Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Plantilla Presentación 6 - A
Plantilla Presentación 6 - A
DE MINAS
SESION 06 – A
Geoestadística Minera Aplicada
1. Introducción y definiciones.
2. Revisión de los Métodos Tradicionales de Estimación
3. Prerrequisitos Geológicos.
4. Prerrequisitos Estadísticos.
5. El Variograma: Cálculo e Interpretación.
Contexto General: El Modelado Numérico
4
Contexto Particular: El Modelado Geológico de yacimientos mineros.
Adquisición, Manejo
$$$ ⚫ Modelado Geométrico
Basado en el libro “Practical Geostatistics, Modeling and Spatial Analysis”, por Simon W. Houlding
Y Validación de Datos
⚫ Representación 3D de las
Mapeo
Geológico
Datos de
Taladros y Canales
características geológicas del
yacimiento.
Observaciones:
⚫ Creación de dominios para la
Mapeo + Logueo Muestras de
Taladros y
Canales
Dominios
⚫ Permite la estimación y
Geológicos 3D Modelo de
Bloques manipulación de los valores
Modelo de requeridos para el control de
Modelado leyes 3D Modelado
Geométrico Numérico leyes y el inventario de
Inventario de
Recursos
Recursos y Reservas
5
La Geoestadística
6
El desarrollo de la Geoestadística
• La Geoestadística se inició en los 60’s por Krige y Sichel en África del Sur y
Matheron en Francia.
• El profesor Georges Matheron (1930-2000) elaboró los mayores conceptos de
la teoría para la estimación de recursos, los cuales se plasmaron en el
monumental Traité de Géostatistique appliquée (1962-1963).
• Dos de los primeros discípulos de Matheron (Journel y David) fundaron en
EE.UU. y Canadá nuevos centros de investigación geoestadística en los 70’s.
• Rápidamente la aplicación de las técnicas geoestadística llegó a ser popular en
la minería y meteorología.
• Las aplicaciones en la industria del petróleo se difundieron a mediados de los
80’s con el uso de la simulación condicional.
• Actualmente estas técnicas son aplicadas en los campos mas diversos, desde la
industria pesquera y forestal, hasta las ciencias ambientales y la epidemiología.
7
¿Para qué y para que no sirve la Geoestadística?
La geoestadística:
Incluye todas las restricciones geológicas y físicas conocidas
Provee herramientas para cuantificar y aprovechar la correlación espacial de las variables.
Provee algoritmos para el modelado geológico numérico y la cuantificación de la incertidumbre.
No hace el proceso de modelado mas fácil
La Geoestadística es útil para:
“Poner la geología en números”
Estimación
Cuantificar la incertidumbre
Diseño de muestreo
Simulación / Análisis de riesgos
La Geoestadística no:
Reemplaza datos adicionales de calidad
Reemplaza al sentido común y crítico
Trabaja bien como una “caja negra
Ahorra tiempo.
8
Aplicaciones de La Geoestadística en la Minería.
• Estimación de Recursos
• Optimización de la malla de taladros y del muestreo
• Optimización del control de leyes
• Modelado de variables categóricas (tipos de roca)
• Creación de mapas de anomalías para la exploración
geoquímica.
• Modelado de variables geomecánicas y de fracturas.
• Modelado de las propiedades metalúrgicas del mineral in situ.
• Modelado del potencial de generación de drenaje ácido de la
roca in situ.
• Cuantificación de la incertidumbre geológica y de leyes en los
recursos.
• Análisis de riesgo y sensibilidad en los recursos.
9
2. Revisión de los Métodos Tradicionales de Estimación.
13
Promedio Ponderado en Paneles
• Es usado comúnmente para la estimación de
recursos en vetas. V = A l
T = V
• Primero se calculan las leyes promedio de las
labores (Ll) adyacentes promediando las leyes El resultante modelo de leyes del
de las muestras z(xi) ponderas por su longitud yacimiento se presenta como un
l i: conjunto de valores constantes para
m cada panel.
L
n
l z( x )
i i l l Es muy sensible a las aglomeraciones
Ll = i Lp = l
m
de datos y requiere asumir la
n
influencia de las leyes de una forma
l
i
i
l
l
difícil de justificar geológicamente.
15
Inverso de la Distancia
Se usan todas las muestras circundantes,
asignando a cada una un peso
inversamente proporcional a su distancia
al bloque, según la siguiente fórmula:
Donde:
n
1
i =1 d i
zi v* es el valor estimado del
bloque, z1, …zn son las leyes
v = n
*
de las n muestras circundantes
1
i =1 d i
di es la distancia del bloque a
cada una de estas muestras.
α es un factor ≥ 0
17
3. Prerrequisitos Geológicos.
18
Dominios de Estimación
• Diferencias en la media, la distribución, el error
estándar y/o la variabilidad espacial entre grupos
de muestras, en diferentes partes del yacimiento
o área de estudio, son usados para delimitar los
dominios de estimación.
