Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estimacionrecursosporfidoskarn 130114092117 Phpapp02
Estimacionrecursosporfidoskarn 130114092117 Phpapp02
PORFIDOS Y SKARN
Fernando Sáez Rivera
INDICE
- MODELOS DE PORFIDO Y SKARN
- DETERMINACION DE DOMINIOS
- ANALISIS PREVIOS
- EDA (Estadistica) (Variografia)
- PARAMETROS DE ESTIMACION
100%
F2_Oz
95% F3_Oz
90%
85%
09
6
9
06
07
08
09
6
8
_0
_0
_0
_0
_0
_0
_0
_0
_0
_0
n_
p_
p_
p_
p_
ar
ar
ar
ar
ne
ne
ne
ec
ec
ec
Ju
Se
Se
Se
Se
M
M
D
D
Ju
Ju
Ju
3 Month Interval
PROBLEMAS:
- El Espaciamiento de taladros en el actual banco no es suficiente para controlar las leyes.
- Diferentes tipos de Arcillas que no existen el modelo.
- No hay un buen control de mineral de Oxido, Mixto1, Mixto2, Sulfuros.
- No hay buen control de las altas leyes (a veces da mucho mas y a veces mucho menos)
- No hay modelo de un elemento contaminante que penaliza la venta
- No hay modelo de desmonte generador de ácido.
INDICE
- ANALISIS PREVIOS
- EDA (Estadistica) (Variografia)
- PARAMETROS DE ESTIMACION
Modelo de Exploración:
DIORITA
CALIZA
PM2
PM1
Bx
CALIZA DIATREMA
MODELO ALTERACION BAJO ALUMBRERA
Propilitica
Feldespato Destructivo
Potasica
Cuarzo
Margnetita
TOQUEPALA – FILICO
CUAJONE – FILICO
PEROL – FILICO
CHUQUICAMATA – FILICO-POTASICO
CHAILHUAGON – POTASICO
ANTAPACCAY – POTASICO
BAJO ALUMBRERA – POTASICO
BINGHAM – FILICO-POTASICO
SKARN TINTAYA (CU-MO) SKARN FERROBAMBA
MO
CU
ZN
INDICE
- MODELOS DE PORFIDO Y SKARN
- DETERMINACION DE DOMINIOS
- ANALISIS PREVIOS
- EDA (Estadistica) (Variografia)
- PARAMETROS DE ESTIMACION
Iron Oxides
Cu-Au Coastal Ananea
Belt Mesothermal
Gold Belt
Coastal Batholith
Mesothermal Paleocene Southern
Peru Southern Peru
Gold Belt Epithermal Au-Ag Belt
Cu-Porphyry Belt
Condiciones para una buena estimación
Estacionaridad
Intrínseca
Estacionaridad
La estacionaridad se refiere a una “homogeneidad” en el
espacio de las características de la variable en estudio: media,
dispersión, continuidad, etc. Implica que las propiedades
estadísticas de los datos son representativas del total del
dominio para estimar.
Deriva o No Estacionario
• En la mayoría de los casos alguna clase de deriva está presente en el
fenómeno o no existe alguna geología
– Los fenómenos de interés son anomalías?
