xor, Yor (normalmente esquina superior
izquierda)
• El tamaño de la rejilla dx, dy que normalmente coincide
• El número de rejillas que definen el tamaño de la malla
en X e Y
Es en sentido estricto un soporte de modelos. El modelo se

interpola asignando valores a las rejillas.
Los modelos TIN pueden convertirse en modelo GRID a

través de algoritmos de compensación (Shepard Triangular)
La gran ventaja de este formato es que permite álgebras

(Dana Tomlin)

GENERACIÓN DE TIN (WIREFRAME)
Para generar un DTM se pueden utilizar las siguientes fuentes

de datos:
- Puntos de cota
- Líneas de rotura, líneas de fluencia, líneas de borde y
discontinuidades y estratos en perfiles geológicos
- Áreas de zonas planas, zonas sin datos

EJERCICIO 3. CREACIÓN DE UN DTM A PARTIR DE LA
TOPOGRAFÍA
• Cargar las curvas

topográficas a partil del
fichero DXF
• Utilizar la función Make

DTM para generar el modelo
• Visualizar el modelo
realizando un sombreado
• Editar triángulos

EJERCICIO 4. CREACIÓN DE PERFILES A PARTIR DE SONDEOS

• Orientar el primer perfil y fijar las nuevas líneas al plano
• Establecer un adecuado clipping para ver los sondeos que se tendrán en cuenta
• Crear una nueva string
• Insertar una linea con el color del estrato ajustándolo a los materiales del sondeo (sin snap)
• Suavizar la línea
• Realizar esta operación con el resto de los estratos
• Unir los bordes de los estratos con líneas para realizar los cierres
• Utilizar el comando outline para generar áreas y darles el color de cada estrato
• Almacenar la línea como perfil_1 así como la vista con el mismo nombre
• Repetir la operación para los 8 perfiles.

GENERACIÓN DE MODELO ALÁMBRICO
(WIREFRAME) CON PERFILES
Se pueden utilizar los métodos de enlace (link) para ir generando los triángulos de los
modelos.
- De dos en dos perfiles

- A la vez.
Es importante asegurarse en las curvas cerradas del sentido coincidente de las mismas.
La generación de un modelo ha de llevar acompañada la revisión del mismo

sombreandolo y rotandolo.
Si hay incoherencias graves es mejor destruir el modelo,
corregir los puntos conflictivos y volver a generarlo.
ALGEBRA BOOLEANA EN MODELOS ALÁMBRICOS
• Los modelos generados pueden ser objeto de operaciones para manipular grupos
Diferencia

ALGEBRA BOOLEANA EN MODELOS ALÁMBRICOS
Generación de líneas de nivel o

perfiles desde el modelo para
refinarlo
Creación de volúmenes a través

de la unión de modelos

EJERCICIO 5. GENERACIÓN DE MODELOS ALÁMBRICOS
Universidad de Oviedo (WIREFRAMES) DESDE PERFILES
• Crear un nuevo objeto Wireframe

• Enlazar (link) las curvas en orden secuencial de
un mismo material.
• Corregir si hay problemas de autointersección
• Finalizar cuando se terminen los enlaces
• Sombrear el resultado. Si es incoherente,
buscar si el sentido de los perfiles es el
adecuado.
• Repetir la operación con cada material
• Visualizar el conjunto
• Unir en grupos si hay superficies de un mismo
material que han tenido que separarse al
enlazar.
• Generar el wireframe de la falla.

MODELO DE BLOQUES
• Es una generalización del concepto

de GRID a 3D (voxels en lugar de
pixels)
• Como sucede cuanto hablamos de
GRID es un soporte de modelos.
• Los problemas surgen al manejar

grandes volúmenes de datos. Para
obviar esto, se utilizar técnicas de
subdivisión (subcells)
Una celda puede subdividirse hasta en
ocho subceldas
Es necesario hacer un proceso de
generación de celdas para una correcta
del wireframe en el modelo de bloques

EJERCICIO 6. GENERAL EL MODELO DE BLOQUES
GEOLÓGICO
• Generar el prototipo de modelo de bloque
• Integrar los wireframe antes creados en el
modelo. Utilizar la salida de un material
para la entrada del siguiente
• Generar el bloque de la falla sobre el
wireframe antes creado
• Integrar los modelos de bloque mediante
adición
• Utilizar el DataObject para visualizar la
tabla numérica
• Utilizar el PLOT para visualizar secciones
• Generar secciones en strings desde el
modelo de bloques

COMBINACIÓN DE BLOQUES
Los bloques se pueden combinar

Para resolver modelos geológicos
complejos

3. MODELO GEOTÉCNICO. MATRIZ ROCOSA

CARACTERIZACIÓN DE LA MATRIZ ROCOSA
Propiedades Métodos de determinación

Composición mineralógica Descripción visual
Fábrica y textura Microscopía óptica y electrónica
Tamaño de grano Difracción de rayos X
Color
Propiedades Porosidad (n)

de identificación y Peso específico (y) Técnicas de laboratorio
clasificación
Contenido en humedad
Permeabilidad (coeficiente de permeabilidad, k) Ensayo de permeabilidad

Durabilidad
Alterabilidad (índice de alterabilidad) Ensayos de alterabilidad
Ensayo de comprensión uniaxial

Resistencia a comprensión simple (σ) Ensayo de carga puntual
Martillo Schmidt
Ensayo de tracción directa
Propiedades Resistencia a tracción (σ) Ensayo de tracción indirecta
mecánicas
Medida de velocidad de ondas elásticas
Velocidad de ondas sónicas (Vp,Vs)
en laboratorio
Resistencia (parámetros c y Ø). Ensayo de comprensión triaxial
Deformabilidad (módulos de deformación elástica Ensayo de comprensión uniaxial
estáticos o dinámicos: E,v) Ensayo de velocidad sónica

Universidad de Oviedo PROPIEDADES MECÁNICAS. RESISTENCIA A
COMPRESIÓN SIMPLE
• Determinación de la resistencia a compresión uniaxial de una

probeta cilíndrica de roca obtenida de sondeos.
• Obtención de las constantes elásticas de la roca (módulo de

Young, coeficiente de Poisson).
• Importancia: clasificación, criterios de rotura, estimación de

resistencia in situ.

COMPRESIÓN SIMPLE
Valores de resistencia de la matriz rocosa sana
Resistencia a comprensión
Simple (kp/cm2) Resistencia a
Roca la tracción
Clasificación en base a la resistencia de la roca Valores Rango de
(kp/cm2)
medios valores
Resistencia a comprensión simple (MPa) Descripción
Andesita 2100 – 3200 1000 – 5,000 70
1-5 Muy blanda Anfibolita 2800 2100 – 5300 230
Anhidrita 900 800 – 1300 60 – 120
5 - 25 Blanda Arenisca 550 – 1400 300 – 2350 50 – 200
Basalto 1500 – 2150 800 – 3500 50 – 250
25 - 50 Moderadamente dura Caliza 800 – 1400 600 – 2000 40 – 300
Cuarcita 2000 – 3200 1000 – 5000 100 – 300
50 - 100 Dura Diabasa 2400 – 3500 1300 – 3650 550
Diorita 1800 – 2450 1200 – 3350 80 – 300
100 - 250 Muy dura 1000 – 5000 150 – 350
Dolerita 2000 – 3000
Dolomía 900 – 2500 650 – 3500 50 – 250
> 250 Extremadamente dura 200 – 1600 20 – 55
Esquisto 500 – 600
Gabro 2100 – 2800 1,800 – 3000 140 – 300
Gneiss 1600 – 2000 850 – 2500 50 – 200
Granito 1700 – 2300 1,000 – 3000 70 – 250
Grauvaca 1800 800 – 2200 55 – 150
Limolita 350 – 2500 27
Lutita 300 – 700 100 – 1000 15 – 100
5 – 104
Marga 700 – 1400 700 – 1900
Mármol 1200 – 2000 600 – 2500 65 – 200
Pizarra 1000 – 1800 900 – 2500 70 – 200
Sal 120 50 – 300
Toba 100 – 460 10 – 40
Yeso 250 100 – 400 10 - 25
(*) A favor de superficies de laminación.