19
Delimitación de los Dominios de Estimación
• La delimitación de los dominios de
estimación debe ser hecha teniendo en
cuenta tres tipos de contactos:
• Contactos Geológicos: Son limites o
superficies entre diferentes tipos de roca,
edades de los estratos, o características de
la roca. Entre estos, los contactos
estructurales pueden actuar como límites
de la mineralización, pueden ser conductos
o albergar la mineralización, o pueden ser
causantes de estilos de mineralización
diferentes.
• Contactos de Mineralización: Son limites
entre los cuales la mineralización, o la
distribución de las leyes se comporta de
forma diferente.
• Contactos Económicos: Son límites entre
cut-off’s o materiales diferentes, delimitan
porciones del yacimiento que deben ser
extraídas y tratadas de forma diferente al
resto
20
El Modelo de Bloques
• Un modelo de bloques es un arreglo 3D
de volúmenes rectangulares de
dimensiones regulares.
• También puede ser entendido como
una grilla ortogonal 3D.
21
Objetivos del Modelo de Bloques
• El principal objetivo del modelo de
bloques es proveer un medio para la
representación de la variación de una
variable regionalizada.
22
Integración del Modelo de Bloques y los Dominios de Estimación
• Los volúmenes geológicos son
intersecados con el modelo de bloques,
determinándose de forma precisa que
bloques, y cuanto de ellos, caen dentro
de cada dominio.
• De esta forma se asigna valores
categóricos que dependen del dominio
intersecado a cada bloque.
• Esto nos permite limitar la estimación
de una variable en aquellos bloques
que intersequen un dominio o
característica geológica particular.
• Cada bloque puede intersecar mas de
una característica geológicas
23
4. Prerrequisitos Estadísticos.
24
La Función de Distribución Acumulada (CDF)
• Se define como la probabilidad de no • La curva de Hazen: Presenta los
exceder un cut-off z: intervalos de probabilidades
distorsionados, de forma que la
F ( z) = Prob{Z z} [0,1] distribución acumulada se aparece
como una línea recta si la distribución es
normal y se emplea una escala
• Propiedades: aritmética, o si la distribución es
• F(z) no decrece lognormal y se emplea una escala
• F(z) є [0,1] logarítmica.
• F(-∞) = 0, y F(∞) = 1
25
La Función de Distribución de Probabilidades PDF)
• La PDF es la derivada de la CDF:
• El Histograma: Presenta el porcentaje
(frecuencia) de muestras que se encuentran
F ( z + dz ) − F ( z )
f ( z ) = F ( z ) = lim distribuidos en cada intervalo de valores.
dz→0 dz
+
F ( z) = f ( z)dz
−
Dist. simétrica
Distribución multimodal
26
Cuantiles
• El Cuantil p de la distribución F(zp) es
el valor zp para el cual:
F ( z p ) = Prob{Z z p } = p [0,1]
27
Medidas de Tendencia Central
• La Media: Es el valor mas representativo de • Media o Valor esperado de una
una distribución simétrica o normal. distribución:
• Para muestras de igual soporte: +
E{Z } = z f ( z)dz
−
1 n
m = xi
n i =1
• Para muestras de soporte diferente: • Propiedades:
n
E{a} = a
i xi
Donde xi, son las leyes
n es el numero de muestras, y
E{aZ } = aE{Z }
i m= i =1 es el peso de cada muestra
E{ X + Y } = E{ X } + E{Y }
n
i =1
i
28
Medidas de Dispersión
• La Varianza. Es el promedio del cuadrado de • Varianza de una distribución:
las diferencias entre los valores y la media.
Se expresa como:
2 = E [ Z − m]2 = E Z 2 − m 2
= Var{Z }
n
s = ( xi − m) 2 / (n − 1)
2
i =1
• Varianza ponderada:
• La Desviación Estándar. Es la raíz cuadrada
de la varianza, tiene la ventaja que puede n n
ser expresada en las mismas unidades que
los datos.
i =1
i zi2
− i m 2
i =1
s2 =
s = s2 n
n
i
• El Coeficiente de Variación. Se calcula como
el cociente entre la desviación estándar y la
i −
i =1
i =1
n
media:
Es usado para comparar la variabilidad de
las leyes relativa a la media entre diferentes
dominios o yacimientos.
CV = s / m
29
La Covarianza
30
Correlación
• El coeficiente de correlación es una • Gráfico de Correlación
medida de dependencia lineal entre
dos variables:
Cov{ X , Y }
XY = [−1,+1]
Var ( X )Var (Y )
Un alto errático es un valor que es mucho mas alto que el resto de la población, particularmente en
comparación a los valores de las muestras vecinas.
No es lo mismo “Errático” que “Erróneo”.
Existen métodos estadísticos de identificación de altos erráticos pero sus resultados deben ser validados por
la observación y el sentido común.
Grupo de leyes
Que se separan
de la tendencia
Los altos erráticos también pueden ser identificados visualmente o usando una curva de Hazen.
32
Tratamiento de los Altos Erráticos
• Los altos erráticos pueden ser indicadores
de zonas anómalas interesantes o en
algunos casos la presencia de unos
cuantos puede determinar la viabilidad de
un proyecto. Debido a esto no siempre la
mejor solución es eliminarlos o reducirlos
a un valor arbitrario.
