UNIVERSIDAD NACIONAL DE CAJAMARCA 

ESCUELA ACADEMICO PROFESIONAL DE INGENIERIA DE MINAS

DISEÑO DE MINAS SUPERFICIALES

Docente : Ing. Bohorquez Huara, Armando Humberto.
Presentado por : Cabrera Cedrón Frank Alexander
Cruzado Ramírez, Alexis Edgardo
Idrogo Bustamante, Jhonatan Henry
López Velásquez, Kenyi Alexis
Rodas Cruzado, Eduardo Damon

Cajamarca- Perú
 OBJETIVOS

 Conocer el concepto general de kriging.

 
 Determinar los diferentes tipos de kriging.
 

 Conocer las diferentes fórmulas de kriging.

 
 Determinar las etapas de plan de kriging.
 KRIGING O KRIGEAGE

El kriging es un término que ha sido acuñado para

1 designar al "mejor estimador lineal insesgado" de un
punto y al mejor promedio lineal móvil ponderado de
un bloque.

El kriging es una técnica de estimación local que

2
ofrece el mejor estimador lineal insesgado de una
característica desconocida que se estudia.
Secuencias en un estudio Geoestadístico para estimar Reservas
CLASIFICACIÓN DE LOS DIFERENTES TIPOS DE KRIGING.
La precisión de la estimación depende de varios factores:

1 Del número de muestras y de la calidad de la data en cada punto

2 De la posición de las muestras con respecto al punto a estimar.

3
De la distancia entre muestras y con el punto a estimar.

4
De la continuidad espacial de los valores de las muestras.
ECUACION DE KRIGING

Para obtener las ecuaciones de krigeado hay que minimizar la expresión de σE^2

Igualar a cero las derivadas parciales de σE^2 respecto de λ1, λ2, . . . , λN. No asegura
que la suma de los λisea 1. En este caso hay que utilizar el método de Lagrange
1 KRIGING ORDINARIO
El kriging es un término que ha
sido acuñado para designar al
"mejor estimador lineal
insesgado" de un punto y al mejor
promedio lineal móvil ponderado
de un bloque.
El kriging es una técnica de
estimación local que ofrece el
mejor estimador lineal insesgado
de una característica
desconocida que se estudia.
2 KRIGING SIMPLE 3 KRIGING PUNTUAL
Suponga que hay una variable En el Kriageage puntual las
regionalizada estacionaria con medias locales no son
media (m) y covarianzas necesariamente próximas de la
conocidas. De manera análoga a media de la población,
como se define en modelos usándose apenas los puntos
lineales (por ejemplo, en diseño vecinos para la estimación. Es
de experimentos) el modelo
el método más ampliamente
establecido en este caso es igual
utilizado en los problemas
a la media más un error aleatorio
con media cero. La diferencia es ambientales.
que en este caso los errores no
son independientes.
4 KRIGING EN BLOQUES

El kriging de bloques posee

El valor obtenido se lo asigna a las siguientes propiedades:
un Bloque, no a un punto. Tener  Suavizamiento
en cuenta que el valor medio de
 Insesgo, pero posible
una Función Aleatoria, en un
bloque, es el valor medio de sesgo condicional
todas las variables aleatorias,  Aditividad
dentro del bloque.
 PLAN DE KRIGING

El plan de Kriging considera las siguientes etapas

 Definición de manejo de Outliers (Capping)  Definición de los radios de búsqueda del

 Identificación de la zona a estimar los bloques elipsoide.
(puede estar restringida por sólidos en 3D o  Definición de la búsqueda de muestras.
mediante Polígonos)  Definir el número mínimo de muestras a utilizar
 Identificación de las muestras a utilizar (todas o por Cuadrante u Octante.
restringirlas a sólo usar aquellas que se  Definir el número máxima de muestras a utilizar
encuentren dentro del sólido). para la estimación.
 Ingreso de variograma considerando las  Seleccionar el método de interpolación (Kriging
anisotropías (x, y, z) Ordinario o Kriging Simple).
PLANTEAMIENTO DEL PROBLEMA
Dado un conjunto de datos de una variable de interés {Z(X1), Z(X2),……….., Z (Xn)}, en que Xi es la posición

del dato i, y Z (Xi) el valor que toma la variable de interés en la posición Xi, se desea estimar el valor que

toma la variable Z en un sitio X0, sin información.