Datos seleccionados a partir de Kahn (1986), Walthanm (1999),
Obert y Duvall (1967), Farmer (1968)

COMPRESIÓN SIMPLE
Resistencia
ISRM Geological Spciety Bieniawski
a la comprensión Ejemplos
(1981) of London (1970) (1973)
simple (Mpa)
<1 Suelos
1-5 Blanda
Muy blanda
>125
Moderadamente Muy baja Sal, lutita, limolita, marga, toba, carbón

5 – 12,5
dura
Blanda
12,5 – 25
Moderadamente
Moderadamente dura Esquisto, pizarra
25 - 50 Baja
dura
Rocas metamórficas esquistosas, mármol,
50 – 100 Dura Dura Media
Granito, gneiss, arenisca, caliza porosa
100 – 200 Rocas ígneas y metamórficas duras, arenisca

Muy dura Alta
Muy dura Muy cementada, caliza, dolomía
> 200
Moderadamente
Moderadamente dura Muy alta Cuarcita, gabro, basalto
> 250
dura

PROPIEDADES MECÁNICAS. RESISTENCIA A TRACCIÓN
• El ensayo de tracción simple es más complejo que el de

compresión debido a la dificultad de aplicar el esfuerzo de
tracción sobre la probeta.
• Debido a ello, el ensayo presenta mayor dispersión de resultados

y por tanto tiene menor interés práctico.
• Son válidas las especificaciones del ensayo de compresión.
• Fuerzas del orden de 200 N/s.

PROPIEDADES MECÁNICAS. RESISTENCIA COMPRESIÓN
TRIAXIAL
• Triaxial convencional: σc > σ2 = σ3
• Probeta cilíndrica rodeada de una membrana elástica.
• La probeta se coloca en una célula bajo presión inducida

mediante un líquido (normalmente aceite).
• Se puede variar además la tensión vertical.
• Se mide la deformación axial y lateral.

Universidad de Oviedo DATOS GEOMECÁNICOS DE SONDEOS
BHID LITH FROM TO NLITH S1 S3
VB2675 Suelos 0 3 0
VB2675 Pizarras 2,5 226,187 1 79,6257895 10,9408368
VB2675 Pizarras Grises Siliceas 226,187 245,8869 2 45,957177 4,68727502
VB2675 Lava Basica 245,8869 259,887 3 42,8003082 4,37977948
VB2675 Grauvacas y Pizarras 259,887 330,887 4 174,784409 12,3193524
VB2737 Suelos 0 1,5 0
VB2737 Pizarras 1,5 138,8373 1 85,4557571 10,81145
VB2737 Lava Basica 168,5373 200,5373 3 42,7803679 4,32568057
VB2812 Suelos 0 4,5 0
VB2812 Pizarras 4,5 183,3175 1 80,6203084 10,9172661
VB2812 Lava Basica 221,7175 283,7175 3 42,9393391 5,02380694
- Se ha calculado una distribución de datos de σc normal con

medias y desviaciones para cada material
- Igualmente con σt

METODO DE INTERPOLACIÓN INVERSO DISTANCIA
CUADRADO
Para asignar un valor de σc y de σt utilizaremos el método de Inverso Distancia

Cuadrado.
Cada dato V a interpolar, se pondera con el Inverso Distancia Cuadrado a los otros i
datos que están dentro de un radio de búsqueda que puede ser esférico o elipsoidal
de modo que
V=
i
∑V /d / 1/d
i i
2
i
2
Es un método sencillo, no exacto pero válido para trabajar con poblaciones normales
no regionalizables.

EJERCICIO 7. GENERAR BLOQUES DE COMPRESIONES Y
TRACCIONES
• Generar los nuevos sondeos con los datos

de resistencia de litologia3.xls.
• Realizar un promediado sobre el prototipo ya

creado en el ejercicio anterior
• Interpolar con el método IPD (2) con

esfera de 100 m de alcance.
• Almacenar y visualizar el resultado.

4. MODELO GEOTÉCNICO. FRACTURACIÓN DEL

MACIZO ROCOSO

65
CARACTERIZACIÓN DE DISCONTINUIDADES
FUNDAMENTOS TEÓRICOS
Relleno
Familia 2
Familia 1
Resistencia Tamaño de
paredes bloque
Rugosidad
Continuidad
Abertura
Dirección y
buzamiento
filtraciones

66

67

68

69
RQD
RQD % Calidad
< 25 Muy mala

25-50 Mala
50-75 Media
75-90 Buena
90-100 Muy buena

70
RQD

71
Espaciado
Descripción del espaciado

DESCRIPCION ESPACIADO
Extremadamente junto < 20 mm
Muy junto 20 – 60 mm
Junto 60 – 200 mm
Moderadamente junto 200 – 600 mm
Separado 600 – 2 000 mm
Muy separado 2 000 – 6 000 mm
Extremadamente separado > 6 000 mm

72
CONTINUIDAD LONGITUD Continuidad o persistencia
Muy baja continuidad <1m
Baja continuidad 1–3m
Continuidad media 3 – 10 m
Alta continuidad 10 – 20 m
Muy alta continuidad > 20 m

73
Universidad de Oviedo FUNDAMENTOS TEÓRICOS
Rugosidad

74
Rugosidad

75
Criterios de fracturamiento
Clasificación de macizos rocosos por el número de familias de discontinuidades

TIPO DE NUMERO DE FAMILIAS
MACIZO
ROCOSO
I Masivo, discontinuidades ocasionales.
II Una familia de discontinuidades
III Una familia de discontinuidades más otras ocasionales
IV Dos familias de discontinuidades
V Dos familias de discontinuidades más otras ocasionales
VI Tres familias de discontinuidades.
VII Tres familias de discontinuidades más otras ocasionales
VIII Cuatro o más familias de discontinuidades
IX Brechificado

CARACTERIZACIÓN DE DISCONTINUIDADES 76
Abertura y/o relleno

Tamaño de bloques
Descripción del tamaño de bloque en
función del número de discontinuidades
DESCRIPCION JV (DISCONTINUIDADES/
M 3)
n n n Bloques muy grandes <1

Jv  1  2  3 Bloques grandes 1-3
L1 L2 L3 Bloques de tamaño medio 3 - 10
Bloques pequeños 10 – 30
Bloques muy pequeños > 30
RQD  115  3.3  J v Si J v  4.5

RQD  100 Si J v  4.5

PROPIEDADES MECÁNICAS
Resistencia a cortante
n
 MORTERO DE
CEMENTO
JUNTA
ROCA

peak strenght
shear strenght 
shear displacement 
shear stress  residual strenght
normal stress σn
displacement 

shear strenght 
peak strenght
Ф
residual
strenght
Фr
c
normal stress σn
 p  c p   n  tg p
 r   n  tgr

Rigidez cortante o tangencial

Se denomina rigidez cortante o tangencial, ks, a la relación entre la
tensión cortante aplicada sobre una muestra frente al
desplazamiento de corte sufrido por el bloque que se desplaza,
antes de alcanzar el límite de resistencia de pico de la
discontinuidad, pico.
n n Resistencia al
corte
 
ki 
Resistencia de pico
p
 h
  pico
Resistencia resic
r km 
 h, pico
Ks
n
Orientación de las discontinuidades

