91 - Dufour (1) - Compressed

Machine Translated by Google
Estabilidad de taludes 2020 - PM Dight

(ed.) © Centro Australiano de Geomecánica, Perth, ISBN 978-0-9876389-7-7
doi:10.36487/ACG_repo/2025_91
Optimización de drenaje de tajo de un modelo 3D FEFLOW de

agua subterránea no estructurado en el complejo geológico de la
mina Antamina en Perú
RM Dufour DHI Perú SAC y UNINE, Perú
C Aguirre Antamina, Perú
M Sánchez Antamina, Perú
A Maqueda Université de Neuchâtel, Suiza
JM Zwinger DHI WASY GmbH, Alemania
A Renz DHI WASY GmbH, Alemania
J Cho Consultor independiente, Canadá
D Evans FloSolutions, Perú
Resumen
Los modelos hidrogeológicos son una simplificación de la realidad y no pueden incorporar todas las complejidades
que existen en la naturaleza. Los modeladores deben decidir el nivel de detalle necesario para un problema
determinado en función del objetivo del ejercicio de modelado. La geología y las estructuras juegan un papel
importante en el flujo de agua subterránea en los sitios mineros de los Andes peruanos (FloSolutions 2015). En la
mina Antamina, el flujo está fuertemente controlado por fallas, fracturas asociadas con lechos, plegamientos y
características kársticas dentro de las formaciones de piedra caliza (Beal 2014). Además, dado que Antamina es un
depósito de tipo skarn, la intrusión ha inducido un sistema geológico complejo que gobierna el comportamiento del flujo alrededor
Esta complejidad hace que el proceso de deshidratación a cielo abierto y la evaluación de las presiones intersticiales
para la estabilidad del talud del tajo y el análisis geotécnico sean un desafío. El mallado no estructurado tridimensional
(3D) en FEFLOW permite un mayor nivel de detalle en el tajo abierto y una mejor representación de la complejidad
geológica y las estructuras, al mismo tiempo que permite la conservación del proceso de flujo 3D a escala regional
con menos malla nodos en el modelo numérico y por lo tanto, menor tiempo de simulación. Además de destacar las
nuevas capacidades de FEFLOW para mallas no estructuradas para desagüe de fosas; este documento presenta
procesos de optimización innovadores para minimizar OPEX y CAPEX de la operación de deshidratación y una
solución de fusión de datos para aumentar significativamente la precisión de los resultados de simulación de presión intersticial p
Palabras clave: FEFLOW 7x, drenaje de minas, presión intersticial, optimización de OPEX, computación en la nube,
entornos geológicos complejos, Andes
1 Resumen
La primera parte de este artículo describe la evolución del modelo a cielo abierto Antamina, originalmente un modelo
basado en capas 3D realizado en 2012 (MWH 2012). Este modelo, denominado modelo en capas de 2012, se
desarrolló antes del lanzamiento de las capacidades de cuadrícula no estructurada de FEFLOW 7.1 (DHI 2015) y fue
reconstruido por el mismo equipo de modeladores utilizando una malla no estructurada en 2016. Para el nuevo
modelo, denominado Modelo no estructurado de 2016, se insertó un nuevo modelo geológico construido en Leapfrog
(BISA 2015) en la malla del modelo FEFLOW. Se incorporaron explícitamente 54 fallas en el nuevo modelo además
de 13 unidades geológicas y una zonificación hidrogeológica con profundidad que conduce a un total de más de 800
parámetros ajustables (SRK 2011). Además, la geometría de todas las etapas del tajo desde los planes de la mina de
2016 a 2036 se representan con gran detalle dentro de la malla FEFLOW al ajustar las ubicaciones de los nodos de la malla para qu
Estabilidad de Taludes 2020 1329

Optimización de drenaje de tajo de un modelo 3D FEFLOW de agua subterránea no RM Dufour et al.

estructurado en el complejo geológico de la mina Antamina en Perú
(Figura 1). El modelo no estructurado de 2016 se calibró en estados estables y transitorios utilizando datos de cabeza
de más de 165 piezómetros. El uso de la computación en la nube de Amazon era obligatorio para acortar el proceso de
calibración de semanas a días, utilizando PEST (Doherty 2016). Otro componente crítico del modelo no estructurado de
2016 fue la inserción de 36 diseños de planes de mina dentro de la propia malla no estructurada. Tener tal nivel de detalle
permitió un análisis directo de la estabilidad de la presión de poros en 3D utilizando Flac 3D (Itasca 2012). Este es un
ejercicio que generalmente se realiza externamente desde el modelo 3D FEFLOW utilizando modelos verticales 2D como
SEEP/W (Geoslope 2012) debido a la necesidad de una alta densidad de malla en el área del tajo que antes no era posible
lograr en 3D regional. modelo basado en capas. El enfoque del modelo de flujo de agua subterránea de sección vertical
2D tiene la limitación de ignorar los procesos de flujo 3D hacia el tajo abierto y podría sesgar potencialmente la solución
de presión intersticial del proceso 3D. Los modelos geotécnicos en sí mismos no tienen la limitación de estar restringidos
a la presión intersticial del modelo 2D, por lo que es una carga computacional relacionada con el modelo de agua subterránea 3D.
(a) (b)
Figura 1 Vista en 3D del modelo no estructurado de 2016 que ilustra el alto nivel de detalle del producto de
la malla no estructurada para la (a) etapa del tajo y (b) etapa final del tajo de 2025 donde incluso
se representan las rampas de la mina
La segunda parte de este documento describirá el proceso de optimización. El objetivo era realizar una optimización
numérica y automática de las ubicaciones de los pozos de desagüe/despresurización con respecto a una función
objetivo de CAPEX y OPEX. FEFLOW se automatizó usando una rutina MATLAB externa para probar todas las
ubicaciones posibles de pozos de bombeo en un área definida para cada uno de los 20 años del plan de la mina. Las
posibles ubicaciones de los pozos corresponden a nodos en la malla FEFLOW, 100 m por debajo del fondo del tajo en cada año del pla
Luego, se analizó automáticamente el efecto de la ubicación de cada pozo a través del proceso de optimización para
encontrar la combinación más eficiente de ubicaciones de pozos para el drenaje y, al mismo tiempo, reducir la función
de costo. Se utilizó un algoritmo dinámico porque puede manejar problemas discretos y mixtos (seleccionando el
número de pozos a implementar y decidiendo cuáles necesitan ser activados ya qué tasas).
El enfoque consiste en generar un conjunto bastante grande de posibles soluciones (una población) y calcular la función
objetivo para todas esas soluciones. Luego se rechazan todas las configuraciones inaceptables (aquellas con valores
altos de la función objetivo). Las nuevas soluciones se generan haciendo perturbaciones aleatorias dentro de las
soluciones aceptadas y agregando algunas combinaciones nuevas alrededor de ellas. El proceso se repite varias veces
hasta que la función objetivo ya no disminuye. Durante el proceso, la demanda computacional predominante es causada
por el cálculo de la respuesta de drenaje en FEFLOW. Para minimizar esta carga computacional, acelerar el proceso y
explorar en profundidad todas las combinaciones posibles, el cálculo de las cabezas hidráulicas se linealizó en la
medida de lo posible.
La parte final del documento describe cómo se han obtenido distribuciones de presión intersticial de alta precisión para
el modelo de estabilidad de taludes del tajo al fusionar los resultados del modelo con los datos reales del transductor de presión obser
El método de fusión de datos se aplicó para crear la mejor estimación lineal imparcial del campo de presión antes de
pasar los datos al modelo de estabilidad de taludes del rajo. La diferencia hecha por este método de corrección de sesgo
1330 Estabilidad de Taludes 2020