Donde:
• Z es la variable de interés, por ejemplo, cobre, oro, zinc,
etc.
• Xi corresponde a la posición de la muestra i. Es una
coordenada
• Z (Xi) es el valor que toma la variable de interés en la
posición Xi: 1.2% Cu, 5 ppm Au, etc.
• i es la identificación del dato. Ejemplo, muestra 1, 2,3,
etc
PLANTEAMIENTO DEL PROBLEMA
No se conoce la ley media de Z en la posición X0. En la práctica, se estima el valor desconocido de la
variable a través de una fórmula lineal del tipo:
 ∗
Z ( 𝑋 0 ) =𝛼 1 Z ( 𝑋 1) +𝛼2 Z ( 𝑋 2 ) +𝛼 3 Z ( 𝑋 3 ) +…+𝛼 𝑛 Z(𝑋 𝑛)
 
En que los pesos verifican la condición de insesgo.

𝛼  1+𝛼 2 +𝛼3 +…+𝛼𝑛 =1

Los pesos dependerá:
 
EJEMPLO N° 1

Se dispone de cuatro muestras, en las que se ha medido la variable oro, y se desea determinar el valor que
tomaría dicha variable en la posición X0, no muestreada.

i Z(Xi) di

1 3 5

2 1 3

3 6 2

4 4 4
EJEMPLO N° 1
 
Se estima el valor desconocido de la variable Z en el punto X0 a través de una fórmula lineal del tipo:

En la que los pesos verifican la condición de insesgo, o condición de universalidad:

a) Utilicemos en primer lugar la media aritmética como estimador.

 
∗ 1
Z ( 𝑋 0 ) = (3+1+6+ 4)
4
∗
  ( 𝑋 0 ) =3.5
Z
EJEMPLO N° 1
b) Utilicemos ahora el método del inverso de la distancia para estimar el valor de Z(X 0), con k=1

i Z(Xi) di 1/di Z(Xi) 1

 
1 3 5 0.20 0.156 0.468 𝑘
𝑑𝑖
2 1 3 0.33 0.260 0.260 𝛼 𝑖= 𝑛
1
3 6 2 0.50 0.390 2.338 ∑ 𝑘
𝑑𝑖
𝑖=1
4 4 4 0.25 0.195 0.779
  1.28 1.00 3.844

 𝑛 1  𝑛
∑ 𝑑1 ∑ 𝑎𝑖 𝑍 (𝑋 𝑖 )
𝑖=1 𝑖 𝑖=1
EJEMPLO N° 1
b) Utilicemos ahora el método del inverso del cuadrado de la distancia para Z(X 0), con k=2

i Z(Xi) di 1/di2 Z(Xi)   1

𝑘
1 3 5 0.040 0.086 0.259 𝑑𝑖
𝛼 𝑖=
2 1 3 0.111 0.240 0.240 𝑛
1
3 6 2 0.250 0.539 3.235 ∑ 𝑘
𝑑𝑖
𝑖=1
4 4 4 0.063 0.135 0.539
  0.464 1.000 4.273

 𝑛 1  𝑛
∑ 𝑑2 ∑ 𝑎𝑖 𝑍 (𝑋 𝑖 )
𝑖=1 𝑖 𝑖=1
EJEMPLO N° 1
b) Utilicemos ahora el método del inverso de la distancia para estimar Z(X 0), con k=3

i Z(Xi) di 1/di3 Z(Xi) 1

 
1 3 5 0.008 0.043 0.129 𝑘
𝑑𝑖
𝛼 𝑖=
2 1 3 0.037 0.199 0.199 𝑛
1
3 6 2 0.125 0.672 4.032 ∑ 𝑘
𝑑𝑖
𝑖=1
4 4 4 0.016 0.086 0.344
  0.186 1.000 5.048

 𝑛 1  𝑛
∑ 𝑑3 ∑ 𝑎𝑖 𝑍 (𝑋 𝑖 )
𝑖=1 𝑖 𝑖=1
EJEMPLO N° 1
e) Comparación entre los diferentes resultados.