Orientación de las discontinuidades

5. CLASIFICACIONES GEOMECÁNICAS

CLASIFICACIONES GEOMECÁNICAS
Q de Barton 1993
En esta clasificación se catalogan los macizos rocosos según el
denominado índice de calidad Q, basado en los seis parámetros
siguientes:
• R.Q.D. Rock Quality Designation (RQD)

• Numero de familias de juntas (Jn)
• Rugosidad de las juntas (Jr)
• Meteorización de las juntas (Ja)
• Presencia de agua (Jw)
• S.R.F. Stress Reduction Factor (SRF)
Mediante los 6 parámetros indicados, se define la calidad del macizo

rocoso mediante la formula:

CLASIFICACIONES GEOMECÁNICAS.
Q de Barton 1993

Bieniawski 2003

Bieniawski 2003

Bieniawski 2003

6. ASIGNACIÓN DE VARIABLES A LOS MODELOS

GEOESTADÍSTICA

Universidad de Oviedo MODELIZACIÓN DE VARIABLES
Polígonos de Thiessen
• Permite asignar al modelo de bloques un
valor constante a una distancia dada
• En el límite, se generan polígonos de
Thiessen .
• Se utiliza cuando no hay relación espacial
entre los datos de partida.

MODELIZACIÓN DE VARIABLES
Definición de Geoestadística
Técnica que se aplica cuando el error de estimación al asignar un valor a una variable
desde otro valor conocido no se comporta de modo uniforme en el espacio analizado, de
modo que ese error disminuye de forma considerable cuando se calcula en la proximidad
del dato.
Este tipo de variables se denominan regionalizadas y es posible mejorar los errores de

estimación de variables en el entorno de los datos.
Como una consecuencia inmediata, esta técnica permite evaluar la eficacia de las
campañas de investigación planificadas antes de ser iniciadas.
El indicador utilizado para aprovechar esta propiedad de las variables regionalizadas es el

VARIOGRAMA

MODELIZACIÓN DE VARIABLES
Definición de Geoestadística
Es una herramienta que permite analizar el

comportamiento espacial de una propiedad o
variable sobre una zona dada
Ejemplo:
Detectar direcciones de anisotropía
Zonas de influencia y su extensión (correlación espacial)
Variabilidad con la distancia

GEOESTADÍSTICA
Definición de Variograma Teórico
 h   E[ Z ( x)  Z ( x  h)]2
1
2
• Valor promedio de la diferencia al cuadrado de los valores
de la propiedad en dos puntos separados por una distancia
|h|
•  es independiente de la localización x
•  depende del módulo y de la dirección del vector h

GEOESTADÍSTICA
Si Z (x ) es estacionaria o intrínseca
1
 (h)  Var [ Z ( x)  Z ( x  h)]
2
x  Rn , h  Rn
1
 E[ Z ( x)  Z ( x  h)]2
2
GEOESTADÍSTICA
 h   E [ Z ( x)  Z ( x  h)] 2
1
2 Z x  h1 
x  h1
h1
Detección de
características que
Z x 
varían según la dirección
y la distancia
x h
Z x  h
xh
GEOESTADÍSTICA
Definición de Variograma Teórico Continuidad espacial
A B
5 7 8 4 2 4 6 8
1 3 9 2 6 1 3 5 7 9
MEDIA = 5
VARIANZA=50/9
HISTOGRAMAS IGUALES
12
12
10 10
8 8
Variograma
Variograma
6 6
4 4
2 2
0 0
0 1 2 3 4 0 1 2 3 4
Distancia Distancia

GEOESTADÍSTICA
Universidad de Oviedo Definición de Variograma Teórico
1 0,12
0,8 0,1
Variable
Variograma
0,6 0,08
0,4 0,06
0,04
0,2
0,02
0
0 5 10 15 20 25 0
0 2 4 6 8 10
Ubicación
Distancia
2 1
1,5 0,8
Variograma
1 0,6
Variable
0,5
0,4
0
0,2
1 3 5 7 9 11 13 15 17 19
-0,5
0
-1 1 2 3 4 5 6 7
Ubicación
Distancia

GEOESTADÍSTICA
Universidad de Oviedo Definición de Variograma Teórico Continuidad espacial
0,7
0,6
0,5
Variable
0,4
0,3
0,2
0,1
0
1
11
13
15
17
19
21
23
25
Ubicación
0,012
0,01
Variograma
0,008
0,006
0,004
0,002
0
1
11
13
15
17
19
Distancia

GEOESTADÍSTICA
Variograma
Variograma
Distancia Distancia

GEOESTADÍSTICA
Definición de Variograma Experimental
Continuidad espacial
 h   E [ Z ( x)  Z ( x  h)]
1 2 Variograma Teórico
2
1
 ( h) 
*
2 N h 
 ( z ( xi )  z ( x j ))2 Variograma Experimental
xi  x j  h

GEOESTADÍSTICA
Universidad de Oviedo Definición de Variograma Experimental
Coordenadas estratigraficas
La correlación espacial se debe

calcular dentro de la misma
unidad estratigráfica
Z  Z base
Z tope  Z base

GEOESTADÍSTICA
Universidad de Oviedo Obtención del Variograma Experimental
1
 ( h) 
*
2 N h 
 ( z ( xi )  z ( x j ))2
xi  x j  h
• Se escoge una dirección 
• Se escoge una distancia o lag h 6
variograma experimental
• Se calcula  * para valores de h,2h, 5
4
3h,...,nh
3 Variograma
• Se grafica  *
versus los valores h,2h, 2
experimental
3h,...,nh 1
0
4
8
2
6
4
8
2
6
0
4
0.
0.
1.
1.
2.
2.
3.
3.
Distancia

GEOESTADÍSTICA
Obtención del Variograma Experimental
1 N (h)
Datos Igualmente espaciados:  ( h) 
*
 i
2 N h  i 1
( z ( x )  z ( xi  h )) 2
x1 x2 x3 x4 x5 x6
 * h  
1
2*5

zx1   zx2 2  zx2   zx3 2  zx3   zx4 2  zx4   zx5 2  zx5   zx6 2 
 * 2h  
1
2*4

z x1   z x3 2  z x2   z x4 2  z x3   z x5 2  z x4   z x6 2 
 * 3h  
1
2*3

z x1   z x4 2  z x2   z x5 2  z x3   z x6 2 
GEOESTADÍSTICA
1 N (h)
Datos Igualmente espaciados:  ( h) 
*
 i
2 N h  i 1
( z ( x )  z ( xi  h )) 2
h
kh,0, k  0,1,2,
0, kh, k  0,1,2,
kh, jh, k , j  0,1,2,

GEOESTADÍSTICA
Datos Irregularmente espaciados:
• Puede ocurrir que no existan valores de la variable a la distancia h
• Puede ocurrir que no existan valores de la variable en la dirección 

GEOESTADÍSTICA
Universidad de Oviedo Distancia en el Variograma Experimental
• Clases de distancia:
Para cada lag h se define una tolerancia h y se utilizan únicamente

los puntos que se encuentran a una distancia mayor o igual a y
menor que h  h h  h
z x2 
z  x3  z  x5 
z x1 
z x4 
h
2h
3h

GEOESTADÍSTICA
• Clases de distancia:
El valor de h se escoge como el 50% del valor del lag

h. De esta forma:
• Las clases de distancia no se superponen
• No hay valores de la variable fuera de una clase de

distancia

GEOESTADÍSTICA
Distancia en el Variograma Experimental
h 1
h  0.5 0 1.2 2.4 2.8 4.9
0 1 2 3 4 5 6
h 1
h  1
0 1.2 2.4 2.8 4.9
h 1
h  0.1
0 1.2 2.4 2.8 4.9