Gestión de aguas superficiales y subterráneas, despresurización, monitoreo y remediación
se muestra comparando el resultado bruto del modelo no estructurado de 2016 con los resultados de este
proceso de aumento para el período de 2015 del modelo.
2 Construcción de modelos y mallas no estructuradas
2.1 Caracterización geológica

La geología es un factor clave para el comportamiento del sistema de agua subterránea en el sitio de la mina
Antamina (FloSolutions 2015) y (WMC 2009), especialmente las estructuras cercanas al tajo que tienden a crear
compartimentos hidrogeológicos dentro del sistema de flujo. La geología regional comprende varias unidades
diferentes de piedra caliza que han estado sujetas a fallas, plegamientos y, en algunos casos, desarrollo
kárstico. En la zona de pits existen diversos tipos de alteraciones y unidades intrusivas. Antamina es un
depósito de tipo skarn formado en el contacto metamorfoseado entre la intrusión y la roca caliza huésped. La
complejidad geológica, especialmente dentro y alrededor de la zona del tajo, plantea desafíos para el desarrollo
de un modelo de flujo de agua subterránea que sea lo suficientemente detallado como para proporcionar
presiones de poro del tajo para una evaluación de la estabilidad geotécnica. Debido a que se observó que las
unidades geológicas individuales tenían distintas influencias en el régimen de flujo de agua subterránea, fue
necesario importar un modelo 3D Leapfrog existente con una interfaz fluida a FEFLOW. El modelo geológico
(BISA 2015) fue proporcionado por Antamina y se muestra en la Figura 2. La Figura 3 muestra su representación
en el modelo no estructurado de 2016. Para ser precisos, el modelo de la Figura 3 representa una fusión de dos
modelos geológicos; el modelo de propiedad regional de Antamina (formaciones geológicas y fallas regionales) se fusionó c
(a) (b)
Figura 2 (a) Vista del modelo 3D Leapfrog; (b) Zoom en el área del pit del modelo Leapfrog
(a) (b)
Figura 3 Vista del modelo no estructurado de 2016 que incluye la información geológica importada
del modelo Leapfrog y zoom de la zona de interés – tajo abierto. (a) Vista general del
modelo Leapfrog importado dentro del modelo no estructurado de 2016; (b) Zoom en el
Pit que muestra la representación detallada de la geología


2.2 Definición de las fallas

Las pocas fallas regionales mapeadas del modelo geológico Leapfrog no se definieron explícitamente dentro del
modelo no estructurado de 2016 ya que estaban distantes del área del tajo. Sin embargo, 54 fallas locales (Figuras
4(a) y (b)) del modelo Leapfrog se incorporaron al modelo no estructurado de 2016 dentro del área a cielo abierto.
Esto representa uno de los principales avances del modelo MWH en capas de 2012 construido en FEFLOW
versión 6.2 (DHI 2013), que solo era capaz de modelar fallas verticales o simplificar una falla inclinada en grandes
pasos discretos debido a la carga computacional relacionada con el refinamiento requerido en el área a cielo abierto.
Las fallas en Antamina son características hidrogeológicas importantes, ya que pueden impedir el movimiento
de las aguas subterráneas y transportarlas según su orientación en relación con los gradientes de aguas
subterráneas. Con el modelo no estructurado de 2016, las 54 fallas están inclinadas como en el modelo geológico
con una resolución vertical de aproximadamente 10 a 20 m, que es mucho más fina que en el modelo en capas
de 2012. Cada falla se divide en seis zonas de profundidad, cada una con parámetros ajustables de forma independiente para P
Con base en nuestra revisión del informe de geología estructural de SRK (SRK 2011), se identificaron cuatro
grupos de fallas generales. Durante el proceso de calibración, se intentó hacer coincidir la caracterización de
fallas interpretada por un especialista estructural (SRK 2011) con la parametrización del modelo no estructurado de 2016.
PEST se utilizó para la calibración de las propiedades del material in situ relacionadas con el modelo geológico
3D y las 54 fallas individualmente mediante el ajuste de las conductividades hidráulicas. Esto fue seguido por
ajustes manuales para igualar, lo más cerca posible, las características de falla como se describe en el modelo conceptual SRK
La regularización de Tikhonov se utilizó con diferencias de parámetros preferidas como información previa para
que coincida mejor con el concepto geológico con respecto a las relaciones entre las unidades geológicas. Por
ejemplo, la formación intrusiva dentro del tajo necesitaba ser más permeable que la unidad Hornfels, dentro de
rangos de permeabilidad específicos. No se utilizó información previa para las 54 fallas. Las fallas se modelan
dentro de la propia malla como selecciones elementales y no se usaron elementos discretos ya que los elementos
discretos en FEFLOW 7.1 no pueden comportarse como una barrera en comparación con la roca circundante.
norte
(a) (b)
Figura 4 Vista de las 54 fallas presentes en el área de rajo abierto luego insertadas como zonas de permeabilidad el 2016
modelo no estructurado. (a) Vista en planta de las 54 fallas; (b) Vista en ángulo de las 54 fallas

2.3 Comparación del modelo no estructurado de Antamina de 2016 en FEFLOW 7.1 con
el modelo en capas de 2012 en FEFLOW 6.0
La malla FEFLOW se construyó utilizando las nuevas capacidades TetGen de FEFLOW 7.1 (DHI 2015). DHI incorporó todas
las etapas predictivas de pozos explícitamente en una sola malla FEFLOW. Se debe encontrar un equilibrio entre el nivel
de detalle de la malla y el tiempo de cálculo del modelo. Por lo tanto, se priorizó el refinamiento asociado con la simulación
de estructuras de tajo futuras en lugar de hacer coincidir la malla con las estructuras de tajo históricas, lo que no afectará
significativamente las simulaciones predictivas. Por lo tanto, la geometría de todas las etapas del tajo desde los planes de
mina de 2016 a 2036 se representan con gran detalle dentro de la malla FEFLOW ajustando las ubicaciones de los nodos
de malla para que coincidan con los planos de mina.
Todas las etapas históricas del tajo desde 2000 hasta 2016 se representan usando el método de interpolación del vecino
más cercano al nodo FEFLOW más cercano en el área Z1 de la zona del tajo altamente refinada en 3D, en la Figura 5. La
ubicación de las secciones NW a SE se presenta más abajo en el texto en la Figura 6. Todas las condiciones de contorno
del tajo y los nodos de filtración se configuraron con funciones de modulación transitoria para activarse en el momento
adecuado. Como resultado, el modelo no estructurado de 2016 se puede ejecutar desde las condiciones previas a la
extracción, año 2000, período de calibración transitorio hasta el año 2016, hasta los escenarios predictivos finales, año
2036, sin ninguna interrupción de la computadora durante el período de simulación. El uso de una sola malla también
permitió que las condiciones de cabeza iniciales de la calibración de estado estable previa a la minería se importaran
directamente al modelo transitorio. La simulación transitoria única incluye el período de calibración transitoria de 2000 a
2016 y el período de predicción de 2016 a 2036. Dado que la zona Z1 está altamente refinada, se considera aceptable
importar posibles nuevos planos de mina en la malla utilizando la interpolación del vecino más cercano y sin reajustar la nodos de malla
Con la misma lógica, se supone que el hecho de que la malla no coincida con los planes de la mina no influirá en el
período de calibración transitoria de los años 2000 a 2016.
La nueva malla del modelo no estructurado de 2016 condujo a una reducción del número de mallas de elementos finitos
en más del 70 % (462ÿ885 nodos en el modelo de 2016, en comparación con 1ÿ620ÿ360 nodos en el modelo en capas de
2012 (MWH 2012)), lo que llevó a una reducción en el tiempo computacional por un factor de 5. El tiempo de ejecución de
estado estacionario final para el modelo no estructurado de 2016 fue de solo 4 minutos, lo cual es muy adecuado para
realizar un análisis de incertidumbre de ejecución intensiva, si es necesario. Al mismo tiempo, el modelo no estructurado
de 2016 presenta aproximadamente el doble de nivel de refinamiento en áreas clave del tajo abierto. El dominio del modelo
no estructurado de 2016 (Figura 6) se amplió a aproximadamente cinco veces el tamaño del modelo en capas de 2012, lo
que permitió la cobertura de regiones periféricas, incluidas las instalaciones de almacenamiento de relaves de la mina.
Con FEFLOW 6.0, fue muy difícil para el modelo en capas de 2012 lograr una resolución de malla alta en 3D en el área de
interés sin aumentar simultáneamente la resolución en otras partes del modelo porque el modelo tenía que construirse
como una serie de capas. La Figura 5 ilustra cómo el modelo en capas de 2012 tiene un alto nivel de refinamiento poco
atractivo en áreas alejadas del tajo abierto o fuera de la zona de interés. La Figura 5 también compara la malla de elementos
finitos del modelo en capas de 2012 (abajo) con el modelo no estructurado de 2016 (arriba). En el modelo no estructurado
de 2016, solo se definió un alto nivel de refinamiento de la malla para la zona del pit (Z1) con una dimensión de elemento
objetivo de 10 a 20 m, y cada nodo se ajustó para que coincidiera perfectamente con cada plan de mina predictivo. El área
que rodea inmediatamente al tajo (Z2) presenta elementos más gruesos pero con suficiente detalle para captar los
gradientes hidrogeológicos. En áreas fuera del tajo abierto (Z3), el nivel de refinamiento se redujo para aumentar la
eficiencia del tiempo de ejecución de la simulación del modelo.


