Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Aplicada
1
Geoestadstica Minera
Aplicada
1. Introduccin y definiciones.
2. Revisin de los Mtodos Tradicionales de Estimacin
3. Prerrequisitos Geolgicos.
4. Prerrequisitos Estadsticos.
5. El Variograma: Clculo e Interpretacin.
2
1. Introduccin y definiciones.
3
Objetivos y Lineamientos
Este es un curso introductorio a la Geoestadstica aplicada a la
actividad Minera para Gelogos e Ingenieros con poca o ninguna
exposicin previa a esta materia.
El objetivo de este curso es dotar a los participantes de:
Un conocimiento fundamental slido de los conceptos y mtodos
de la geoestadstica aplicada a la minera.
Un entendimiento de cmo la geoestadstica puede ser usada para
crear modelos numricos de los Recursos de un Yacimiento,
integrados a la comprensin de la geologa de este.
Herramientas para la aplicacin prctica de la geoestadstica en
diversas reas de la actividad minera.
Los elementos de la geoestadstica avanzada.
Entrenamiento bsico en el uso del software geoestadstico ISATIS.
El material y la didctica siguen los lineamientos del Centre de
Gostatistique de la cole Nationale Suprieure des Mines de Paris, y
del Centre for Computational Geostatistics de la University of
Alberta.
4
Contexto General: El Modelado Numrico
Modelo: Representacin abstracta
o concreta de un objeto o sistema
desde un punto de vista en
particular y con fines particulares.
Histricamente la ciencia se ha
ocupado de recolectar datos y
experimentar extensivamente
para luego deducir leyes y
relaciones.
Actualmente la ciencia esta
abocada mayormente a entender
y cuantificar las leyes fsicas, y a
crear modelos numricos de los
fenmenos.
Se acepta que la incertidumbre es
ubicua y no puede ser eliminada.
5
Contexto Particular: El Modelado
Geolgico de yacimientos mineros.
Adquisicin, Manejo
Modelado Geomtrico
Basado en el libro Practical Geostatistics, Modeling and Spatial Analysis, por Simon W. Houlding
Y Validacin de Datos
Representacin 3D de las
Mapeo
Geolgico
Datos de
Taladros y Canales caractersticas geolgicas
Observaciones:
Muestras de del yacimiento.
Taladros y
Mapeo + Logueo Canales Creacin de dominios
Interpretacin Anlisis Estadstico
y Geoestadstico
para la interpolacin de
Influencias
Interactiva
Geolgicas leyes
Estructuras +
Litologa
Modelos
Geomtricos
Estimacin / Simulacin
de Leyes
Modelado Numrico
Controles
de mineralizacin
Valores
Representacin y anlisis
Estimados y
Certeza de de la variabilidad espacial
Estimacin
Dominios
de una variable
Geolgicos 3D Modelo de
Bloques regionalizada
Modelo de Permite la estimacin y
Modelado leyes 3D Modelado
Geomtrico Numrico manipulacin de los
Inventario de
Recursos valores requeridos para
6
el control de leyes y el
inventario de Recursos y
La Geoestadstica
La Geoestadstica es una rama de las matemticas aplicadas,
especficamente de la Estadstica Espacial, que comprende
una serie de tcnicas interrelacionadas cuyo objetivo es
proveer una descripcin cuantitativa de variables distribuidas
en el tiempo o en el espacio por medio de la aplicacin de
mtodos probabilsticos.
7
El desarrollo de la Geoestadstica
La Geoestadstica se inici en los 60s por Krige y Sichel en frica del Sur
y Matheron en Francia.
El profesor Georges Matheron (1930-2000) elabor los mayores conceptos
de la teora para la estimacin de recursos, los cuales se plasmaron en el
monumental Trait de Gostatistique applique (1962-1963).
Dos de los primeros discpulos de Matheron (Journel y David) fundaron en
EE.UU. y Canad nuevos centros de investigacin geoestadstica en los
70s.
Rpidamente la aplicacin de las tcnicas geoestadstica lleg a ser
popular en la minera y meteorologa.
Las aplicaciones en la industria del petrleo se difundieron a mediados de
los 80s con el uso de la simulacin condicional.
Actualmente estas tcnicas son aplicadas en los campos mas diversos,
desde la industria pesquera y forestal, hasta las ciencias ambientales y la
epidemiologa.