GEOESTADÍSTICA
h  0.5h
h  0.5h
h  0.5h

GEOESTADÍSTICA
Universidad de Oviedo Dirección en el Variograma Experimental
• Clases de dirección :
Para cada dirección  se define una tolerancia 

y se utilizan únicamente los puntos que se
encuentran entre las direcciones    y   

GEOESTADÍSTICA
  

puntos aceptados
puntos descartados

  

GEOESTADÍSTICA
   

  
b puntos aceptados
puntos descartados
b = ancho de banda
GEOESTADÍSTICA
Dirección en el Variograma Experimental

clase de distancia h
clase de distancia 2h
clase de distancia 3h

GEOESTADÍSTICA



GEOESTADÍSTICA
Número n de lags n: Cuando se calcula el variograma sobre un

dominio D se escoge n de forma tal que:
Valor del lag h
n*h < | D | / 2
Valor de  y 
h: Distancia promedio entre los pozos
A partir del variogram cloud
A partir del variograma omnidireccional
: Se escoge como la dirección de anisotropía

de la variable. Se puede obtener a partir de:
Información geológica, petrofísica, etc
Mapa de variograma
GEOESTADÍSTICA
Universidad de Oviedo Intervalo de base (lag) en el Variograma Experimental
Lag h muy grande
0 1.2 2.4 2.8 4.9
0 1 2 3 4 5 6
Lag h pequeño, n muy grande
0 1.2 2.4 2.8 4.9
¿ Lag h adecuado, valor de n ?

GEOESTADÍSTICA
Intervalo base (lag) en el Variograma Experimental

GEOESTADÍSTICA
Universidad de Oviedo Variograma Omnidireccional
Es aquel que no depende de la dirección
Se obtiene al escoger la tolerancia angular 

de forma tal que las direcciones    y   
sean opuestas y perpendiculares a la dirección 
Se puede pensar como el promedio del variograma

experimental en todas las direcciones posibles

GEOESTADÍSTICA
Universidad de Oviedo Variograma Omnidireccional
Variograma direccional
Variograma omnidireccional

GEOESTADÍSTICA
Universidad de Oviedo Variograma Cloud
Variogram Cloud:
1
 *( h ) 
2 N h 
 ( z ( xi )  z ( x j ))2
xi  x j  h 30
1 ( z ( xi )  z ( x j ))2 25

N h 
 2
20
xi  x j  h
15
10
5
Al graficar el valor de los
0
pares versus la distancia
0 1 2 3 4 5 6 7
se obtiene el variogram
Distancia
cloud

GEOESTADÍSTICA Variogram Cloud
Variograma Cloud
Variogram Cloud:
Permite detectar valores 300

atípicos o cambios bruscos 250
200
Permite escoger un valor
150
inicial del lag
100
Permite observar la dispersión 50
alrededor del valor de * 0

0 1 2 3 4 5 6 7
Distancia

GEOESTADÍSTICA
Universidad de Oviedo Variograma Cloud

GEOESTADÍSTICA
Universidad de Oviedo Mapa de Variograma
Mapa de Variograma :
Es una herramienta que

permite determinar las
direcciones de anisotropía
de la variable en estudio

GEOESTADÍSTICA
Universidad de Oviedo Mapa de Variograma
Definir una malla (2n+1)*(2n+1)
Definir el valor del lag h
Asignar a cada bloque el valor

0
de 
*

GEOESTADÍSTICA
Mapa de Variograma

GEOESTADÍSTICA
Variación angular en el cálculo del variograma
Tolerancia angular

VARIOGRAMA
Variograma-Características Básicas
Características Básicas
1) ALCANCE (RANGE) Y MESETA (SILL)
2) COMPORTAMIENTO A PEQUEÑAS DISTANCIAS
3) COMPORTAMIENTO A GRANDES DISTANCIAS
4) ANISOTROPÍAS

VARIOGRAMA Variograma-Rango & Sill
Universidad de Oviedo Características Básicas
Alcance:
2,5
Distancia a la cual el
2 variograma se estabiliza
Variograma
1,5
1 Meseta :
0,5 Valor constante que toma el

variograma en distancias
0 mayores al rango
12
15
18
21
24
27
30
33
36
39
42
0
3
6
9
Distancia

Si para una distancia dada d las variables Z(x) y Z(x+h) son no

correlacionas entonces el variograma es constante
 h   E [Z ( x)  Z ( x  h)] 2   2  E [Z ( x) Z ( x  h)]
1
2
 2
Alcance o Range: Meseta o Sill:

Distancia a partir de la cual no Varianza de la función aleatoria Z
hay correlación


VARIOGRAMA
Comportamiento
Comportamiento a Pequeñas Distancias
Permite estudiar cuán rápido puede variar la variable

en estudio a pequeñas distancias. Básicamente el
variograma presenta las 4 formas siguientes:
1) DISCONTINUO
2) LINEAL
3) CUADRÁTICO
4) HÍBRIDOS

VARIOGRAMAComportamiento discontinuo
Universidad de Oviedo Efecto pepita o Nugget effect
 h   var [ Z ( x)  Z ( x  h)]
1
2
 0  0
Puede ocurrir que para distancias

cercanas a cero el valor del
variograma no se aproxima a cero

VARIOGRAMA
Comportamiento discontinuo
Universidad de Oviedo Interpretación del efecto pepita
1) Variable muy irregular a distancias cortas
h0
Z(x) y Z(x+h) difieren mucho
 h   E [ Z ( x)  Z ( x  h)] 2
1
no se aproxima a cero
2

VARIOGRAMA
2) Errores de medición en las

variables
Z obs  x   Z  x     x 
3,5
2,5 2
Variograma Valores
 Z h    Z h    
2
2 observados
1,5
obs Valores
1 reales
0,5
12
15
18
0
9
1,5
4,5
7,5
10,5
13,5
16,5
Distancia

VARIOGRAMA
3) presencia de estructuras o
ausencia de valores en distancias
inferiores a las que se tomaron las
muestras

VARIOGRAMA
Comportamiento Lineal
3,5
Indica que para distancias
pequeñas, el variograma 3
tiene un comportamiento 2,5
Variograma
lineal. 2
1,5
1
Representa variables
continuas pero no 0,5
diferenciables. Así, la 0
propiedad puede
0
9
5
,5
1,
4,
7,
10
cambiar rápidamente de Distancia
un punto a otro.

VARIOGRAMA
3,5
2,5
Variograma
La variabilidad de la 2
propiedad dependerá de la 1,5
pendiente de la recta en el 1
0,5
origen
0
0 1 2 3 4 5 6 7 8 9 10 11
Distancia
A mayor pendiente, 3
mayor variabilidad 2,5
2
Variograma
A menor pendiente, 1,5
menor variabilidad 1
0,5
0
0 1 2 3 4 5 6 7 8 9 10 11
Distancia

VARIOGRAMA
Universidad de Oviedo Comportamiento Cuadrático
Indica que para distancias 3,5

pequeñas, el variograma tiene un
3
comportamiento cuadrático.
2,5
Variograma
2
Representa variables sumamente 1,5

continuas e infinitamente
1
diferenciables. Así, la propiedad NO
puede cambiar rápidamente de un 0,5
punto a otro. 0
1
10
13
16
19
22
25
28
31
34
37
Distancia

VARIOGRAMA
Comportamiento Híbrido
Universidad de Oviedo Comportamiento Híbrido
8
Variación más suave a 7
distancias cortas 6
Variograma
5
Variación más fuerte a 4
distancias grandes 3
2
1
Indica presencia de
0
estructuras actuando a 0 1,5 3 4,5 6 7,5 9 10,5 12 13,5 15 16,5 18
diferentes escalas Distancia

VARIOGRAMA
Comportamiento-grandes distancias
Comportamiento a Grandes Distancias
NO TODOS LOS VARIOGRAMAS