Figura 5 Sección 2D noroeste-sureste a través del tajo abierto de la malla del modelo en capas de 2012 (abajo) y
la malla del modelo no estructurado de 2016 (arriba). La malla no estructurada permitió un mayor
refinamiento alrededor del área del tajo y menos refinamiento a nivel regional para lograr la eficiencia computacion

Figura 6 Mapa de ubicación de Antamina y límite del modelo 2012 (polígono rayado) versus modelo 2016
3 Calibración del modelo no estructurado 2016

Los objetivos importantes de la calibración de estado estacionario previa a la minería fueron lograr una
coincidencia razonable entre las cabezas observadas y simuladas (Figura 7) y para imitar la descarga de agua
subterránea observada en lagos, humedales, manantiales y arroyos. Se aplicó un esfuerzo adicional para reproducir
la fluctuación estacional debida a la recarga de la precipitación durante la estación húmeda, especialmente notoria
en los piezómetros superiores de la mayoría de los grupos de pozos de observación. Se han registrado
fluctuaciones de hasta 50 m entre la estación húmeda y la estación seca. Igualmente importante, dado que los
datos de calibración del cabezal previo a la extracción son escasos, fue una revisión exhaustiva de la capa freática
y los gradientes hidráulicos previstos en relación con la comprensión conceptual del sistema de aguas subterráneas. Durante la


Se confirmaron los valores y la anisotropía estimados en el modelo de estado estacionario previo a la extracción y se ajustó
el almacenamiento específico (Ss) para simular mejor las tendencias temporales en las cabezas observadas en la red de
piezómetros dentro del rajo y áreas circundantes. Estos parámetros también se ajustaron para simular mejor los caudales
medidos de los pozos de drenaje durante el desarrollo del tajo que se muestran en la Figura 7(b), donde los puntos negros
oscuros son los caudales medidos y los puntos grises son los caudales modelados, incluidos los húmedos y los modelados.
temporadas secas Durante la calibración transitoria, fue importante confirmar que las áreas que no registraron cambios de
carga debido al desarrollo del tajo (o que se cree que no se vieron afectadas) están representadas por el modelo como áreas
sin cambio de carga. Debido a que los cambios en los parámetros hidráulicos introducidos durante la calibración transitoria
también influirían en el período previo a la extracción, se revisó la calibración de estado estable después de cada etapa de la
calibración transitoria. Esta metodología de ida y vuelta continuó hasta que tanto el modelo de estado estacionario como el
transitorio de 2000-2015 pudieron simular procesos de flujo clave de manera consistente.
Un total de 165 piezómetros dentro del dominio del modelo no estructurado de 2016 pasaron el proceso de selección para su
uso en la calibración previa a la extracción, incluidos aquellos que se interpolaron hacia atrás para estimar las cabezas
previas a la extracción. Para el conjunto de datos de calibración transitoria, se utilizaron tres fechas de calibración
"instantáneas". En este proyecto, no se utilizaron mediciones continuas de altura para calcular los valores cuadráticos
medios normalizados transitorios (NRMS, por sus siglas en inglés). Los niveles piezométricos promedio anuales medidos en
el sitio y simulados en el modelo no estructurado de 2016 se compararon para los años 2007, 2012 y 2015. El número total de
piezómetros considerados confiables para estos tres años instantáneos fue 36, 85 y 57, respectivamente. El error NRMS se
calculó para cada uno de estos años de la misma manera que para la calibración de estado estable previa a la mina. Para este
documento, solo se presenta la gráfica de calibración previa a la minería en la Figura 7(a), con un valor del 8 % para el error
cuadrático medio normalizado (NRMS) o un error cuadrático medio (RMS) de 48 m.
PIT Wells Head Calibraciones antes de la minería Calibración de caudal 2000 - 2015
4700 400
Peso=0.3
Peso=0.5
4600 Peso=0.8 350
Línea Lineal
(Línea) 300
4500
TFII-06-D TFII-07-S
calculada
Altura
(m)
250
4400 TFII-07-D
200
RP-030 Caudal
L/
s
4300
150
4200
100
4100 50
MW04-116A
MW04-116B
4000 0
4000 4100 4200 4300 4400 4500 4600 4700
Altura medida (m) Tiempo (un)
(a) (b)
Figura 7 Gráfico de calibración del modelo 2016. (a) Altura calculada frente a altura medida para condiciones
previas a la extracción; (b) Flujo de deshidratación calculado y flujo de deshidratación modelado para 15 años de m
4 Optimización del esquema de deshidratación

Una vez calibrado, el modelo no estructurado de 2016 se utilizó como herramienta para optimizar el esquema de achique de Antamina.
El objetivo de la optimización es utilizar un enfoque innovador para proponer un conjunto de tasas de bombeo y ubicaciones
para desaguar el tajo de Antamina a 50 m por debajo de la base del tajo principal, al tiempo que se minimizan los costos
operativos y de capital de desagüe. El alcance del trabajo comprendió la escritura de código y el preprocesamiento de datos
para la optimización del campo de pozos. En la optimización se utilizaron los parámetros hidráulicos del modelo no
estructurado calibrado de 2016 descrito en las secciones anteriores.

