SIMULACIÓN CONDICIONAL

Es en la actualidad una herramienta importante en las aplicaciones prácticas de la

geoestadística. Sin embargo, la creación de esta teoría, su formulismo y su implementación
práctica se remontan a principios de la década de los 70, principalmente en el Centro de
Geoestadística de Fontainebleau, Centro de Investigación de la Escuela Nacional Superior de
Minas de París, dirigido en ese entonces por el geomatemático francés Dr. Georges Matheron
(1930-2000).

Por definición, llamaremos simulación de una función aleatoria a la obtención numérica de una
o varias realizaciones. Si consideramos una variable regionalizada conocida en los puntos
experimentales

x1, x2, ..., xN:

La simulación condicional consiste en construir una realización que posee el mismo histograma
– por consiguiente, la misma ley media y la misma varianza –, el mismo variograma que los
datos disponibles, además de estar condicionada por estos datos experimentales z(x1),
z(x2), . . ., z(xN). Es decir, donde existen datos, simulación y realidad coinciden.

Figura 3: Simulación condicional en un banco de una mina de cobre a cielo abierto. Se

observa que la simulación respeta el histograma (las zonas de baja ley son más que las zonas
de alta ley) y reproduce las anisotropías (por intermedio del variograma). Se observa
también la presencia de un efecto de pepita que el krigeado no puede reflejar. La simulación
puede ser conocida en cualquier punto del depósito, en este caso, en una malla de 2 metros
x 2 metros.

RECUPERADO: TESIS - La Simulación Condicional en un Depósito Minero.

UNIVERSIDAD DE CHILE - 2008

La simulación condicional de conjuntos aleatorios es importante en la simulación condicional
de un borde geológico. En algunos casos el modelo matemático es bastante complicado.

La simulación de dos facies o unidades. En el caso de simular más facies, la situación se

complica y hay que utilizar métodos más elaborados como el método gaussiano cortado y el
método pluri gaussiano.

El método gaussiano cortado consiste en obtener una realización de una función aleatoria Y (x,
y) gaussiana reducida (con media 0 y varianza 1) y luego aplicar diferentes cortes – o intervalos
del tipo a < Y ≤ b – a la realización, los cuales definen las unidades.

Figura 9: Simulación del modelo gaussiano cortado. A la izquierda la realización gaussiana

reducida (colores claros indican valores altos, oscuros, valores bajos), a la derecha el conjunto
aleatorio resultante con 4 unidades, definidas por los intervalos.

Las plurigaussianas.

Sean dos funciones aleatorias independientes Y1(x, y) e Y2(x, y) las cuales son gaussianas
reducidas y toman sus valores (Y1, Y2) en el plano, el cual ha sido “particionado” en zonas D1,
D2, D3, ..., las cuales se pintan con ciertos colores:
Como estas funciones aleatorias están indexadas con las coordenadas (x, y), a cada punto (x, y)
se le asocia el color del punto (Y1, Y2).

La figura siguiente muestra un ejemplo. En la parte superior (en verde) aparecen las gaussianas
reducidas Y1(x, y) e Y2(x, y) (los colores claros indican valores altos, los oscuros, valores bajos).
El variograma de Y1(x, y) corresponde al modelo gaussiano isótropo, mientras que el
variograma de Y2(x, y) corresponde a un modelo esférico isótropo. Más abajo se tienen varias
simulaciones correspondientes a diferentes particiones (o “banderas”) del espacio.

La simulación condicional de los modelos gaussiano cortado y plurigaussiano es relativamente

simple

Figura 19:
Simulación condicional y krigeado. El krigeado establece que en la parte norte las impurezas
tienen leyes inferiores a 0.8% de alcalinos. La simulación nos indica que podrían existir
problemas, los cuales hay que tener presente en la planificación.

RECUPERADO: TESIS - La Simulación Condicional en un Depósito Minero.

UNIVERSIDAD DE CHILE - 2008

REFERENCIA:

RECUPERADO: TESIS - La Simulación Condicional en un Depósito Minero.

AUTOR: Marco Antonio Alfaro Sironvalle

UNIVERSIDAD DE CHILE - 2008