POSEEN UN RANGO Y UN SILL
FINITO
Variograma
INDICA LA PRESENCIA DE
UNA DERIVA O DRIFT
VARIABLE NO ESTACIONARIA
Distancia

VARIOGRAMA
Universidad de Oviedo Deriva (drift)
EZ x   mx 
 h   EZ  x  h   Z  x   m x  h   m x 
1 2 1 2
2 2
Sesgo
Estimación del variograma

Variograma Teórico
VARIOGRAMA
Universidad de Oviedo Deriva (drift)
D1=E-O
D2=N-S

VARIOGRAMA Anisotropías
Tipos de 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 Híbrida

VARIOGRAMA Anisotropía Geométrica
Es aquella en la que el 3
variograma en distintas
2,5
direcciones presenta el mismo
sill pero rangos distintos 2
Variograma
1,5 N-S
E-O
Mayor continuidad espacial en 1
la dirección de mayor rango
0,5
0
Menor continuidad espacial en 0,0 0,9 2,0 3,0 4,1 5,1 6,2 7,2 8,3 9,3 10,4 11,4
la dirección de menor rango Distancia

2,5
Variograma
1,5 N-S
E-O
1
0,5
0
0,0 0,9 2,0 3,0 4,1 5,1 6,2 7,2 8,3 9,3 10,4 11,4
Distancia

Universidad de Oviedo Anisotropía Geométrica

VARIOGRAMA
Anisotropía Zonal
Universidad de Oviedo Anisotropía Zonal
3,5
Es aquella en la que el
2,5
variograma en distintas
direcciones presenta el mismo 2
Variograma
rango pero diferente sill 1,5
Presencia de diferentes 0,5

estructuras
0
0 0,94 1,99 3,04 4,09 5,14 6,19 7,24 8,29 9,34 10,4 11,4
Distancia

VARIOGRAMA
Anisotropía Híbrida
Universidad de Oviedo Anisotropía Híbrida
Es aquella en la que el 4,5

variograma en distintas 4
direcciones presenta 3,5
rangos diferentes y
Variograma
3
distintos sill. 2,5
2
Presencia de diferentes 1,5
estructuras 1
0,5
0
Característico de variogramas 0 0,6 1,2 1,8 2,4 3 3,6 4,2 4,8 5,4 6 6,6 7,2
horizontales y verticales Distancia

VARIOGRAMA
Universidad de Oviedo Covarianza vs Variograma
•El variograma se puede utilizar para modelar fenómenos

no estacionarios y la covarianza no, por el desconocimiento
de la media.
• Cuando la media es constante pero desconocida no se

necesita para el cálculo del variograma, pero si para el de
la covarianza.
•Si la función tiene varianza infinita (no estacionaria) la

covarianza no está definida en 0, sin embargo el
variograma si y es idénticamente nulo

VARIOGRAMA *
Universidad de Oviedo Razones del ajuste al modelo teórico
6
1) El variograma experimental no
variograma experimental
5 se puede evaluar en distancias o

4
direcciones intermedias
3 Variograma
experimental
2
1 2) Una interpolación entre los

0 puntos del variograma experimental
4
8
2
6
4
8
2
6
0
no garantiza la existencia y unicidad

0.
0.
1.
1.
2.
2.
3.
3.
Distancia
de la solución del sistema de kriging
6 3) La interpolación no satisface las

5
condiciones que todo variograma
4
3
Variograma
experimental
debe satisfacer
2 Modelo de
variograma
1 4) El variograma experimental no
0
satisface las condiciones que todo
4
8
2
6
4
8
2
6
0
4
0.
0.
1.
1.
2.
2.
3.
3.
Distancia variograma debe satisfacer

(definida positiva)
VARIOGRAMAVariograma Teórico-propiedades
Universidad de Oviedo Propiedades del Variograma Teórico
LOS VARIOGRAMAS TIENEN PROPIEDADES ESPECIALES, CUALQUIER
FUNCIÓN QUE DEPENDA DE LA DISTANCIA Y LA DIRECCIÓN NO
NECESARIAMENTE ES UN VARIOGRAMA
1)  0  0
2)   h   h
El variograma calculado en la dirección de h es igual al

variograma calculado en la dirección de -h
-h h

PROPIEDADES DEL VARIOGRAMA TEÓRICO
Variograma Teórico-propiedades
Universidad de Oviedo Variables definidas positivas
Todo variograma es una función definida positiva condicional
Para cualquier n, cualesquierax1 , x2 , x3 ,, xn puntos en el espacio y cualesquiera

n
valores 1 , 2 , 3 ,, n tales que 

i 1
i  0 se tiene que
  i  j  xi  x j   0
n n
i 1 j 1
Esta propiedad permite calcular en forma consistente la varianza de

combinaciones lineales de funciones aleatorias
 
var  Z        

Variograma y Covarianza
Relación con la función de covarianza

Para funciones aleatorias estacionarias se tiene que
 h  C 0  C h

Variograma
Variograma
Covarianza
Distancia

Variograma y Covarianza
Si  es el variograma de una función aleatoria estacionaria o intrínseca entonces
 h 
lim 2
0
h  h
En particular para h suficientemente grande existe una constante c tal que  h   c h

2
Criterio para el comportamiento del variograma a grandes distancias
Criterio para detectar un comportamiento no estacionario

Combinación lineal de Variogramas
Si  1 h ,  2 h ,  3 h , ,  N h  son modelos de variograma y  1 ,  2 ,  3 , ,  N
son valores positivos entonces
n
 h     i  i h 
i 1
Permite modelar/ajustar las estructuras imbricadas (nested structures)
Permite modelar la anisotropía zonal

2.5
1.5
0.5 4.5
4
0
0 1.3 2.6 3.9 5.2 6.5 7.8 9.1 10.4 11.7 13 14.3 15.6 16.9 3.5
3
2.5
+ = 2
1.5
1
2.5 0.5
0
2
0 1.3 2.6 3.9 5.2 6.5 7.8 9.1 10.4 11.7 13 14.3 15.6 16.9
1.5
0.5
0
0 1.3 2.6 3.9 5.2 6.5 7.8 9.1 10.4 11.7 13 14.3 15.6 16.9

Variograma Teórico-propiedades
Modelar la anisotropía zonal
3,5
2,5
 h   1 h1 , h2    2 h3 

2
Variograma
1,5
0,5
0
0 0,94 1,99 3,04 4,09 5,14 6,19 7,24 8,29 9,34 10,4 11,4
Distancia

Modelos de Variograma
Modelos de Variogramas
Modelos de variograma isotrópicos más comunes:
• Modelo Efecto Pepita Puro
• Modelo Esférico
• Modelo Exponencial
• Modelo Gaussiano
• Modelo Cúbico
• Modelo Seno Cardinal
• Modelo Potencia

MODELOS DE VARIOGRAMAS
Efecto Pepita Puro
0 si h  0
  h   

  s si h  0

Este modelo representa a un S
fenómeno completamente
Variograma
aleatorio, en el cual no hay
correlación espacial
No importa cuán cerca se

Distancia
encuentren los valores de las
variables, siempre serán no
correlacionados

Universidad de Oviedo Esférico
  3
 3 h 1 h 
 s   si h  a
  2 a 2 a3 

  
  h   
 

 s si h a




Variograma
Rango s y sill a
Comportamiento lineal en el origen
Pendiente igual a 1.5 s / a

Distancia
Representa fenómenos continuos

pero no diferenciables
Es uno de los modelos de

variograma más utilizados

Modelo Exponencial
Exponencial
  h 
 h   s1  exp   

  a 
Variograma
Sill s que alcanza asintóticamente
Rango aparente igual a a
Rango experimental igual a 3a
Comportamiento lineal en el origen Distancia
Pendiente igual a 3s/a

pero no diferenciables

Modelo Gaussiano
Universidad de Oviedo Gausiano
  h 2 
 h   s1  exp  2  
  a 
  
Variograma
Comportamiento cuadrático en el origen

Distancia
infinitamente diferenciables (sumamente
continuos)