4.1 Objetivos y metodología

El objetivo utilizado para definir un drenaje aceptable antes de la expansión del tajo se basó en bajar el nivel del agua a 50 m por debajo
del fondo del tajo al final de cada año desde 2016 hasta 2036, con la menor cantidad de pozos de bombeo. La optimización debe respetar
las siguientes restricciones:
• El programa debe identificar el número mínimo de pozos de bombeo para lograr el objetivo deseado.
• Las ubicaciones de los pozos de bombeo están restringidas espacialmente para estar dentro de un área definida como segura para un
instalación de pozos.
• Los pozos de bombeo por un tiempo determinado no pueden colocarse en áreas del rajo donde la roca será cortada por minería.
operaciones durante ese tiempo.
• Las dimensiones de los pozos de bombeo son de 30 cm de diámetro y hasta 250 m de profundidad (valores conceptuales que se
creen razonables en base a las tasas históricas de bombeo en el tajo Antamina).
• La tasa máxima de bombeo por pozo se considera de 25 L/s, valor conceptual que se cree razonable en base al bombeo histórico
del tajo Antamina.
El método se basó en múltiples ejecuciones de un modelo de estado estacionario para minimizar el tiempo de ejecución, y la optimización
se realizó utilizando el enfoque de Monte Carlo. La optimización se basó en los siguientes supuestos:
• El principio de superposición se aplica a la extracción de diferentes pozos.
• Una relación lineal entre la tasa de bombeo y la reducción dentro del modelo es razonable.
aproximación.
Es importante señalar que dado que la relación lineal no es estrictamente válida, se realizó una verificación final (ver punto 4 a
continuación), ejecutando el modelo con las soluciones finales del pozo para garantizar que al final se respetaron los criterios de la función
objetivo. La optimización es subóptima debido a esta simplificación, pero ejecutar el modelo de flujo no confinado completo para todas las
configuraciones de pozos y tasas de bombeo conduciría a tiempos de cálculo más prolongados.
El trabajo se dividió en cuatro pasos principales que se enumeran a continuación:
Preprocesamiento, que implica la división de los futuros 20 años de desarrollo de la mina en nueve períodos de tiempo, la
definición del área accesible para la instalación de pozos y la selección del punto de observación y las ubicaciones de los
pozos candidatos.
Corridas de modelos de estado estacionario para cada tiempo y cada pozo candidato.
Optimización utilizando los resultados de las corridas de un solo pozo en estado estacionario para encontrar la mejor
combinación de ubicaciones de pozos y tasas de bombeo.
Validación de la solución derivada de la superposición de estado estacionario con el modelo transitorio utilizando las
ubicaciones óptimas de los pozos y las tasas de bombeo.
4.1.1 Preprocesamiento de datos
4.1.1.1 División temporal en periodos

La optimización cubre 20 años desde 2016 hasta 2036. Como se mencionó, el proceso se basa en una serie de modelos de estado
estacionario. Dado que la configuración del tajo cambiará significativamente durante este período, el tiempo total de simulación se dividió
en nueve períodos que se muestran en la Tabla 1.


tabla 1 Lista de todas las etapas del tajo representadas dentro del modelo FEFLOW y optimizadas durante el proceso de
optimización
Inicio del período Final Años Fondo de fosa Objetivo de Inicio del período
(msnm) nivel de agua (msnm)
1 Dic 2017 Dic 2021 4 3,796 3,746 1 diciembre de 2017
2 Dic 2021 Dic 2023 2 3,766 3,716 2 diciembre 2021
Se utilizaron dos criterios para definir estos períodos. La primera fue que el área no perturbada para pozos potenciales en el
fondo del tajo (consulte la definición de área de perforación a continuación) no debería variar significativamente durante el período.
El segundo criterio fue que el avance en la profundidad del tajo debe estar restringido a una cantidad manejable en cada
período.
4.1.1.2 Definición del área del fondo del tajo y área de perforación
Todos los pozos de bombeo candidatos estaban ubicados en el fondo del pozo. El área del fondo del tajo se definió como la
superficie del armazón del tajo que está 100 m por encima de la elevación más baja del tajo (la distancia de 100 m es arbitraria
pero conduce a un área representativa del fondo del tajo). Los pozos de bombeo deben estar ubicados donde no se realizarán
excavaciones durante el período. Así, el área de perforación disponible para cada período es la intersección entre el área del
fondo del tajo y el área sin excavaciones previstas para el período. Esto significa que el código incluía una solución espacial
para excluir áreas para la optimización y tener en cuenta las limitaciones de perforación.
4.1.1.3 Selección de los puntos de observación
Se incluyeron puntos de observación en el modelo FEFLOW para confirmar el grado de deshidratación y evaluar qué tan
cerca está el cabezal del objetivo del nivel del agua. Para cada período, los puntos de observación se ubicaron dentro del
área del fondo del pozo y 100 m por debajo del fondo del pozo (que está a 50 m por debajo del objetivo de deshidratación y
se aproxima al nivel freático en el área del pozo). Se seleccionaron entre 10 y 15 nodos como puntos de observación.
4.1.1.4 Selección de pozos candidatos
Para cada período, se permitió que los pozos de bombeo fueran cualquier nodo FEFLOW ubicado dentro de los 250 m por
debajo del revestimiento del tajo dentro del área de perforación disponible. El resultado fue un grupo de 1000 a 1500 nodos
que podrían ser candidatos para pozos de bombeo. Se ejecutó una simulación FEFLOW de estado estacionario para cada uno de los nodos
Para disminuir el tiempo computacional, solo se seleccionó un nodo para cualquier cuadrado de 60 × 60 m de superficie del
fondo del pozo. Cada nodo candidato era el que estaba lo más cerca posible del centroide del cuadrado. Este proceso redujo
las ubicaciones de los pozos candidatos a alrededor de 100 nodos por período, como se muestra en la Figura 8, donde los
puntos azules son los nodos FEFLOW y los cuadrados rojos la selección del candidato.

Figura 8 Para disminuir el tiempo computacional, solo se seleccionó un nodo para cualquier cuadrado de 60 × 60 m de
superficie del fondo del pozo. Los puntos azules son los nodos de malla FEFLOW para una etapa específica del
tajo, los cuadrados rojos son los candidatos para la ubicación del pozo lo más cerca posible de cada centroide cuadrado.
4.1.2 Ejecuciones en estado estacionario
Para cada período, se construyó un modelo de estado estacionario 3D FEFLOW. El diseño del tajo en el modelo corresponde al
último año del período de tiempo. Las condiciones de contorno en el pozo fueron:
• Nodos de filtración aplicados en las paredes del tajo.
• Un solo pozo de bombeo en el fondo del tajo que corresponde a un solo pozo candidato. por cada vez
período, el modelo se corrió para cada pozo candidato.
Hay alrededor de 100 pozos candidatos para cada período y 10 períodos. En consecuencia, se completaron 1000 ciclos de un
solo pozo en estado estacionario. Para cada corrida, los resultados de cabeza hidráulica en los puntos de observación fueron
exportados para ser analizados durante el proceso de optimización. La creación, ejecución y posprocesamiento de las 1000
ejecuciones de estado estacionario se automatizaron a través de complementos dentro de FEFLOW.
4.1.3 Función de optimización
El paso de optimización determina la mejor combinación de pozos para lograr el nivel de deshidratación objetivo con el costo
económico más bajo posible. La optimización consistió en probar varias combinaciones de pozos.
Las combinaciones de pozos se obtuvieron utilizando el método Monte Carlo que explora el espacio de posibles soluciones.
Luego, para cada combinación de pozos, se calculó el nivel del agua en los puntos de observación a partir del modelo de estado
estacionario. Para determinar el mejor escenario, se desarrolló una función objetivo para alcanzar la reducción objetivo en los
pozos de observación al menor costo. Todo el proceso de optimización fue codificado en MATLAB. El código usó como entrada
el cabezal simulado en los puntos de observación en los modelos de estado estacionario con pozos de bombeo individuales.