8
Para qu y para que no sirve la
Geoestadstica?
La geoestadstica:
Incluye todas las restricciones geolgicas y fsicas conocidas
Provee herramientas para cuantificar y aprovechar la correlacin
espacial de las variables.
Provee algoritmos para el modelado geolgico numrico y la
cuantificacin de la incertidumbre.
No hace el proceso de modelado mas fcil
La Geoestadstica es til para:
Poner la geologa en nmeros
Estimacin
Cuantificar la incertidumbre
Diseo de muestreo
Simulacin / Anlisis de riesgos.
La Geoestadstica no:
Reemplaza datos adicionales de calidad
Reemplaza al sentido comn y crtico
Trabaja bien como una caja negra
Ahorra tiempo.
9
Aplicaciones de La Geoestadstica en la
Minera.
Estimacin de Recursos
Optimizacin de la malla de taladros y del muestreo
Optimizacin del control de leyes
Modelado de variables categricas (tipos de roca)
Creacin de mapas de anomalas para la exploracin
geoqumica.
Modelado de variables geomecnicas y de fracturas.
Modelado de las propiedades metalrgicas del mineral in
situ.
Modelado del potencial de generacin de drenaje cido
de la roca in situ.
Cuantificacin de la incertidumbre geolgica y de leyes
en los recursos.
Anlisis de riesgo y sensibilidad en los recursos.
10
Algunos Conceptos geoestadsticos clave
(1)
Campo: Zona de Estudio. Ejemplos de Variables
Regionalizadas en la Minera y
Geologa:
Soporte: Volumen y calidad
Las leyes de los metales y la
de la muestra.
concentracin de
contaminantes.
La litologa y alteraciones
Variable Regionalizada La densidad de las fracturas.
(V.R.): Es cualquier variable La elevacin topogrfica.
distribuida en el espacio y/o el El espesor de los estratos y
tiempo cuyo valor depende de la potencia de las vetas.
su ubicacin espacial y/o Etc.
temporal y al mismo tiempo
Una variable regionalizada esta
presente interdependencia o
asociacin espacial y/o compuesta por un componente
temporal con los valores aleatorio y un componente
estructurado.
vecinos.
11
1.9 Algunos Conceptos geoestadsticos
clave (2)
Funcin Aleatoria: Los valores
(Auto)correlacin o
en puntos no muestreados son interdependencia
conceptualizados como espacial: En la naturaleza
realizaciones z(x) de una es muy comn que los
funcin aleatoria Z(x). Las valores de una variable
leyes verdaderas, pero siempre tomen valores muy
desconocidas, del yacimiento similares a sus vecinos en el
conforman una realizacin espacio y/o tiempo. Este
particular de Z(x). comportamiento observable
Esta conceptualizacin permite de las variables naturales es
el uso de mtodos medido y aprovechado por
probabilsticos al estudio de las la geoestadstica.
variables regionalizadas.
12
1.9 Algunos Conceptos geoestadsticos
clave (3)
Hiptesis de Estacionareidad: La
Incertidumbre: Si las
inferencia estadstica en el espacio
depende de que la distribucin de la
partes del yacimiento que no
V.R. sea invariante en todo el han sido muestreadas fueran
campo, particularmente que la excavadas y muestreadas
media y la varianza sean constantes exhaustivamente y sin error,
(Estacionareidad fuerte). cualquier modelo numrico
Sin embargo, esta hiptesis no elaborado con los datos
siempre puede ser justificada, por lo originales resultara errneo.
que la geoestadstica hecha mano a La incertidumbre no puede
la hiptesis de estacionareidad
ser eliminada
dbil: que la media sea constante y
que se pueda medir la Existe debido a nuestra
interdependencia espacial. ignorancia y falta de
Existen diversos mtodos para informacin y conocimiento.
convertir un fenmeno no No es una propiedad
estacionario a uno estacionario. inherente al depsito.
13
2. Revisin de los Mtodos Tradicionales de
Estimacin.
14
Promedio Ponderado en Paneles
Es usado comnmente para la
V A l
estimacin de recursos en vetas.
Primero se calculan las leyes promedio
T V
de las labores (Ll) adyacentes El resultante modelo de leyes
promediando las leyes de las muestras del yacimiento se presenta como
un conjunto de valores
z(xi) ponderas por su longitud
m
li: constantes para cada panel.