Modelo Cúbico
Universidad de Oviedo Cúbico
  2 3 5 7 
  h h h h 
 s 7 2
 8.75 3  3.5 5  0.75 7  si h  a
  a a a a 
  
  h   

 s si h a




Rango a y sill s
Variograma
Representa fenómenos bastante continuos
Distancia

Modelo Seno Cardinal
Seno Cardinal
 seno  h /a  
 h   s1  

 h / a 
Variograma
Se utiliza para representar fenómenos

continuos con periodicidades Distancia

Modelo Potencia
Universidad de Oviedo Potencia
 h  s h
p
s se denomina factor de escala

0 p2
Variograma
s=2.5, p=0.4
s=0.4, p=1.8
El comportamiento en el origen s=1.15, p=1
depende del valor de p
Representa fenómenos no
estacionarios
Distancia

ANISOTROPÍA EN VARIOGRAMAS
Modelo Anisotrópicos
Definición
Y
Los ejes de anisotropía coinciden con los ejes de
coordenadas
Ry
Rx X
 1 h  Variograma isotrópico de sill 1 y rango 1
 hx2 h y2 
 h   s 1   2  Variograma anisotrópico de sill s con rango Rx
 Rx2
Ry 
  en la dirección del eje X y rango R y en la dirección
del eje Y

ANISOTROPÍA EN VARIOGRAMAS
Definición
Y
Los ejes de anisotropía NO coinciden con los
Y’ ejes de coordenadas
Rx
Ry

X
X’
1) Transformar los puntos del sistema de

coordenadas XY al sistema de 3) Evaluar el variograma isotrópico en el resultado.
coordenadas X’Y’
h'  Rh R = matriz de rotación  h   s 1  TRh 

2) Proceder como antes para ajustar la
longitud de los ejes de anisotropía
Es un variograma anisotrópico en la dirección 
con eje mayor igual a Rx y eje menor igual a R y
Th' T = matriz para transformar
las distancias
VARIOGRAMA CON SGeMS

Recordando el TEMA 1, el entorno de programación en Python se complementa con

intrucciones basadas en XML ( eXtended Markup Language)
• Es un languaje de formato estándar del w3 (World Wild Web Consortium)

(www.w3.org).
• En los ficheros de parámetros cada uno se representa con un elemento XML
element.
• Un elemento consiste en una etiqueta formateada para abrir <tag> y </tag>
para cerrar
• Veamos un ejemplo

Un modelo de variograma se define
como:
<Variogram nugget="0.1"
structures_count="1" >
<structure_1 contribution="0.9"
type="Spherical" >
<ranges max="30" medium="30"
min="30"> </ranges>
<angles x="0" y="0" z="0">
</angles> </structure_1>
</Variogram>
Así se define un modelo con pepita 0.1,

Es posible obtener los comandos XML editando
una estructura, 0.9 + 0.1 de meseta, con
el comando en la ventana de comandos
modelo esférico, isotrópico de alcance
30.
GEOESTADÍSTICA PRÁCTICA
GSLIB

GSLIB

VARIOGRAMA CON GSLIB

VARIOGRAMA CON GSLIB

SGEMS

INTERPOLACIÓN POR KRIGING
Definición matemática del Kriging Simple
(n)
Esta ponderación asume el conocimiento de la media m del yacimiento

Kriging Ordinario
Kriging Ordinario. No se necesita conocer la media del yacimiento y se

introduce el parámetro de ponderación μ como multiplicador de
Lagrange de forma que las ecuaciones quedan como:
n
Estimador: Z*(v) = ∑ i
λi Z (Xi)
n
Sistema (n+1): ∑ i
λiC(Xi, Xj ) - μ = C(v, Xj ) j=1…n
n
∑ i
λi = 1
n
Variancia de Estimación: σ2 = C(v,v) + μ - ∑ i
C(v, Xi )

Kriging ordinario de la Error de estimación de la

variable Jv. variable Jv.

Ventajas del Kriging

• Es un estimador insesgado (BLUE) y exacto. El error de estimación del dato es 0.
• Permite conocer el error de estimación, con lo que es posible planificar campañas de
toma de datos «a priori»
• Existen variantes del kriging (cokriging, simple, no estacionario) que amplían el método
a casuisticas diversas.
• Optimiza el comportamiento local de la varianza de una variable regionalizada, con lo
que disminuye al máximo la incertidumbre
¿Por qué no se utiliza siempre Kriging para la estimación?

• No todas las variables son regionalizables
• Exige conocimiento estadístico en la interpretación de datos.
• Suaviza los resultados … aunque este aspecto se puede solucionar con la Simulación
Condicionada

SIMULACIÓN CONDICIONADA
• Permite dar una imagen real del comportamiento de una variable.
• Se puede utilizar un comportamiento estadístico general o aplicarlo a una variable
regionalizada.
• En este caso, el kriging explica una parte de la variable y el otro se simula con un
comportamiento normal
• Se utiliza cuando los valores extremos no deben ser suavizados
• En las figuras Kriging ordinario vs Simulación Normal.

SGEMS – lenguaje de Scripts

import sgems
sgems.execute('LoadProject D:/Database/curso_peru_abril/geotecnica.prj')
sgems.execute ('RunGeostatAlgorithm kriging::/GeostatParamUtils/XML::<parameters> <algorithm
name="kriging" /> <Variogram nugget="6000" structures_count="1" > <structure_1 contribution="5000"
type="Exponential" > <ranges max="75" medium="75" min="75" /> <angles x="0" y="0" z="0" /> </structure_1>
</Variogram> <Grid_Name value="nueva_malla" region="" /> <Property_Name value="jv" /> <Kriging_Type
type="Ordinary Kriging (OK)" > <parameters /> </Kriging_Type> <do_block_kriging value="0" /> <npoints_x
value="5" /> <npoints_y value="5" /> <npoints_z value="5" /> <Hard_Data grid="coordenadas" region=""
property="V_FRAC" /> <Min_Conditioning_Data value="0" /> <Max_Conditioning_Data value="12" />
<Search_Ellipsoid value="200 200 200 0 0 0" /> <AdvancedSearch
use_advanced_search="0"></AdvancedSearch> </parameters> ')
sgems.execute('RunGeostatAlgorithm sgsim::/GeostatParamUtils/XML::<parameters> <algorithm name="sgsim"
/> <Grid_Name value="nueva_malla" region="" /> <Property_Name value="jv_data_real" /> <Nb_Realizations
value="4" /> <Seed value="14071790" /> <Kriging_Type value="Simple Kriging (SK)" /> <Assign_Hard_Data
value="0" /> <Hard_Data grid="coordenadas" region="" property="V_FRAC" /> <Max_Conditioning_Data
value="12" /> <Search_Ellipsoid value="200 200 200 0 0 0" /> <AdvancedSearch
use_advanced_search="0"></AdvancedSearch> <Use_Target_Histogram value="0" /> <Variogram
nugget="6000" structures_count="1" > <structure_1 contribution="5000" type="Exponential" > <ranges
max="74" medium="74" min="74" /> <angles x="0" y="0" z="0" /> </structure_1> </Variogram> </parameters>
')
XC = sgems.get_property('nueva_malla','_X_')
YC = sgems.get_property('nueva_malla','_Y_')
ZC = sgems.get_property('nueva_malla','_Z_')
for i in range(len(XC)) : XC[i] = XC[i] + 5
for i in range(len(YC)) : YC[i] = YC[i] + 5
for i in range(len(ZC)) : ZC[i] = ZC[i] + 5
sgems.set_property('nueva_malla','XC',XC)
sgems.set_property('nueva_malla','YC',YC)
sgems.set_property('nueva_malla','ZC',ZC)
sgems.execute ('SaveGeostatGrid
nueva_malla::D:/Database/curso_peru_abril/geotecnica.prj/prueba2.csv::csv::0::XC::YC::ZC::jv::jv_krig_var::jv_da
ta__real0::jv_data__real1::jv_data__real2::jv_data__real3')