4.1.3.1 Método de Montecarlo
Para explorar la variabilidad de posibles pozos activados y combinaciones de tasas de bombeo, se utilizó el método de
Monte Carlo. En un análisis de Monte Carlo, se prueban y analizan combinaciones aleatorias de pozos activos y tasas de
bombeo. Para este proyecto, no se evaluó la solución de cabeza completa para una iteración de Monte Carlo dada. Más bien,
la reducción prevista en los puntos de observación seleccionados se evaluó para cada evaluación de Monte Carlo. El
problema se simplificó aún más al aplicar la suposición de linealidad a la solución del flujo de agua subterránea. Cuando se
aplica la linealidad, la reducción en cada punto de observación se puede estimar con una precisión razonable utilizando el
principio de superposición (Bear 1979). El principio de superposición permite sumar las soluciones de ecuaciones lineales.
Por lo tanto, conociendo la disminución debida a un pozo de bombeo, se puede calcular la disminución debida a múltiples
pozos de bombeo sumando las disminuciones de cada pozo.
Una vez que se calcula el descenso y, por lo tanto, la cabeza en los puntos de observación para cada combinación de pozo,
se puede determinar la mejor combinación.
4.1.3.2 La función objetivo
Se incorporó una función de costo-objetivo en el problema de optimización para evaluar el costo y la eficiencia de cada
solución propuesta. Esto considera implícitamente el costo relacionado con la instalación de todos los pozos y las tasas de
bombeo, en este caso únicamente en función de la cantidad de pozos utilizados. Para garantizar que la configuración del
pozo seleccionado cumpla con la medida de eficiencia, se aplicaron dos funciones de penalización: un término de
penalización por drenaje insuficiente y un segundo término de penalización cuando el nivel freático cae por debajo del nivel de la pantalla d
=+ÿ +ÿÿ (1)
dónde:
= costo de activación del pozo.
= número de pozos.
= tasa de bombeo del pozo.
= costo por unidad de tasa de bombeo.
ÿ = cuadrado de cabeza que excede la restricción para el j-ésimo punto de observación.
La figura 9(a) muestra un ejemplo del gráfico de salida típico del proceso de optimización. El eje vertical representa el
número de pozos. El eje horizontal muestra los costos de electricidad para el bombeo, que corresponde al segundo término
de la función objetivo. La barra de color es el valor total de la función objetivo. Las soluciones con muy pocos pozos tienen
costos de electricidad más bajos (por ejemplo, dos, tres y cuatro pozos) no logran el objetivo de drenaje deseado o incluyen
pozos que se secan a la tasa de bombeo fija de 25 L/s. Estas soluciones (indicadas por círculos rojos) están penalizadas por
el tercer término de la función objetivo. En este ejemplo, las soluciones que respetan las restricciones de optimización
requieren al menos cinco pozos. Por lo tanto, la optimización consiste en encontrar las combinaciones de cinco pozos con
el mínimo costo de electricidad. El costo de la electricidad es menor en los pozos más cercanos al nivel más bajo del fondo
del tajo. Es importante señalar que el costo de bombeo de agua desde el piso del tajo hasta la cresta del tajo no está incluido
en la función objetivo de la metodología actual.
Las versiones futuras considerarán este factor, ya que subestima los costos asociados con el bombeo de pozos en el tajo.
Conceptualmente, los pozos fuera del tajo generalmente se prefieren a los pozos dentro del tajo, y la lógica para respaldar
esta preferencia se incorporará en análisis futuros. La figura 9(b) muestra un ejemplo de los nodos de malla utilizados para
un período de optimización. Los círculos rojos pequeños son la geometría del pozo, los círculos azules los nodos de
observación, los círculos verdes los pozos candidatos (nodos) y los círculos rojos grandes los pozos optimizados.

(a) (b)
Figura 9 (a) Ejemplo del gráfico de salida típico del proceso de optimización. El eje vertical representa
el número de pozos y el eje horizontal es el costo de la electricidad en USD; (b) Vista en
planta de las soluciones de deshidratación
4.1.4 Validación de la solución de estado estacionario con transitorio
Para cada período de tiempo, el proceso de optimización proporciona el número, la ubicación y la tasa de los pozos
de bombeo requeridos. El resultado de la optimización, que se basa en una suposición simplificadora de linealidad y
en las predicciones de reducción del modelo de estado estacionario, se validó en FEFLOW con el modelo transitorio
2016-2036. Los pozos de bombeo se implementaron como condiciones límite de carga hidráulica con restricciones
mínimas y máximas de la misma manera que se usaron en los modelos de un solo pozo en estado estacionario creados
para el análisis de Monte Carlo. Se requirieron ajustes en las ubicaciones de los pozos y las tasas de bombeo cuando
los resultados de la optimización se ampliaron a una simulación totalmente transitoria, no confinada y parcialmente
saturada. La mayoría de los ajustes consistieron en reagrupar algunos pozos ubicados a una distancia cercana
propuesta por la solución optimizada para extender la vida útil de un solo pozo más profundo en una ubicación. En
algunos otros casos, fue necesario aumentar las tasas de flujo para igualar el objetivo de la función objetivo de deshidratación, debid
4.2 Resultados de optimización
Se necesitan un total de 45 pozos de bombeo para desagüe desde 2017 hasta 2036. Algunos pozos de bombeo están
activos durante más de un período de tiempo. El plan de bombeo resultante se presenta en la Figura 10. La tasa de
bombeo total varía de 115 L/s en 2017 a 151 L/s en 2036. El agua total bombeada hasta 2036 en el caso optimizado es
190 × 106 m3 (millones de metros cúbicos ). A medida que el pozo se profundiza, la conductividad hidráulica del
intrusivo disminuye. En consecuencia, la tasa de bombeo por pozo debe reducirse debido a la reducción de la
capacidad del pozo. Así, a partir de 2028 se deberá aumentar el número de pozos de bombeo para compensar la
reducción de la capacidad de bombeo. En comparación con el plan original de desaguado de Antamina no optimizado,
el número optimizado de pozos para ese año es siete frente a los 10 planificados, lo que representa un ahorro de costos equivalente
Hasta 2028, el caso optimizado requiere 27 pozos de desaguado frente a los 34 pozos nuevos requeridos en el plan
actual de Antamina, lo que representa un ahorro de costos equivalente a siete pozos. Los resultados indican que las
restricciones sobre la ubicación de los pozos imponen una limitación importante en el análisis y que la cantidad de
pozos requeridos también depende en gran medida de la conductividad hidráulica del intrusivo principal. La
conductividad hidráulica del intrusivo en profundidad permanece mal definida en este momento y, por lo tanto, la
incertidumbre en estas importantes variables es alta. La rutina de optimización se puede volver a ejecutar una vez que
se disponga de datos de propiedades hidráulicas adicionales.


Figura 10 Se necesitan un total de 45 pozos de bombeo durante la extracción de agua de 2017 a 2036. Algunos
pozos de bombeo están activos durante más de un período. Hasta 2028, el caso optimizado requiere
27 pozos de desaguado versus los 34 pozos nuevos requeridos en el plan actual de Antamina, lo
que representa un ahorro de costos equivalente a siete pozos.
5 Estimaciones de la presión intersticial a partir de la fusión de datos del

modelo y los datos de medición
5.1 Objetivo
Además de encontrar la estrategia óptima de deshidratación, otro objetivo clave del modelo no estructurado de 2016 fue
proporcionar estimaciones de la presión intersticial en los taludes del tajo. Los valores de presión intersticial son una entrada
fundamental para los modelos geomecánicos para la determinación de los factores de seguridad de estabilidad de taludes de
rajos. Las mediciones directas y los modelos numéricos son las principales herramientas para obtener este insumo, cada uno con diferentes vent
Las observaciones directas suelen ser muy precisas y permiten el seguimiento en tiempo real, pero están escasamente distribuidas
en el espacio. El modelo no estructurado de 2016 proporciona presiones intersticiales espacialmente continuas y permite realizar
pronósticos, pero adolece de desajustes entre el modelo y la medición. Existen múltiples razones para estos inadaptados, siendo
las más importantes:
• El modelo es una simplificación de la realidad y debido a la compleja hidrogeología de Antamina, la

modelo numérico no puede reproducir todos los detalles del sistema del mundo real.
• Los parámetros hidráulicos de grandes porciones del área del modelo, especialmente en profundidad, no pueden ser directamente
medidos y han demostrado ser de baja identificabilidad.
• Inexactitudes en las condiciones de contorno del modelo, como eventos de lluvia imprevistos que aumentan los niveles
de agua en períodos cortos de tiempo y discrepancias entre las operaciones de drenaje modeladas y reales.

