Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1
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.
2
1. Introducción y definiciones.
3
Objetivos y Lineamientos
Este es un curso introductorio a la Geoestadística aplicada a la actividad Minera
para Geólogos e Ingenieros con poca o ninguna exposición previa a esta
materia.
El objetivo de este curso es dotar a los participantes de:
Un conocimiento fundamental sólido de los conceptos y métodos de la
geoestadística aplicada a la minería.
Un entendimiento de cómo la geoestadística puede ser usada para crear
modelos numéricos de los Recursos de un Yacimiento, integrados a la
comprensión de la geología de este.
Herramientas para la aplicación práctica de la geoestadística en diversas áreas
de la actividad minera.
Los elementos de la geoestadística avanzada.
Entrenamiento básico en el uso del software geoestadístico ISATIS.
El material y la didáctica siguen los lineamientos del Centre de Géostatistique
de la École Nationale Supérieure des Mines de Paris, y del Centre for
Computational Geostatistics de la University of Alberta.
4
Contexto General: El Modelado Numérico
Modelo: Representación abstracta o concreta
de un objeto o sistema desde un punto de vista
en particular y con fines particulares.
Históricamente 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
físicas, y a crear modelos numéricos de los
fenómenos.
Se acepta que la incertidumbre es ubicua y no
puede ser eliminada.
5
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
Muestras de
yacimiento.
Observaciones: Taladros y
Mapeo + Logueo Canales Creación de dominios para la
Dominios
Permite la estimación y
Geológicos 3D Modelo de
Bloques manipulación de los valores
Modelo de requeridos para el control de leyes y
leyes 3D Modelado
Modelado
Geométrico Numérico el inventario de Recursos y
Inventario de
Recursos
Reservas
6
La Geoestadística
La Geoestadística es una rama de las matemáticas aplicadas,
específicamente de la Estadística Espacial, que comprende una serie de
técnicas interrelacionadas cuyo objetivo es proveer una descripción
cuantitativa de variables distribuidas en el tiempo o en el espacio por
medio de la aplicación de métodos probabilísticos.
7
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.
8
¿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.
9
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.
10
Algunos Conceptos geoestadísticos clave (1)
Campo: Zona de Estudio. Ejemplos de Variables Regionalizadas en
la Minería y Geología:
Soporte: Volumen y calidad de la Las leyes de los metales y la
muestra. concentración de contaminantes.
La litología y alteraciones
La densidad de las fracturas.
La elevación topográfica.
Variable Regionalizada (V.R.): Es
El espesor de los estratos y la
cualquier variable distribuida en el
espacio y/o el tiempo cuyo valor potencia de las vetas.
depende de su ubicación espacial y/o Etc.
temporal y al mismo tiempo presente Una variable regionalizada esta
interdependencia o asociación espacial compuesta por un componente aleatorio
y/o temporal con los valores vecinos. y un componente estructurado.
11
1.9 Algunos Conceptos geoestadísticos clave (2)
Función Aleatoria: Los valores en puntos
(Auto)correlación o
no muestreados son conceptualizados como interdependencia espacial: En la
realizaciones z(x) de una función aleatoria naturaleza es muy común que los
Z(x). Las leyes verdaderas, pero siempre valores de una variable tomen valores
desconocidas, del yacimiento conforman una muy similares a sus vecinos en el
realización particular de Z(x). espacio y/o tiempo. Este
Esta conceptualización permite el uso de comportamiento observable de las
métodos probabilísticos al estudio de las variables naturales es medido y
variables regionalizadas. aprovechado por la geoestadística.
12
1.9 Algunos Conceptos geoestadísticos clave (3)
Hipótesis de Estacionareidad: La
Incertidumbre: Si las partes del
inferencia estadística en el espacio depende de yacimiento que no han sido
que la distribución de la V.R. sea invariante en muestreadas fueran excavadas y
todo el campo, particularmente que la media muestreadas exhaustivamente y sin
y la varianza sean constantes error, cualquier modelo numérico
(Estacionareidad fuerte). elaborado con los datos originales
Sin embargo, esta hipótesis no siempre puede resultaría erróneo.
ser justificada, por lo que la geoestadística
hecha mano a la hipótesis de La incertidumbre no puede ser
estacionareidad débil: que la media sea eliminada
constante y que se pueda medir la Existe debido a nuestra ignorancia y
interdependencia espacial. falta de información y conocimiento.
Existen diversos métodos para convertir un No es una propiedad inherente al
fenómeno no estacionario a uno estacionario. depósito.