Validación Cruzada (Cross Validation)
Proceso de verificación de la validez de la estimación por Kriging
- Se trata de estimar los puntos datos utilizando el resto de puntos datos

y correlar la z*(v) CON LA z(v) real en todos los puntos datos
- Una alta correlación será síntoma de una excelente estimación

7. MODELO GEOTÉCNICO. EVALUACIÓN DEL RMR

2003

DATOS PARA EL CÁLCULO DE FRACTURACIÓN
BHID FROM TO P_FR_AP J_V OR_FRAC_F1 OR_FRAC_F2 DP_FR_1 DP_FR_2 FR_CONT FR_AP FR_RUG FR_FILL FR_METEO
VB2812 80,03728 138,8373 16,015073 624,411767 71,58517672 103,4083504 74 85 17 0,9 2 2 3
VB4287 96,31549 199,2155 19,8049477 504,924332 69,33922265 107,9937273 67 76 16 1 3 4 3
VB4285 96,52161 167,9216 17,8997768 558,666185 69,20540716 98,94548955 80 73 12 0,8 3 4 3
VB4267 99,36841 206,0684 16,5921647 602,694112 58,46881642 108,0210381 80 76 17 0,8 2 4 1
VB2812 99,95594 198,256 17,5413251 570,082359 67,03288811 109,6836278 75 75 15 0,8 3 4 0
VB4294 100,4057 184,0057 27,6522058 361,634803 59,58540656 97,085277 63 70 6 0,8 3 4 3
VB4286 107,7976 171,9976 19,8049477 504,924332 57,90742049 109,8941017 60 79 15 0,5 5 4 3
VB2812 108,2347 174,0347 18,1734143 550,254334 69,03347711 96,67431148 65 75 17 1 5 2 3
VB2675 111,9309 190,2809 16,508467 605,749763 69,31827829 108,8026796 68 74 12 0,8 3 2 1
VB4294 112,5267 199,0267 27,3739313 365,311066 70,06761734 94,77883687 65 80 16 0,9 3 4 3
VB4295 113,7438 181,9438 20,0062784 499,843089 59,52861242 109,8376252 63 90 4 1 3 2 3
VB4285 120,8834 198,1833 16,9312206 590,624872 66,60731999 109,452012 60 80 14 0,6 3 4 1
- Se va a utilizar las técnicas de variograma para el cálculo de la densidad de

fracturación Jv. ( Ferreri,F et all ). Se calculará el Krigeado Ordinario y el máximo de 10
simulaciones
- Se utilizán las técnicas de inverso-distancia cuadrado para asignar los valores del
bloque de las continuidad de fracturas y apertura, así como la orientación y
buzamiento de las dos familias de fracturas (normales y lognormales)
- Los valores discretos de valoración subjetiva, se ponderarán con los polígonos de

Thiessen
Universidad de Oviedo EJERCICIO 8.INTERPOLACIÓN DE VARIABLES DE
FRACTURACIÓN. VARIOGRAMA Y KRIGING DE JV
- Generar un nuevo conjunto de sondeos con la tabla de datos de fracturas
muestra3.xls
- Obtener un fichero de texto adecuado para el uso de VARIOWIN
- Obtener los variogramas experimentales y calcular el modelo de estructura
- Sobre el comando, ‘estimación según menu’ introducir los datos obtenidos y
calcular el krigeado del bloque
- Realizar la ponderación Inversa Distancia Cuadrado para FR_CONT, FR_AP, y las
orientaciones y buzamientos de las 2 familias de fracturas
- Realizar la ponderación de vecindad (Thiessen) de las variables valoradas
FR_RUG, FR_FILL, FR_METEO.
- Puntuar según RMR 2003 las variables numéricas usando el editor del Data
Object

EVALUACIÓN DE RMR 2003
Sentencias para convertir los valores de σc , Jv, persistencia y apertura
if(σc>240,15,if(σc>175,14,if(σc>125,12,if(σc>100,10,if(σc>75,8,if(σc>50,6,if(σc>30,4,if(σc>10,2,0))))))))
if([Jv]<50,40,if([Jv]<100,37,if([Jv]<200,34,if([Jv]<300,31,if([Jv]<400,29,if([Jv]<500,28,if([Jv]<600,27,if([Jv]<700,26,if([Jv]<800,25,if([Jv]<900,23,if([Jv]<1100,22,0)))))))))))
if([P_FR_CON]==0,6,if([P_FR_CON]<0.1,5,if([P_FR_CON]<1,4,if([P_FR_CON]<5,1,0))))
if([P_FR_AP]<1,6,if([P_FR_AP]<3,4,if([P_FR_AP]>10,2,if([P_FR_AP]<20,1,0))))

VISUALIZACION RMR1234
Modelo Bloque en Perspectiva Sección XY en 3D
Sección XZ Sección YZ Sección XY

OBTENCIÓN DE PRODUCTOS DERIVADOS
Curvas de Nivel (planta -20) XY
IsoSuperficies
Curvas de Nivel (planta -20)Perfil YZ (6007)

8. RMR 2003 CON MODELO HIDROLÓGICAS

PROPIEDADES HIDROLÓGICAS
Permeabilidad
La zona saturada es la
Saturada
que suministra un
Zona no
caudal significativo a los
pozos y es la que
principalmente hay que
P o z o
capilar
Franja
drenar en las labores
mineras bajo nivel
Saturada
Zona piezométrico. Su
comportamiento
Zona hidráulico es el de un
De acuífero.
saturación
Nivel piezométrico
Galería de mina inundada, que es necesario drenar

PROPIEDADES HIDROLÓGICAS
Permeabilidad
Línea de flujo real
A
Ha>hb
Línea de flujo teórica
Líneas de flujo
ha Trayectorias de filtración en el suelo,

pérdida de carga y gradiente
hidráulico en un ACUIFERO
Ha>hB -> flujo de A hacia B

CARACTERIZACIÓN DE LA MATRIZ ROCOSA
Valores típicos de porosidad, peso específico y
permeabilidad

EJERCICIO 9.GENERACIÓN DEL NIVEL FREÁTICO Y
CREACIÓN DEL ÍNDICE RMR 2003
- Crear con los perfiles ya definidos una recta que evolucione del nivel +50 al
nivel +100
- Generar el modelo alámbrico correspondiente
- Crear el modelo de bloque usando como prototipo RMR1234 y asignando a
la variable ZONE el valor AGUA con un defecto de 7. Modelo de bloques
FREATICO
- Mezclar los modelos RMR1234 y FREATICO en RMR2003. Opción ‘below
surface’
- Editar RMR2003, crear nueva columna rmragua dando valor 15 donde no es
7 y crear la columna rmr2003 sumando rmr1234 y rmragua
- Generar nueva leyenda, isosuperficies e isolineas a diferentes planos XY e YZ

GENERACIÓN DEL MODELO HIDROGEOLÓGICO Y CÁLCULO DEL
RMR 2003

PROPIEDADES RESISTENTES.
Cohesión y fricción

Resistencia a compresión simple

Módulo de deformación estático

CRITERIOS DE ROTURA
Un Criterio de Rotura es una relación entre tensiones que

permite predecir la resistencia de una roca sometida a un
campo tensional.
Es una función escalar, F, dependiente del tensor de

tensiones. No se produce la rotura del material mientras las
tensiones que actúen sobre él no superen los valores de las
tensiones últimas; es decir, mientras el punto representativo
del estado tensional quede dentro de la superficie dad por
la siguiente ecuación:
F(σ ) = 0