Por lo tanto, se puede obtener un conocimiento óptimo de las cabezas hidráulicas combinando los resultados del modelo
con mediciones directas para aprovechar sus fortalezas relativas. Esto ya se realizó hasta cierto punto durante la
calibración. Sin embargo, varios autores (Moore & Doherty, 2006; Cawley & Talbot, 2010; Lever 2016) han demostrado que
la calibración solo puede mejorar las capacidades predictivas de un modelo hasta cierto punto, más allá del cual una
mayor mejora en la calibración (expresada por una reducción del RMS ) puede resultar en una menor precisión predictiva
debido a una situación conocida como sobreajuste (Moore & Doherty, 2006; Hawkins, 2004; Srivastava et al., 2014).
En consecuencia, la salida del modelo aún podría contener un sesgo incluso después de que se haya logrado una
calibración óptima y dicho sesgo podría propagarse al modelo de estabilidad de taludes del tajo si no se corrige. Esta
incertidumbre se puede manejar aplicando márgenes de seguridad al nivel freático. En el caso del estudio de Antamina,
esto se hizo mediante el desarrollo de un modelo de peor escenario (escenario de drenaje bajo). Para el escenario de
drenaje bajo, se realizaron las siguientes modificaciones para los parámetros clave:
• Disminuir las conductividades hidráulicas (K) globalmente (incluyendo los tres ejes principales) por un factor de 2.
• Aumentar la recarga globalmente un 10%, o dividir las tasas de recarga por 1,10.
• Incrementar Ss por un factor de 2.
Dado que se dispone de mediciones más precisas de las presiones intersticiales en algunos lugares, un enfoque alternativo
sería utilizar esta información para reducir aún más las discrepancias entre las presiones intersticiales modeladas y
absolutas antes de pasar los resultados del modelo a evaluaciones posteriores. La fusión de datos es uno de esos métodos
que reduce sustancialmente los sesgos del modelo al fusionar la salida del modelo calibrado con los datos de observación
reales antes de pasarlos a la evaluación de la estabilidad del talud del tajo, lo que permite márgenes de seguridad menos
conservadores.
5.2 Metodología
La corrección de sesgo, en su forma más simple, calcula una función de corrección basada en la diferencia entre los
resultados del modelo y los valores medidos (sesgo). Esto generalmente implica alguna forma de interpolación del sesgo
entre los puntos de observación muestreados.
El método de fusión de datos amplía este enfoque al incorporar conceptos geoestadísticos. Con base en el desempeño
anterior del modelo, la distribución espacial y temporal probable del error del modelo se estima en ubicaciones no
muestreadas o pronosticadas, incluida su variabilidad espacial y temporal. Al corregir este sesgo, es posible estimar el
estado del sistema más probable en función de los principios bayesianos, incluidos los márgenes de incertidumbre. Esto
también se conoce como la "mejor estimación imparcial lineal".
En consecuencia, el enfoque de fusión de datos crea un modelo híbrido. Cerca de las ubicaciones muestreadas, el
resultado se basa principalmente en mediciones directas, y la incertidumbre de estos valores es tan baja como el error de
medición del dispositivo correspondiente. A medida que aumenta la distancia (en el espacio y/o el tiempo) desde un punto
de observación, el resultado se basa en los gradientes de cabeza calculados por el modelo para interpolar entre las
ubicaciones conocidas. La distribución de carga continua resultante, por lo tanto, se basa en mediciones directas para
obtener una alta precisión de los valores absolutos del nivel freático y en el modelo para incorporar cambios de gradiente,
por ejemplo, de estructuras geológicas, deshidratación o condiciones de límites naturales. Este proceso se ilustra en la Figura 11.
Es importante tener en cuenta que el método de fusión de datos solo es aplicable a los resultados del modelo que se
pueden medir directamente (por ejemplo, no puede mejorar la predicción de las entradas de agua basándose únicamente
en los niveles del agua). Tampoco induce ningún cambio en los parámetros del modelo (diferenciándolo de los métodos
de asimilación de datos). La ventaja del proceso de fusión de datos es que no requiere volver a ejecutar el modelo, por lo
que la corrección se puede realizar en tiempo real, lo que lo convierte en una herramienta ideal para los sistemas de monitoreo en línea.


Figura 11 El enfoque de fusión de datos crea un modelo híbrido que utiliza las predicciones espaciales
continuas de un modelo físico y los datos de medición directos, lo que minimiza la incertidumbre
del modelo ("mejor estimación lineal imparcial").
5.3 Resultados
El método se aplicó al modelo de Antamina utilizando datos de medición de principios de 2015 (aproximadamente 15 años
después del inicio de las operaciones de deshidratación) como caso de estudio. Los datos de 34 transductores de presión
estuvieron disponibles durante este período. La comparación entre los niveles de agua pronosticados y medidos mostró
una desviación de alrededor del 5 % de error NRMS en el área del tajo y un 12 % de error NRMS utilizando toda la
información del nivel del agua.
Se aplicó la fusión de datos para obtener una distribución de carga hidráulica continua para el análisis de la presión
intersticial que combinó los beneficios del modelado y las mediciones reales.
Como era de esperar, la representación de la cabeza para el año 2015 es sustancialmente más precisa después de la
corrección del sesgo. La Figura 12 muestra un ajuste significativamente mejor, con el error NRMS reducido al 1,7 % (del 5
%) para el área del tajo y al 2,2 % (del 12 %) en el área general. Tenga en cuenta que sería posible reducir el error RMS a
cero real; sin embargo, la experiencia ha demostrado que permitir cierta desviación residual es útil para obtener una
interpolación más estable por parte del estimador de kriging subyacente.
El mismo ejercicio se repitió para la condición previa a la explotación minera de 2000, donde el error NRMS se redujo de
8,5 % (todos los pozos) y 4,8 % (área del tajo) a 1,7 % (todos los pozos) y 0,9 % (área del tajo), respectivamente.

Calibración 2000 frente a Fusión de datos

4700
Modelo base
La fusión de datos
4600 Línea
Lineal (Línea)
4500
4400
calculada
Altura
(m)
4300
4200
4100
4000
4000 4100 4200 4300 4400 4500 4600 4700
Altura medida (m)
Calibración 2015 frente a Fusión de datos

4700
Modelo base
La fusión de datos
4600 Línea
Lineal (Línea)
4500
4400
calculada
Altura
(m)
4300
4200
4100
4000
4000 4100 4200 4300 4400 4500 4600 4700
Altura medida (m)
Figura 12 Ejemplo de gráfico de calibración considerando la solución de fusión de datos (negro) utilizando el año 2000 y
Objetivos de calibración de 2015 frente al modelo no estructurado calibrado de 2016 (gris)
La Figura 13 compara el nivel freático de los resultados de la fusión de datos (negro) con el nivel freático del
modelo no estructurado calibrado de 2016 (gris). También se muestra el peor escenario en términos de presión
(escenario de bajo drenaje, rojo) así como el peor escenario en términos de caudal (escenario de alto drenaje, azul).
Estos se proyectan en dos secciones transversales a través de las paredes del tajo para 2015, las ubicaciones de las secciones s
El nivel del agua basado en los valores medidos (resultado de la fusión de datos) en esta parte del pozo es
generalmente igual o inferior al nivel previsto originalmente por el modelo no estructurado calibrado de 2016 (gris).
Esto muestra cómo el método de fusión de datos ha realizado una corrección de sesgo en áreas donde las
mediciones reales se desvían de la predicción del modelo. También significa que el modelo no estructurado
calibrado de 2016 (gris) es un poco más conservador, ya que sobreestima la presión intersticial.
Más importante aún, el resultado de la fusión de datos permite una validación del análisis de seguridad del talud
del pit. Si el nivel freático real excediera el nivel del agua del escenario del peor de los casos (drenaje bajo), la
seguridad no podría garantizarse ya que el modelo geomecánico se habría basado en una distribución de presión intersticial dem