Escala de la deriva es importante
30 14
zona
25 pobre 12
20 10
z(x)
z(x)
15 8
10 6
5 4
zona rica
0 2
0 200 400 0 20 40
global local
Intrínseca
cuando los crecimientos son estacionarios de orden dos:
E ( Z (u) Z (u h)) 0
Var ( Z (u) Z (u h)) 2 (h) u D
Considerar la posibilidad de subdividir el área en subzonas más homogéneas
Modelamiento geológico (unidades de estimación) Que cumplan con las
condiciones de: estacionaridad e intrínseco
SKARN
Intrusivo
Caliza
CHEQUEO DE LA ESTADISTICA HISTOGRAMA y FREQ. ACUMULADA por la
ESTACIONARIDAD
• Debe confirmarse con información geológica
CHEQUEO DE FORMAS y DIRECCIONES DE MINERALIZACION por el
FENOMENO INTRINSECO
Debe confirmarse con información geológica
4
4
3
1
2 8
3
1 7
6 2
5
PORFIDO forma clásica
SKARN forma de dos anillos
Eventos HIPOGENOS Eventos SUPERGENOS
INDICE
- MODELOS DE PORFIDO Y SKARN
- DETERMINACION DE DOMINIOS
- ANALISIS PREVIOS
- EDA (Estadistica) (Variografia)
- PARAMETROS DE ESTIMACION
w_min
BoxPlot :Comparison Metal by Domains
Box: Half the data in the middle of distribution (25th – 75th percentile)
Median: Horizontal line inside box (higher half from lower half)
Mean: Dot (average)
Análisis Univariables valores extremos
• Valores extremos: afectan considerablemente las estadísticas básicas
• ¿Qué hacer con ellos?:
– Declarar los valores extremos como erróneos y eliminarlos
– Clasificarlos en poblaciones estadísticas separadas
– Usar estadísticas robustas, que son menos sensibles a los valores extremos:
mediana, coeficiente de correlación de posición
– Transformar los datos para reducir su influencia
– Bajarlos a un máximo “razonable”
Domain Samples Min Max Mean Std. Dv. Mean Std. Dv.
Oxide 8193 (75%) 0.0025 145.155 1.14 2.76 1.11 1.85
Sulphide 2682 (25%) 0.0033 18.2601 0.86 1.34 0.86 1.34
Total 10875 0.0025 145.155 1.07 2.49 1.05 1.74
Análisis de Contacto
DOMINIO 1 DOMINIO 2
Análisis Estadístico
ypq w_min
Análisis Estadístico
LG
HG
LG HG
Análisis Estadístico Análisis de Contacto
Interpretación de variogramas experimentales
Variograma Vertical
Meseta
Efecto pepita
Rango
Distancia
• Meseta = la varianza (1.0 si los datos están estandarizados)
• Alcance = la distancia a la cual el variograma alcanza la meseta (95%)
• Efecto pepita = suma de variabilidad debida a microestructuras geológicas y
error de medición
– Cualquier error en la medición del valor o la posición asignada a la medida se traduce
en un efecto pepita mas alto.
– Cuando los datos son escasos el efecto pepita aparece más alto de lo esperado
Structures Variograms
AZIMUTH = 0 DIP = 0
1.5 (h) = 0.400 + 0.329 Sph 30.7(h) + 0.271 Sph 270.1(h)
1.0
240
25 7
333
299
311
354
366
284
5
420
399
513
1
450
551
1
0
2
44 7
6
473
545
7
(h)
9
575
9
652
629
610
3
5
4
720
3
5
8
0
764
715
2
734
5
3
809
803
6
79 3
709
841
881
0
1
9
8
8
378
499
4
4
4
4
605
4
2
188
0
7
0.5
223
8
*
Sample variogram points with less than
350 pairs have not been plotted.
0
0 62.5 125.0 187.5 250.0
Lag distance (h)
Ellipsoid Rotation by Program
• Ellipsoid Rotation:
– Mine Sight: Z-Left X-Right Y-Left
– Vulcan: Z-Left X-Right Y-Left
– GSLib: Z-Left X-Right Y-Right
– TSS: Z-Left Y-Right Z-Left
Variography
Geological Rot ISATIS: 122° 25° -55° Math. Rot. ISATIS: 20° -20° 15°
Nugget effect : 0.55
First Struc. - Spherical: sill=1.2, U=30m V=25m W=25m
Second Struc.-Spherical: sill=1.8, U=45m V=110m W=80m
Cross Validation: Min Max Mean SD. Rho Rho
(Z-Z*) (Z-Z*) (Z-Z*)/SD (Z-Z*) /SD Cor C. (Z-Z*)/SD
-16.226 10.49 0.002 0.89 0.871 -0.098
Mapa Variografico en 3 ejes principales
ISATIS
Geological Rot.