CRITERIOS DE ROTURA
Mohr Coulomb
Es un criterio de cortante aplicable a suelos y también (aunque en menor medida) a rocas. El
criterio establece que el valor de cortante que se puede soportar en un plano del terreno no es
un valor constante si no que depende del grado de compresión a que está sometido,
aumentando linealmente con él.
La explicación de este comportamiento se obtiene al considerar los contactos entre las
partículas como friccionantes.
Suelos saturados :
s  c   ' tan
Rocas y suelos no saturados :
s  c  tan

CRITERIOS DE ROTURA
Mohr Coulomb
A partir de los círculos de Mohr y del criterio de Mohr-Coulomb, se puede determinar el valor
de la tensión principal máxima que produce la plastificación para una determinada tensión
principal mínima. Para ello basta con deducir el valor para el cuál el círculo se hace tangente a la
recta de Mohr.
 '1   '3 K   c
 c  2c K
1  sen 
K 
1  sen 

CRITERIOS DE ROTURA
Mohr Coulomb

CRITERIOS DE ROTURA
Mohr Coulomb

CRITERIOS DE ROTURA
Hoek y Brown
Hoek y Brown publicaron en 1980 un criterio de rotura de cortante válido para la matriz (roca
intacta) y macizos fisurados. El criterio ha sufrido distintas revisiones, siendo su última versión
de 2002:
a
  '3 
 '1   '3  ci  mb  s 
  ci 
 ci : Resistencia a compresiónsimple de
la matriz (roca intacta)
m, s, a : Parámetros a ajustar según el tipo de roca
Las tensiones en el plano de rotura fueron dadas por Balmer(1952):

 '1  '3  '1  '3 k  1
 ' 
2 2 k  1 d '1  ' 
a 1
donde k   1  a  mb  mb 3  s 
k d '3   ci 
s     '1  '3 
k  1
CRITERIOS DE ROTURA
Hoek y Brown
Cuando la roca no presenta diaclasación o cuando queremos caracterizar la matriz

componente de la roca (por ejemplo en los ensayos de laboratorio en los que la
probeta no incluye diaclasación) los parámetros de Hoek y Brown toman valores
particulares:
a 1
2 , s  1, mb  mi
 '1   '3  mi ci '3  ci2
 '3  0   c   ci


 '1  0   t  ci mi  4  mi2
2


ENTRADA DE DATOS A LOS PROGRAMAS DE CÁLCULO
DEL ESTADO TENSIÓN DEFORMACIÓN DEL MACIZO
ROCOSO
Una vez obtenido el modelo de bloques RMR2003, podemos utilizar este dato
para calcular los diferentes parámetros geomecanícos que nos permitan entrar
en un programa de cálculo que nos proporcionará el estado dinámico de
tensión-deformación del macizo rocoso.

9. ANÁLISIS DE RIESGOS POR ORIENTACIÓN DE

FRACTURAS

TRATAMIENTO DE LA ORIENTACIÓN Y BUZAMIENTO DE
FRACTURAS CON RELACIÓN A LA CORTA
Modelo de corta
A SIG
Contornos de
orientaciones
En un plano
Integración
de Aspectos y
ORIENTACIONES
DE FRACTURAS
Determinación de Zonas de Calculados a
riesgo por coincidencia de la través de álgebra
de mapas
orientación de los taludes y las
familias de fracturas

EJERCICIO 10. ZONAS CRÍTICAS EN UNA CORTA POR
COINCIDENCIA EN LA ORIENTACIÓN DE FRACTURAS
- General el DTM de la corta a partir de sus curvas de nivel.

- Exportar el fichero de puntos a través de ESRI
- Obtener de las dos familias 1 y 2 de las curvas de contorno al nivel -20
- Importar usando formato ESRI a Geomedia
- Utilizar Geomedia Grid para regenerar el modelo triangular
- Calcular los aspectos (orientaciones)
- Recodificar los datos alrededor de un valor medio
- Cerrar mediante digitalización las líneas de contorno que permanezcan
abiertas
- Cruzar ambos datos y definir zonas peligrosas.


Evaluacion de Estabilidad para Cierres Mineros

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

Evaluacion de Estabilidad para Cierres Mineros

Cargado por

Copyright:

Formatos disponibles

Universidad de Oviedo

Zonificación del Macizo Rocoso

Profesor: Dr. Víctor Manuel González Marroquín

Universidad de Oviedo - stimma 1

4. MODELO GEOTÉCNICO. FRACTURACIÓN DEL MACIZO ROCOSO

7. MODELO GEOTÉCNICO. EVALUACIÓN DEL RMR 2003

9. ANÁLISIS DE RIESGOS POR ORIENTACIÓN DE FRACTURAS

10. ESTRATEGIAS DE PLANIFICACIÓN EN OPEN PITS

Universidad de Oviedo - stimma 4

Universidad de Oviedo - stimma 6

• Excavación superficial, cuyo objetivo es la extracción de mineral.

Universidad de Oviedo - stimma

Definición de Mineral Ley de

Universidad de Oviedo - stimma 8

Sondeos y P.L. Modelo de

Universidad de Oviedo - stimma 9

La Elaboración de un Modelo del Macizo Rocoso mediante

• Información existente. Cartografía general y labores antiguas

• Dos modelos a elaborar: Geológico sobre el que se superpone el Geomecánico

• Desde el Modelo Geomecánico se pueden abordar los modelos de cálculo

Universidad de Oviedo - stimma 10

Universidad de Oviedo - stimma 11

Universidad de Oviedo - stimma 12

Universidad de Oviedo - stimma 13

Universidad de Oviedo - stimma 14

Universidad de Oviedo - stimma 15

2. Generación del Modelo Geológico

Universidad de Oviedo - stimma 16

• Cartografía geológico-geotécnica. Escalas adecuadas al objeto del modelo

Posteriormente hay que integrar esta información en forma de MODELO

Universidad de Oviedo - stimma 17

– Es imprescindible una herramienta para el tratamiento previo de datos

– CAD, SIG y hojas de cálculo y/o Ba

Universidad de Oviedo - stimma 18

Universidad de Oviedo - stimma 19

La Superficie de la Tierra no es representable en 2D.

Es una forma irregular que se modeliza en primera instancia a

Este Geoide aún no es tratable matemáticamente. Hay que

La representación del punto de contacto entre el elipsoide y el

Podemos sin embargo, representar los puntos mediante una red de

Estas curvas se dividen en grados sexagesimales denominadas

Universidad de Oviedo - stimma

Para poder realizar mapas útiles, es necesario buscar métodos que

Normalmente se utilizan cuádricas (o planos, que no dejan de ser

La curva de la coincidencia no tiene deformación añadida y se denomina

Vemos algunas de las más comunes.

Si la proyección se realiza sobre un cono que es

Universidad de Oviedo - stimma 24

Si la proyección se realiza sobre un plano que es

Universidad de Oviedo - stimma 25

Para navegación a grandes distancias (aérea, naval)

En esta proyección, no se puede medir

Universidad de Oviedo - stimma 26

Si proyectamos sobre un cilindro transversal tangente a un

Universidad de Oviedo - stimma 27

España necesita 4 husos para representar su

Los elipsoides que más se utilizan en España

También se utiliza un elipsoide que promedia

Así se verían España con una proyección de

Universidad de Oviedo - stimma 29

Una explotación minera suele tener un sistema de referencia local basado en

Por eso es importante conocer como cambiar de coordenadas de un sistema local

Universidad de Oviedo - stimma 30