En cambio, se puede ver que el nivel real del agua se ajusta bien a los márgenes de incertidumbre basados en los dos
escenarios extremos (drenaje alto y bajo), lo que confirma la validez de los cálculos originales de seguridad del talud del tajo.
Este ejercicio de prueba demuestra cómo la fusión de datos permite la validación continua de los factores de seguridad de la
pendiente del tajo no solo en los pozos de observación, sino también para el área completa del tajo cubierta por el modelo de agua subterrán
Figura 13 Secciones noroeste-sureste (arriba) y suroeste-noreste (abajo) a través del tajo abierto que muestran el
resultado de la fusión de datos de la línea de presión cero (negra) en comparación con la solución del
modelo calibrado (gris) y las corridas de sensibilidad con escenario de alto drenaje (azul ) y escenario de bajo drenaje (r
6 Discusión
El sitio Antamina tiene una geología muy compleja y, por lo tanto, una hidrogeología compleja, como se ve en múltiples
fuentes de información hidrológica y de monitoreo. Este artículo presenta nuevas metodologías aplicadas para mejorar la
confianza en la predicción de modelos numéricos de flujo del tajo abierto de Antamina y áreas aledañas, considerando la
complejidad hidrogeológica. La nueva flexibilidad de malla FEFLOW 7 demostró ser una solución eficiente para lograr tiempos
de ejecución de modelo adecuados y un mayor nivel de refinamiento en la zona de interés. Podría considerarse como un
reemplazo de las típicas secciones verticales 2D para el modelado de presión intersticial, incorporando una solución detallada
3D completa. Además, la flexibilidad de malla del nuevo modelo no estructurado calibrado de 2016 permitió otros usos, como
una herramienta de evaluación de impacto preliminar para un nuevo plan de mina o nuevos elementos como túneles o cambios
en el diseño de relaves. En términos de calibración e incertidumbre, el sitio de Antamina es muy complejo debido a la
heterogeneidad hidrogeológica. Es un desafío representar la complejidad de la información medida.
Simplificar demasiado el modelo al ignorar los efectos de complejidad y compartimentación debido a fallas y estructuras
podría conducir a escenarios no conservadores y sobrestimar los efectos de deshidratación. Por otro lado, incluir toda la
complejidad conduciría a tiempos de ejecución más largos y lo hace poco práctico cuando se trata de explorar la incertidumbre
de las predicciones del modelo. Aún no se ha completado un análisis de incertidumbre en este modelo; cuya finalización está
prevista para 2020. Dado que el tiempo de ejecución del modelo no estructurado de 2016 es rápido (alrededor de 4 minutos en
condiciones de estado estable), debería ser factible sin utilizar un modelo proxy, pero esto debe definirse. En cuanto a las
predicciones, se demostró que el proceso de optimización es factible con tiempos de ejecución razonables utilizando la
computación en la nube. Se logró una reducción potencial de costos de aproximadamente un 10 % en comparación con el
plan de drenaje original. Incluso si se incluyen parcialmente, las restricciones operativas y de seguridad deben investigarse e
implementarse más a fondo en el algoritmo para tener un pozo de drenaje optimizado más realista.

plan. Además, es importante señalar que el costo de bombeo de agua desde el piso del tajo hasta la cresta del tajo no está
incluido en la función objetivo de la metodología actual. Las versiones futuras considerarán este factor, ya que subestima
los costos asociados con el bombeo de pozos en el tajo. Conceptualmente, los pozos fuera del tajo generalmente se
prefieren a los pozos dentro del tajo, y la lógica para respaldar esta preferencia se incorporará en análisis futuros. De
nuevo, sería recomendable combinar el proceso de optimización con un análisis de incertidumbre completo.
Finalmente, se probó el método de fusión de datos para realizar la corrección del sesgo de la distribución de cabeza
prevista utilizando perforaciones de observaciones escasamente distribuidas. La prueba ha demostrado que la combinación
de datos de medición reales y un modelo basado en la física puede crear predicciones de presión intersticial más precisas
para el cálculo de la estabilidad del talud del rajo. Debido a que el resultado de la fusión de datos se basa en la medición
real, es sustancialmente más preciso que las predicciones basadas únicamente en el modelado. Al mismo tiempo, debido
a que se aplicó al modelo no estructurado de 2016, el resultado cubre toda el área del modelo en lugar de solo las perforaciones.
Debido a su baja demanda computacional, este método podría usarse en un sistema de monitoreo en tiempo real de
seguridad de taludes de tajo, si se vincula a un modelo geotécnico de estabilidad de taludes. El caso de prueba también ha
demostrado que los niveles de agua medidos están dentro del rango esperado de incertidumbre derivado del análisis de
sensibilidad del modelo de Antamina y que el modelo no estructurado de 2016 sobreestima ligeramente la presión en
comparación con el caso de prueba, que se considera conservador.
7 Conclusión
La malla no estructurada permitió la inclusión de fallas inclinadas dentro del área del tajo manteniendo un tiempo práctico
de procesamiento del modelo. La inclusión de estas fallas fue esencial para capturar las respuestas de drenaje a escala
local y sectorial. La malla no estructurada también permitió una representación muy detallada de los planes de la mina
dentro de la malla del modelo no estructurado de 2016. Para un modelo tan complejo con numerosos puntos de datos para
la calibración, no es posible tener una coincidencia exacta de las tendencias de la cabeza para todos los puntos de
observación. Sin embargo, el modelo coincide con las tendencias generales dentro de los diversos sectores del tajo y las
tendencias de presión en todo el tajo abierto. El modelo también reproduce adecuadamente los gradientes hidráulicos en los diferentes se
Además, las tasas de flujo de salida históricas simuladas de la mina están bien calibradas para los flujos de salida medidos.
El plan de deshidratación del modelo no estructurado de 2016 se optimizó con éxito para reducir el OPEX y el CAPEX. En
comparación con el plan original de desaguado de Antamina no optimizado, la cantidad de pozos se redujo de los 10
planificados originalmente a siete después de la optimización, lo que representa un ahorro de costos equivalente a tres
pozos. Hasta 2028, el caso optimizado requiere 27 pozos de drenaje frente a los 34 pozos nuevos requeridos en el plan
actual de Antamina, lo que representa un ahorro total de costos equivalente a siete pozos.
El método de fusión de datos ha demostrado ser una opción poderosa para mejorar el monitoreo en tiempo real de los
niveles de agua y la presión intersticial al combinar la medición real con las predicciones del modelo. Si se incorpora a un
sistema operativo, permitiría una validación continua de la seguridad del talud del rajo. El ejercicio de prueba de fusión de
datos también demostró que para este caso particular de Antamina, los niveles de agua están dentro de los márgenes de
incertidumbre reportados inicialmente en el análisis de sensibilidad y que el modelo no estructurado de 2016 sobreestima
levemente la presión en comparación con el caso de prueba, que se considera conservador. .
Se planea publicar una publicación más extensa sobre el trabajo de Antamina en 2020-2021 con más detalles e información
sobre el sitio de Antamina, el análisis de incertidumbre y un uso más profundo del método de fusión de datos.
Reconocimiento
El trabajo de optimización fue realizado por DHI Perú en colaboración con la Universidad de Neuchâtel, Suiza, y el equipo
del profesor Philippe Renard, parte del Centro de Hidrogeología y Geotermia de la Universidad de Neuchâtel (CHYN).
Reconocemos el fuerte apoyo del equipo de Philippe Renard. Asimismo, agradecer el apoyo de DHI Alemania con la vital
ayuda del Dr. Carlos Andres Rivera y el Profesor Fabien Cornaton resolviendo dificultades internas con la malla no
estructurada. Finalmente, agradecemos la asistencia de Jens Schumacher por su ayuda con la configuración informática
de Amazon Cloud. También agradecemos a Ryan Jakubowski por