Azimuth = 122°
X-right= 25°
Z-left = -55°
Mathematician Rot.
Z-Right = 20°
Y-right= -20°
X-right = 15°
Ellipsoid vs Geology
• POR DOMINIOS
• Statistic Parameters (Min
& Max Reject, Capping)
• Variography Parameters
(Nugget, Sill, Range, TSS
Rotation)
• Search Parameters (Min &
Max Sample, Searches)
Estimation OK
Searches
Max. No. Min. No.
Domain
Samples Samples
ROT 1 ROT 2 ROT 3
Central – Upper (dm1) 228 291 63 8 2 Mas
Central – Lower (dm2) 320 419 31 8 2
suavisamiento
Norte 405 307 34 10 2
48
Búsqueda por Octante o Cuadrante
49
INDICE
- MODELOS DE PORFIDO Y SKARN
- DETERMINACION DE DOMINIOS
- ANALISIS PREVIOS
- EDA (Estadistica) (Variografia)
- PARAMETROS DE ESTIMACION
Z *
* z
i 1, n
i i
• 1) MEDIA ARITMETICA:Se basa en lo siguiente
“para estimar la ley media de un conjunto se
promedian las leyes de los datos que están
dentro del conjunto”
• Su fórmula general:
zj
zs
N
• 2) Polígonos o Nearest Neighbor (NN):El
método se basa en “asignar a cada punto del
espacio la ley del dato más próximo.Para
estimar una zona se ponderan las leyes de los
datos por el área de influencia sj”
• Su fórmula es la siguiente:
sjz j
zs
s
• Polígonos:
La ley del punto • Inverso de la distancia
corresponde a la de la n(x)
z ( x )
muestra más cercana d p
z (x) n1( x )
1
1 d p
D
z(x)
d
3) INVERSO DE LA DISTANCIA:Se basa en “asignar mayor
peso a las muestras cercanas y menor peso a las
muestras alejadas a s”
• Se consigue al ponderar las leyes
• Su fórmula es:
zi
n di
z { }
n 1
i 1
j dj
Kriging Simple
Z i * zi
*
i 1, n
• El kriging minimiza esta varianza de estimación para obtener
los ponderadores. Derivando e igualando a cero, se obtiene
el sistema de kriging simple:
C (x1 x1 ) C (x1 x n ) 1 C (x1 x 0 )
C (x x ) C (x x ) C (x x )
n 1 n n n n 0
n n
Z (x 0 ) Z (x ) 1 m
*
• Y por lo tanto: 1 1
n
KS
2
(x 0 ) C (0) C (x x 0 )
1
Kriging Ordinario
• O en términos de variograma:
(x1 x1 ) (x1 x n ) 1 1 (x1 x 0 )
(x x ) (x x ) 1 (x x )
n 1 n n
n n 0
0
1 1 1
n
Z * (x 0 ) Z (x )
1
y n
KO
2
(x 0 ) (x x 0 )
1
• POLIGONO o NN 1
1
• PROMEDIO i
n
• ID 1
i
di 1,3,5,7
1
i 1, n d i
1 ( x1 x 0 ) ( x1 x1 ) ( x1 x n ) 1 -1
• KRIGEAGE
( x x ) ( x x ) ( x x ) 1
n n 0
n 1 n n
1 1 1 0
Block Models – Visual Differences
NN ID2
ID5 OK
- DETERMINACION DE DOMINIOS
- ANALISIS PREVIOS
- EDA (Estadistica) (Variografia)
- PARAMETROS DE ESTIMACION
– By Domains
120 1
– NN Values 0.9
(Variography)
60 0.5
0.4
40
0.3
0.2
• Result Comparison: 20
0.1
– HERCO vs OK 0
0.00 0.05 0.10 0.15 0.20 0.25 0.30 0.35 0.40 0.45 0.50 0.55 0.60 0.65 0.70 0.75
0
Cutoff Au (gpt)