CAPÍTUL II

VALIDACION DE LA ESTIMACIÓN
a) Estimación global: interesa estimar la ley media y el tonelaje

de todo el yacimiento (o de una zona grande S dentro del depósito o

yacimiento)

Figura I.1: Zona 3D a estimar e información disponible. ¿Cuál es la ley media y el

tonelaje de S?

Se tiene un conjunto de leyes z1, z2, . . . , zN de mineral localizadas en los

puntos x1, x2, . . . , xN
b) Estimación local: Interesa estimar la ley media de unidades o bloques dentro de S, con el fin de localizar
las zonas ricas y pobres dentro de esta zona S.

Figura I.2: Estimación local con bloque unitario o unidad básica de cálculo. Modelo de bloques de15mx15mx15m.

La estimación global y local están relacionadas porque se pueden obtener valores globales al componer los valores
locales de los bloques vi.
A continuación estudiaremos los métodos tradicionales más importantes, desde un punto de vista crítico.
EL KRIGEADO

En términos mineros, el krigeado consiste en encontrar la mejor estimación lineal insesgada de un

bloque o zona V considerando la información disponible; es decir, las muestras interiores y exteriores a
V.

Figura V.1: Volumen a estimar.

Interés del Krigeado

El interés del krigeado proviene de su misma definición: al minimizar estamos seguros de obtener
la estimación más precisa posible de V o equivalentemente, de sacar el mejor provecho posible de la
información disponible.
V.1. Las ecuaciones del krigeado

Para obtener las ecuaciones de krigeado hay que minimizar la expresión de

pero los deben verificar la condición:

V.2. Propiedades del Krigeado

Las propiedades más importantes del método de krigeado son:

 Propiedad de simetría

Si (h) es isótropo, entonces datos que son simétricos respecto de V y con respecto a

los otros datos tienen pesos iguales.

Figura V.10: Propiedad de simetría del krigeado.

  Composición de krigeados

Sean dos volúmenes disjuntos V1 y V2; sean z1 y z2 los estimadores de

krigeado respectivos:

Entonces el krigeado z de V1  V2 es:

Figura V.11. Composición de krigeados.

Es decir una ponderación por volúmenes o por tonelajes.

Esta relación no es válida para las varianzas: si se desea conocer la

varianza es necesario krigear el bloque V1  V2 o bien utilizar una

aproximación.
 V.1. Vecindad de Estimación.

FiguraelV.12:
En estricto rigor, Vecindad
krigeado de unde bloque
estimación. Para el krigeado
V debería realizarsenoconsiderando
importa la agrupación de datos
todos los datos al lado
disponibles (krigeado
izquierdo del bloque (el krigeado desagrupa la información). ¿Cuál radio tomar?
completo). Sin embargo, esta situación implica cálculos muy largos; por otra parte, las muestras alejadas tendrían un
peso casi nulo. Por esta razón la práctica recomienda restringirse a una vecindad de estimación que puede ser una
esfera o círculo, o bien un elipsoide o elipse (3D y 2D). Como recomendación práctica, el radio de búsqueda en una
cierta dirección no debe ser inferior al alcance en esa dirección.
La práctica ha demostrado que, en el espacio de dos dimensiones, con una vecindad que contenga un promedio del
orden de 8 muestras, los resultados son buenos. En el espacio de tres dimensiones la situación es más compleja y debe
ser analizada en cada caso particular

Figura V.13: En el espacio 3D hay que elegir los parámetros de búsqueda de

manera de que se produzca “interpolación” entre los sondajes. En esta mina
se observa que quedarán bloques mejor estimados que otros y habrá que
categorizarlos en medidos, indicados e inferidos.
Método general: IDW (ponderación por distancia)

La interpolación del punto problema se realiza asignando pesos a los datos del
entorno en función inversa de la distancia que los separa -inverse distance
weighting, IDW-.
La fórmula general es:

Donde es el valor estimado para el punto j ; n es el número de puntos usados

en la interpolación; zi el valor en el punto i-ésimo y kij el peso asociado al dato i
en el cálculo del nodo j. Los pesos k varían entre 0 y 1 para cada dato y la suma
total de ellos es la unidad.
Para establecer una función de proporcionalidad entre el peso y la distancia, la fórmula general
queda como sigue:

donde y b es un exponente de ponderación que controla la forma en la que el peso

disminuye con la distancia.