el apoyo y los aportes con respecto al modelo conceptual del sitio de Antamina, siendo los conceptos la
base para el modelo numérico, y Michael Gabora de DHI US y Michael McGlone por su aporte de desagüe de la mina.
Finalmente, agradecemos de corazón a Antamina Perú por permitir la publicación del trabajo realizado y su
significativa participación en el proyecto. Los métodos aplicados en este estudio son parte de un proyecto
de doctorado en curso de Robin Dufour y poder utilizar datos reales de Antamina permite compartir el
aprendizaje de muchos años de trabajo y esfuerzo.
Referencias
Beal, G 2014, Directrices para evaluar la estabilidad de taludes en el interior del tajo, Apéndice 4, CSIRO Publishing, Melbourne.
Bear, J 1979, Hydraulics of Groundwater, Dover Publications Inc, Nueva York.
BISA 2015, Informe Técnico: Modelo Leapfrog Antamina, software informático, Lima.
Cawley, GC & Talbot, NLC 2010, 'Sobre el ajuste excesivo en la selección de modelos y el sesgo de selección subsiguiente en la evaluación del desempeño',
Revista de investigación de aprendizaje automático, vol. 11, págs. 2079–2107.
DHI 2013, FEFLOW, versión 6.2, software informático, Instituto DHI para el Agua y el Medio Ambiente, Hørsholm,
https://www.dhigroup.com/mikebydhi/products/feflow
DHI 2016, FEFLOW, versión 7.0, software informático, Instituto DHI para el Agua y el Medio Ambiente, Hørsholm,
https://www.dhigroup.com/mikebydhi/products/feflow
Doherty, J 2016, Manual de usuario de estimación de parámetros independientes del modelo, Cómputo numérico de marca de agua.
Flosolutions 2015, Informe Técnico: Revisión de la información histórica y definición de modelo conceptual (Technical Report: Review
de información histórica y definición de modelo conceptual), Lima.
Geoslope 2012, SEEP/ W, software de computadora, software de computadora, Canadá, Calgary, http://downloads.geo
pendiente.com/geostudioresources/8/0/6/books/seep%20modeling.pdf?v=8.0.7.6129
Hawkins, DM 2004, 'El problema del sobreajuste', Journal of Chemical Information and Computer Sciences, vol. 44, número 1, págs. 1–12.
Itasca 2012 FLAC3D, versión 5.0, software de computadora, EE. UU., Minneapolis, http://itasca-software.s3.amazonaws.com/
recursos/flac3d_600_modelado.pdf
Lever, J 2016, 'Selección de modelo y sobreajuste', Nature Methods, vol. 13, núm. 9, págs. 703–704.
MWH 2012, Informe Técnico: Presión de Poro en Tajo Antamina, informe interno, Lima.
Moore, C & Doherty, J 2006, 'El costo de la singularidad en la calibración del modelo de aguas subterráneas', Avances en Recursos Hídricos, vol. 29, nº 4,
págs. 605–623.
Srivastava, N, Hinton, G, Krizhevsky, A, Sutskever, I y Salakhutdinov, R 2014, 'Abandono: una forma sencilla de prevenir las redes neuronales
de Overfitting', Journal of Machine Learning Research, vol. 15, págs. 1929–1958.
SRK 2011, Informe Técnico: Actualización del Modelo Estructural para el muro NE de la mina Antamina, informe interno, Lima.
WMC 2009, Informe Técnico: Informe de Actualización Hidrogeológica y Estado de Desaguado de Mina, informe interno, Lima.

91 - Dufour (1) - Compressed

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

91 - Dufour (1) - Compressed

Cargado por

Copyright:

Formatos disponibles

Machine Translated by Google

Estabilidad de taludes 2020 - PM Dight

Optimización de drenaje de tajo de un modelo 3D FEFLOW de

RM Dufour DHI Perú SAC y UNINE, Perú

C Aguirre Antamina, Perú

M Sánchez Antamina, Perú

A Maqueda Université de Neuchâtel, Suiza

JM Zwinger DHI WASY GmbH, Alemania

A Renz DHI WASY GmbH, Alemania

J Cho Consultor independiente, Canadá

D Evans FloSolutions, Perú

Estabilidad de Taludes 2020 1329

Optimización de drenaje de tajo de un modelo 3D FEFLOW de agua subterránea no RM Dufour et al.

1330 Estabilidad de Taludes 2020

Gestión de aguas superficiales y subterráneas, despresurización, monitoreo y remediación

2 Construcción de modelos y mallas no estructuradas

2.1 Caracterización geológica

Estabilidad de Taludes 2020 1331

Optimización de drenaje de tajo de un modelo 3D FEFLOW de agua subterránea no RM Dufour et al.

2.2 Definición de las fallas

1332 Estabilidad de Taludes 2020

Gestión de aguas superficiales y subterráneas, despresurización, monitoreo y remediación

Estabilidad de Taludes 2020 1333

Optimización de drenaje de tajo de un modelo 3D FEFLOW de agua subterránea no RM Dufour et al.

1334 Estabilidad de Taludes 2020

Gestión de aguas superficiales y subterráneas, despresurización, monitoreo y remediación

3 Calibración del modelo no estructurado 2016

Estabilidad de Taludes 2020 1335

Optimización de drenaje de tajo de un modelo 3D FEFLOW de agua subterránea no RM Dufour et al.

Altura medida (m) Tiempo (un)

4 Optimización del esquema de deshidratación

1336 Estabilidad de Taludes 2020

Gestión de aguas superficiales y subterráneas, despresurización, monitoreo y remediación

4.1 Objetivos y metodología

• El principio de superposición se aplica a la extracción de diferentes pozos.

El trabajo se dividió en cuatro pasos principales que se enumeran a continuación:

4.1.1 Preprocesamiento de datos

4.1.1.1 División temporal en periodos

Estabilidad de Taludes 2020 1337

Optimización de drenaje de tajo de un modelo 3D FEFLOW de agua subterránea no RM Dufour et al.

1 Dic 2017 Dic 2021 4 3,796 3,746 1 diciembre de 2017

2 Dic 2021 Dic 2023 2 3,766 3,716 2 diciembre 2021

3 Dic 2023 Dic 2025 2 3,736 3,686 3 diciembre 2023

4 Dic 2025 Dic 2026 1 3,691 3,641 4 diciembre 2025

5 Dic 2026 Dic 2028 2 3,646 3,596 5 diciembre 2026

6 Dic 2028 Dic 2032 4 3,616 3,566 6 diciembre 2028

7 Dic 2032 Dic 2034 2 3,601 3,551 7 diciembre de 2032

8 Dic 2034 Dic 3035 1 3,586 3,536 8 diciembre de 2034

9 Dic 3035 Dic 3036 1 3,541 3,491 9 diciembre 3035

4.1.1.3 Selección de los puntos de observación

4.1.1.4 Selección de pozos candidatos

1338 Estabilidad de Taludes 2020

Gestión de aguas superficiales y subterráneas, despresurización, monitoreo y remediación

4.1.2 Ejecuciones en estado estacionario

• Nodos de filtración aplicados en las paredes del tajo.

4.1.3 Función de optimización

Estabilidad de Taludes 2020 1339

Optimización de drenaje de tajo de un modelo 3D FEFLOW de agua subterránea no RM Dufour et al.

4.1.3.1 Método de Montecarlo

4.1.3.2 La función objetivo

=+ÿ +ÿÿ (1)

= costo de activación del pozo.

= tasa de bombeo del pozo.