L
n
l z( x )
i i
l
l l Es muy sensible
aglomeraciones de datos y
a las
Ll i Lp
n m
requiere asumir la influencia de
l i l las leyes de una forma difcil de
i l justificar geolgicamente.
16
Inverso de la Distancia
Se usan todas las muestras
circundantes, asignando a cada
una un peso inversamente
proporcional a su distancia al
bloque, segn la siguiente frmula:
Donde:
n
1 v* es el valor estimado del
i 1 d i
zi 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.
es un factor 0
17
Principales deficiencias de los mtodos
tradicionales de estimacin.
No usan una medida de la correlacin espacial de las leyes,
debido a esto:
No discriminan entre regiones donde las leyes se comportan
regularmente de otras donde pueden ser mas aleatorias.
No distinguen las direcciones preferentes de la continuidad de las
leyes.
18
3. Prerrequisitos Geolgicos.
19
Dominios de Estimacin
Diferencias en la media, la distribucin, el
error estndar y/o la variabilidad espacial
entre grupos de muestras, en diferentes
partes del yacimiento o rea de estudio, son
usados para delimitar los dominios de
estimacin.
20
Delimitacin de los Dominios de
Estimacin
La delimitacin de los dominios de
estimacin debe ser hecha teniendo en
cuenta tres tipos de contactos:
Contactos Geolgicos: Son limites o
superficies entre diferentes tipos de
roca, edades de los estratos, o
caractersticas de la roca. Entre estos,
los contactos estructurales pueden
actuar como lmites de la mineralizacin,
pueden ser conductos o albergar la
mineralizacin, o pueden ser causantes
de estilos de mineralizacin diferentes.
Contactos de Mineralizacin: Son
limites entre los cuales la mineralizacin,
o la distribucin de las leyes se
comporta de forma diferente.
Contactos Econmicos: Son lmites
entre cut-offs o materiales diferentes,
delimitan porciones del yacimiento que
deben ser extradas y tratadas de forma
diferente al resto
21
El Modelo de Bloques
Un modelo de bloques es un
arreglo 3D de volmenes
rectangulares de dimensiones
regulares.
Tambin puede ser entendido
como una grilla ortogonal 3D.
22
Objetivos del Modelo de Bloques
El principal objetivo del modelo
de bloques es proveer un
medio para la representacin
de la variacin de una
variable regionalizada.
Un objetivo secundario es
proveer una plataforma para la
manipulacin de la variable
segn los objetivos de la
caracterizacin.
23
Integracin del Modelo de Bloques y los
Dominios de Estimacin
Los volmenes geolgicos son
intersecados con el modelo de
bloques, determinndose de
forma precisa que bloques, y
cuanto de ellos, caen dentro de
cada dominio.
De esta forma se asigna valores
categricos que dependen del
dominio intersecado a cada
bloque.
Esto nos permite limitar la
estimacin de una variable en
aquellos bloques que intersequen
un dominio o caracterstica
geolgica particular.
Cada bloque puede intersecar
mas de una caracterstica
geolgicas
24
4. Prerrequisitos Estadsticos.
25
La Funcin de Distribucin Acumulada
(CDF)
Se define como la probabilidad
La curva de Hazen: Presenta los
de no exceder un cut-off z: intervalos de probabilidades
distorsionados, de forma que la
F ( z ) Prob{Z z} [0,1]
distribucin acumulada se aparece
como una lnea recta si la
Propiedades: distribucin es normal y se emplea
una escala aritmtica, o si la
F(z) no decrece
distribucin es lognormal y se
F(z) [0,1] emplea una escala logartmica.
F(-) = 0, y F() = 1
26
La Funcin de Distribucin de
Probabilidades PDF)
La PDF es la derivada de la
El Histograma: Presenta el
CDF:
F ( z dz ) F ( z ) porcentaje (frecuencia) de
f ( z ) F ( z ) lim muestras que se encuentran
dz 0 dz distribuidos en cada intervalo de
valores.