Esta familia de métodos permite la generación del MDE de una forma rápida y simple. Sin embargo,
se trata esencialmente de una media ponderada y, por tanto, el resultado se encuentra siempre
incluido dentro del rango de variación de los datos. Por este motivo, el correcto tratamiento de las
formas cóncavas y convexas depende estrechamente de la distribución de los puntos originales y la
presencia de datos auxiliares se hace muy conveniente.
VALIDACIÓN VISUAL

Dentro de la validación visual tenemos:

 Revisar el Modelo Geológico contra los taladros y los sólidos construidos.

 Revisar las secciones y vistas del modelo con los taladros.
 Revisar la dirección de búsqueda. Ejecutar una corrida de verificación y luego sobre
poner el elipsoide sobre el modelo.
 Revisar mapas de contorno y las curvas de ley del Modelo.
Al revisar el Modelo Geológico, considerar antes de la interpolación lo siguiente:

• Revisar códigos de Taladros (DDH) versus los códigos del modelo y asegurarse de que c
oincidan.
• Preguntarse: ¿hace sentido la interpretación geológica? Recordar que la persona que hace la
Estimación de Recursos no necesariamente ha hecho o revisado la interpretación geológica.
• Observar si existen espacios o sobre posiciones en los polígonos y/o sólidos.
• Preguntarse: ¿Necesito considerar bordes suaves durante la interpolación en lugar de
bordes duros?
• Revisar si hay cambios en valor de leyes entre contactos en relación a la distancia del
contacto.
Considerar, luego de la interpolación lo siguiente:

 Mapear los bloques del modelo y los taladros.

 Usar polígonos en 2d sin mostrar las caras pero si mostrar las líneas de tal manera que sea un modelo
transparente de ser requerido.
 Usar el mismo color para ítem del taladro y también ítem del modelo de bloques.
 Añadir cintas de borde a los taladros para una mejor visualización del taladro.
 Revise las vistas de planta banco por banco.
 Use los mismos colores y misma etiqueta por ley que se muestra.
 Revisar si las leyes siguen la orientación de la búsqueda.
 Si el software que usted usa lo permite, dibuje la elipse sobre la vista de planta.
 Compare los contornos de los compósitos versus los contornos del modelo. ¿Se ven similares o
diferentes? Realice esta comparación banco por banco.
 Haga un sólido por ley de corte y traslape los sólidos de alta ley. ¿Se sobreponen cerca de los
compósitos de alta ley? O ¿dejamos de usar algunas áreas de compósitos de alta ley?
Dentro de la validación estadística del modelo y de los compósitos tenemos:

 Realizar histogramas del modelo, curvas tonelaje ley, Ploteo probabilístico, SwathPlots (Gráfico que resulta
de la comparación de valores promedio dentro de un espacio limitado).
 Si el software que usted usa lo permite, dibuje la elipse sobre la vista de planta.
 Compare los contornos de los compósitos versus los contornos del modelo. ¿Se ven similares o
diferentes? Realice esta comparación banco por banco.
 Haga un sólido por ley de corte y traslape los sólidos de alta ley. ¿Se sobreponen cerca de los compósitos
de alta ley? O ¿hemos dejado de usar algunas áreas de compósitos de alta ley?
 Revisar estadísticas de compósito desagrupado (declustered) o estadísticas poligonales vs el modelo.
 Use curvas tonelaje-ley para comparar.

Revise gráficos de dispersión (scatterplots) y probabilísticos Complementar las revisiones anteriormente

mencionadas comparando el modelo geológico antes y después de la interpolación.