13
2. Revisión de los Métodos Tradicionales de Estimación.
14
Promedio Ponderado en Paneles
Es usado comúnmente para la estimación de
V A l
recursos en vetas.
T V
Primero se calculan las leyes promedio de las
labores (Ll) adyacentes promediando las leyes de las El resultante modelo de leyes del
muestras z(xi) ponderas por su longitud li: yacimiento se presenta como un conjunto
de valores constantes para cada panel.
m
l z( x )
i i l l
datos y requiere asumir la influencia de
Ll i Lp l
m las leyes de una forma difícil de justificar
n
l
i
i
l
l geológicamente.
15
Poligonales
Es empleado con taladros verticales. El modelode leyes resultante es un
A cada taladro se le asigna una zona de
mosaico de áreas de ley constante.
influencia poligonal. Remueve el sesgo producido por la
aglomeración de datos.
Los polígonos son construidos intersecando las
perpendiculares a los puntos medios de los
segmento que unen los taladros.
16
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
d
zi v* es el valor estimado del
bloque, z1, …zn son las leyes
v i 1n
* i
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
18
3. Prerrequisitos Geológicos.
19
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.
22
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.
23
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
24
4. Prerrequisitos Estadísticos.
25
La Función de Distribución Acumulada (CDF)
Se define como la probabilidad de no La curva de Hazen: Presenta los intervalos
exceder un cut-off z: de probabilidades distorsionados, de forma
F ( z ) Prob{Z z} [0,1] que la distribución acumulada se aparece
como una línea recta si la distribución es
normal y se emplea una escala aritmética, o
Propiedades: si la distribución es lognormal y se emplea
F(z) no decrece una escala logarítmica.
F(z) є [0,1]
F(-∞) = 0, y F(∞) = 1
26
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
27
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]
q( p) F 1 ( p)
1er cuartil: p = 0.25
2do cuartil: mediana, p = 0.5
3er cuartil: p = 0.75
Intervalo del 90% de
probabilidad.
28
Medidas de Tendencia Central
La Media: Es el valor mas representativo de una Media o Valor esperado de 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
29
Medidas de Dispersión
La Varianza. Es el promedio del cuadrado de las Varianza de una distribución:
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 ser n n
expresada en las mismas unidades que los datos.
i 1
i zi2
i m 2
i 1
s2
s s2 n
El Coeficiente de Variación. Se calcula como n
i
el cociente entre la desviación estándar y la
media:
i
i 1
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 extensión de la varianza a dos variables.
Cov{X , X } Var{X }
31
Correlación
El coeficiente de correlación es una medida Gráfico de Correlación
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 erráticos también pueden ser identificados visualmente o usando una curva de Hazen.
33
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.
35
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
Esto se evita considerando múltiples orígenes. polígono de influencia.
El tamaño de celda óptimo es el que minimiza la Es difícil de implementar en 3D
media desaglomerada.
37
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
38
Anamorfosis Gaussiana
Sirve para transformar cualquier distribución a una distribución Gaussiana o normal.
Es muy usada para variables continuas.
Pasos:
1. Construir la distribución acumulada F(z) de la variable Z.
2. Equiparar los cuantiles y hallar los valores correspondientes en la distribución normal.
Esto es:
y G 1 ( F ( z))
Donde G( y)es la distribución normal estándar
39
Simulación Montecarlo
Sobre una CDF conocida y representativa de la
población de muestras, considerar la función
cuantil:
q ( p ) F 1 ( p ) x p
40
5. El variograma Calculo e Interpretación.
41
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.
42
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 z2 ) 2
Cada par de muestras está separada por un vector h
Si tenemos n pares de muestras separadas por h h es preciso promediar la variabilidad
espacial entre los pares: n
2 (h) (z z
i 1
i i ( h h)
)2
43
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 )
44
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.
45
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.
46
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.
47
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.
48
5.6 Interpretación del Variograma Experimental
(3)
Anisotropía Geométrica: Se da cuando el alcance de la correlación espacial varía a diferentes
direcciones.
Esta es producida usualmente por la dirección del flujo de la mineralización, por procesos de
deposición, o el sentido de la dispersión de los contaminantes.
49
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.
50
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.
51
El Variograma la Covarianza y el Correlograma
Bajo la decisión de estacionareidad, el variograma, la covarianza y el correlograma
(correlación), 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 sólo construyen modelos. Por un modelo
se entiende una representación [matemática] que, junto a
cierto nivel de interpretaciones verbales, describe el
fenómeno observado. La justificación de tal representación
[matemática] es solamente y precisamente que se espera que
esta funcione”.
53
Gracias
54