33
Desaglomeración (Declustering)
• Es una práctica común que se
tomen mas muestras en las
zonas ricas que en las zonas de
baja ley. Esto produce un sesgo
en las estadísticas e incluso la
sobreestimación de la ley.
34
Métodos de Desaglomeración
• Para un tamaño fijo de celda y diferentes • Desaglomeración poligonal:Cada
orígenes producen diferentes pesos. muestra es ponderada por el área
de su polígono de influencia.
• Esto se evita considerando múltiples
orígenes. • Es difícil de implementar en 3D
• El tamaño de celda óptimo es el que
minimiza la media desaglomerada.
i = 1 (ni L0 )
35
Modelos Paramétricos de Distribución
• Existen muchas distribuciones de
probabilidades (PDF o CDF) cuyas
formas puede ser descrita por una
expresión analítica que depende de un
número finito de parámetros.
36
Propiedades de la distribución Gaussiana
• Teorema del Límite Central: Si una población, cuya PDF de media μ y desviación estándar σ puede tener
cualquier forma, es muestreada al azar en subgrupos de N muestras. La distribución de las medias de estos
grupos tiende a ser gaussiana con media μ y desviación estándar σ/N
37
Anamorfosis Gaussiana
38
Simulación Montecarlo
q( p) = F −1 ( p) = x p
39
5. El variograma Calculo e Interpretación.
40
Correlación Espacial
• Como se puede ver en los mapas
de la derecha, si bien todos
comparten el mismo conjunto de
datos, la estructura de la
correlación espacial es diferente.
• La correlación y variabilidad
espacial dependen de la
distribución detallada de las leyes
en el espacio.
41
Análisis de la Variabilidad y correlación Espacial:
El Variograma
La estimación geoestadística de valores en puntos no muestreados requiere de una
medida de la variabilidad espacial de una variable regionalizada.
La variabilidad entre un par de muestras z1 y z2 es dada por:
2 12 = ( z1 − z 2 ) 2
Cada par de muestras está separada por un hvector
Si tenemos n pares de muestras separadas
h por
h es preciso promediar la
variabilidad espacial entre los pares:
n
2 (h) =
i =1
( zi − zi + ( h h) ) 2
42
El Variograma Experimental
• Es un gráfico de la varianza de la
diferencia entre pares a diferentes
distancias para una orientación
determinada.
• Es calculado por la siguiente fórmula:
1
2 (h) = [ z (u ) − z (u + h)]2
N ( h) N ( h )
43
Parámetros para el Cálculo del Variograma Experimental
Tamaño de los Incrementos de Distancia
(Lag Spacing): Debe ser coincidente con
la separación media entre las muestras.
Número de Incrementos: Es
determinado por el tamaño de los
incrementos y las dimensiones del área
de estudio. Una regla práctica es
restringir la variografía a la mitad de la
diagonal del área de la zona de estudio.
Tolerancia Angular: Está determinada
por la anisotropía esperada de la
mineralización y por la densidad del
muestreo.
Límite de Tolerancia Angular: Sirve para
restringir el cono de la tolerancia angular
cuando esta a alcanzado determinada
abertura.
44
Componentes del Variograma
• La distancia a la que el variograma se
estabiliza es el alcance, y es la distancia
donde se pierde la correlación espacial.
Alcance
• La meseta mas el efecto pepita suele
ser cercana a la varianza, la
variabilidad media de todas las
muestras.
45
Interpretación del Variograma Experimental
• Tendencias: Una deriva en el variograma experimental indica la
presencia de una tendencia en los valores reales en la dirección de
tal variograma.
• La presencia de una tendencia posa un problema a la decisión de
estacionareidad.
• Pero puede ser removida ajustando una curva determinística.
• El variograma sin tendencia se calcula con los residuales.
• La tendencia es reintroducida al momento de modelar las leyes.
46
5.6 Interpretación del Variograma Experimental
(2)
• Ciclicidad: Puede estar vinculada a periodicidad geológica como secuencias en la estratificación
favorable a la mineralización.
• Pero también puede deberse a la escasez de datos.
47
5.6 Interpretación del Variograma Experimental
(3)
48
5.6 Interpretación del Variograma Experimental
(4)
• Anisotropía Zonal: Es cuando la magnitud de la variabilidad (meseta) cambia según la
dirección.
• Suele producirse por la presencia de diferentes estratos o capas, lo que incrementa la varianza
en la dirección perpendicular a la estratificación.
• También es producida por un incremento de la varianza entre taladros, que puede ser mayor a
la varianza a lo largo de los taladros.
49
El Mapa de Variogramas
• permite analizar rápidamente el comportamiento espacial de una variable a diferentes
direcciones, esto se logra por medio de un sistema de coordenadas esféricas donde las
curvas de isovaloras representan el valor del variograma a diferentes direcciones y
módulos del vector h.
50
El Variograma la Covarianza y el Correlograma
51
GRACIAS