F ( z) f ( z)dz
Dist. simtrica
Distribucin multimodal
27
Cuantiles
El Cuantil p de la distribucin
F(zp) es el valor zp para el cual:
F ( z p ) Prob{Z z p } p [0,1]
28
Medidas de Tendencia Central
La Media: Es el valor mas Media o Valor esperado de una
representativo de una distribucin distribucin:
simtrica o normal.
z f ( z)dz
Para muestras de igual soporte:
E{Z }
1 n
m xi
n i 1
Propiedades:
Para muestras de soporte diferente:
n Donde xi, son las leyes E{a} a
i xi n es el numero de muestras, y E{aZ } aE{Z }
i m i 1
n
es el peso de cada muestra
E{ X Y } E{ X } E{Y }
i
i 1
29
Medidas de Dispersin
La Varianza. Es el promedio del Varianza de una distribucin:
cuadrado de las diferencias entre los
valores y la media. Se expresa como:
2 E [ Z m] 2 E Z 2 m 2
n
s ( xi m) 2 / n 1
2 Var {Z }
i 1
Varianza ponderada:
La Desviacin Estndar. Es la raz
cuadrada de la varianza, tiene la n n
ventaja que puede ser expresada en
las mismas unidades que los datos. i 1
i zi2
i 1
i m 2
s2
s s2 n
El Coeficiente de Variacin. Se n
i
calcula como el cociente entre la
desviacin estndar y la media:
i 1
i i 1
n
Es usado para comparar la
variabilidad de las leyes relativa a la
media entre diferentes dominios o
yacimientos.
CV s / m
30
La Covarianza
Es la extensin de la varianza a dos
variables.
Cov{ X , Y } E{[ X m X ][Y mY ]}
E{ XY } m X E{Y } E{ X }mY m X mY .
E{ XY } m X mY m X mY m X mY
E{ XY } m X mY
31
Correlacin
El coeficiente de correlacin es una Grfico de Correlacin
medida de dependencia lineal entre
dos variables:
Cov{ X , Y }
XY [1,1]
Var ( X )Var (Y )
Grupo de leyes
Que se separan
de la tendencia
Los altos errticos tambin pueden ser identificados visualmente o usando una curva
de Hazen.
33
Tratamiento de los Altos Errticos
Los altos errticos pueden ser indicadores
de zonas anmalas interesantes o en
algunos casos la presencia de unos
cuantos puede determinar la viabilidad de
un proyecto. Debido a esto no siempre la
mejor solucin es eliminarlos o reducirlos
a un valor arbitrario.
34
Desaglomeracin (Declustering)
Es una prctica comn que
se tomen mas muestras en
las zonas ricas que en las
zonas de baja ley. Esto
produce un sesgo en las
estadsticas e incluso la
sobreestimacin de la ley.
Esta no es necesariamente
una mala prctica y no debe
ser cambiada, ya que
proporcionan mayor
informacin en las zonas
mas importantes del
depsito.
35
Mtodos de Desaglomeracin
Para un tamao fijo de celda y Desaglomeracin
diferentes orgenes producen poligonal:Cada muestra es
diferentes pesos. ponderada por el rea de su
polgono de influencia.
Esto se evita considerando
Es difcil de implementar en 3D
mltiples orgenes.
El tamao de celda ptimo es el
que minimiza la media
desaglomerada.
Donde es la media y la
desviacin estndar de la
distribucin.
37
Propiedades de la distribucin Gaussiana
Teorema del Lmite Central: Si una poblacin, cuya PDF de
media y desviacin estndar puede tener cualquier forma,
es muestreada al azar en subgrupos de N muestras. La
distribucin de las medias de estos grupos tiende a ser
gaussiana con media y desviacin estndar /N
38
Anamorfosis Gaussiana
Sirve para transformar cualquier distribucin a una distribucin
Gaussiana o normal.
Es muy usada para variables continuas.
Pasos:
1. Construir la distribucin acumulada F(z) de la variable Z.
2. Equiparar los cuantiles y hallar1 los valores correspondientes en
y
la distribucin normal. Esto es:( F ( z ))
G
G( y)
Donde es la distribucin normal estndar
39
Simulacin Montecarlo
Sobre una CDF conocida y
representativa de la poblacin de
muestras, considerar la funcin
cuantil:
q ( p ) F 1 ( p ) x p
40
5. El variograma Calculo e Interpretacin.
41
Correlacin Espacial
Como se puede ver en los
mapas de la derecha, si bien
todos comparten el mismo
conjunto de datos, la
estructura de la correlacin
espacial es diferente.
La correlacin y variabilidad
espacial dependen de la
distribucin detallada de las
leyes en el espacio.
42
Anlisis de la Variabilidad y correlacin
Espacial:
El Variograma
La estimacin geoestadstica 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 est separada por un vector
h
Si tenemos n pares de muestras separadas por es preciso
h h
promediar la variabilidad espacial entre los pares:
n
2 (h) (z z
i 1
i i (h h)
)2
Propiedades: ( 0) 0 (h) 0 ( h) ( h)
43
El Variograma Experimental
Es un grfico de la varianza de la
diferencia entre pares a diferentes
distancias para una orientacin
determinada.
Es calculado por la siguiente frmula:
1
2 ( h)
N ( h) N ( h )
[ z (u ) z (u h)]2
44
Parmetros para el Clculo del
Variograma Experimental
Tamao de los Incrementos de
Distancia (Lag Spacing): Debe
ser coincidente con la separacin
media entre las muestras.
Nmero de Incrementos: Es
determinado por el tamao de los
incrementos y las dimensiones del
rea de estudio. Una regla
prctica es restringir la variografa
a la mitad de la diagonal del rea
de la zona de estudio.
Tolerancia Angular: Est
determinada por la anisotropa
esperada de la mineralizacin y
por la densidad del muestreo.
Lmite de Tolerancia Angular:
Sirve para restringir el cono de la
tolerancia angular cuando esta a
alcanzado determinada abertura.
45
Componentes del Variograma
La distancia a la que el
variograma se estabiliza es el
alcance, y es la distancia donde
se pierde la correlacin espacial.
2
El efecto pepita es la
variabilidad a muy corta escala o Meseta = C1
producida por errores de
muestreo y anlisis.
Efecto
Pepita = C0
La meseta es la altura a la que el
variograma se estabiliza.
Alcance
46
Interpretacin del Variograma
Experimental
Tendencias: Una deriva en el variograma experimental indica
la presencia de una tendencia en los valores reales en la
direccin de tal variograma.
La presencia de una tendencia posa un problema a la decisin
de estacionareidad.
Pero puede ser removida ajustando una curva determinstica.
El variograma sin tendencia se calcula con los residuales.
La tendencia es reintroducida al momento de modelar las leyes.
47
5.6 Interpretacin del Variograma
Experimental (2)
Ciclicidad: Puede estar vinculada a periodicidad geolgica como secuencias
en la estratificacin favorable a la mineralizacin.
Pero tambin puede deberse a la escasez de datos.
48
5.6 Interpretacin del Variograma
Experimental (3)
Anisotropa Geomtrica: Se da cuando el alcance de la correlacin
49
5.6 Interpretacin del Variograma
Experimental (4)
Anisotropa Zonal: Es cuando la magnitud de la variabilidad (meseta)
cambia segn la direccin.
Suele producirse por la presencia de diferentes estratos o capas, lo que
incrementa la varianza en la direccin perpendicular a la estratificacin.
Tambin es producida por un incremento de la varianza entre taladros, que
puede ser mayor a la varianza a lo largo de los taladros.
50
El Mapa de Variogramas
permite analizar rpidamente el comportamiento espacial de una
variable a diferentes direcciones, esto se logra por medio de un
sistema de coordenadas esfricas donde las curvas de isovaloras
representan el valor del variograma a diferentes direcciones y
mdulos del vector h.
51
El Variograma la Covarianza y el
Correlograma
Bajo la decisin de estacionareidad, el variograma, la covarianza
y el correlograma (correlacin), son herramientas equivalentes
para caracterizar la variabilidad espacial de dos puntos:
(h) 2 C ( h) 2 [1 (h)]
Donde: C (h) E{Z (u ) Z (u h)} E{Z (u )} E{Z (u h)} C (0) 2
La covarianza mide la continuidad de las leyes, mientras que el
variograma mide la variabilidad.
52
Las Ciencias no tratan de explicar, ni siquiera de
interpretar, ellas mayormente slo construyen
modelos. Por un modelo se entiende una
representacin [matemtica] que, junto a cierto
nivel de interpretaciones verbales, describe el
fenmeno observado. La justificacin de tal
representacin [matemtica] es solamente y
precisamente que se espera que esta funcione.
53
Gracias
54