Método

Media Aritmética 3.500

Inverso de la distancia 3.844
Inverso de la distancia al cuadrado 4.273
Inverso de la distancia al cubo 5.048
Vecino más cercano 6.000
EJEMPLO KRIGEAGE PUNTUAL

El cuadrillado representa sondajes en los puntos X1, X2, X3, X4, con leyes de 3,2%; 2,5%; 4,0% y 1,5%

respectivamente. Se desea conocer la ley en el punto X0, sabiendo que el variograma asociado
corresponde a un modelo esférico con las siguientes características: Co = 2, C = 20 y a = 200 m.
EJEMPLO KRIGEAGE PUNTUAL

a. Modelo esférico se define como:

 C =20 , C 0=2 , a=200 m

 
 EJEMPLO KRIGEAGE PUNTUAL

b. Definir los elementos de las matrices

−1
  λ1 γ́ 11 γ́ 12 γ́ 13 γ́ 14 1 γ́ 01

λ =[ K ]
−1
λ2

λ4
μ
[][
γ́ 21
∗ [ M 2 ] ⟶ λ3 = γ́ 31
γ́ 41
1
γ́ 22
γ́ 32
γ́ 42
1
γ́ 23
γ́ 33
γ́ 43
1
γ́ 24
γ́ 34
γ́ 44
1
1
1
1
0
] [] γ́ 02
∗ γ́ 03
γ́ 04
1
EJEMPLO KRIGEAGE PUNTUAL
   
c. Calcular los elementos de la matriz

  γ́ 01 9.34

[ ][ ]
γ́ 02

γ́ 04
1
17.02
→ [ M 2 ] = γ́ 03 = 20.28
12.17
1
EJEMPLO KRIGEAGE PUNTUAL
 
d. Cálculo de los elementos de

  0 12.17 20.78 17.02 1

[ 12.17
[ 𝐾 ] = 20.78
17.02
1
0
19.68
21.72
1
19.68
0
22
1
21.72
22
0
1
1
1
1
0
]
EJEMPLO KRIGEAGE PUNTUAL
 
e. Sacar la inversa de

  − 0.058 0.032 0.007 0.019 0.149

−1

[0.032
[ 𝐾 ] = 0.007
0.019
0.149
− 0.050
0.014
0.004
0.239
0.014
− 0.033
0.012
0.308
0.004
0.012
− 0.036
0.305
0.239
0.308
0.305
−14.489
]
EJEMPLO KRIGEAGE PUNTUAL
 
f. Calcular los valores de

  λ1 − 0.058 0.032 0.007 0.019 0.149 9.34

 λ=[ K ]
−1
∗ [ M 2]
[][
λ2

λ4
μ
0.032
λ3 = 0.007
0.019
0.149
− 0.050
0.014
0.004
0.239
0.014
− 0.033
0.012
0.308
0.004
0.012
−0.036
0.305
0.239

0.305][ ]
− 14.489
17.02
0.308 ∗ 20.28
12.17
1

  λ1 0.518

[][ ]
λ2 0.022
λ3 = 0.089
λ4
μ
0.371
0.915
 
∑ λi=1
EJEMPLO KRIGEAGE PUNTUAL
g. Calcular la ley.

𝑍  ( 𝑋 0 )=𝜆 1 𝑍 ( 𝑋 1 )+ 𝜆2 𝑍 ( 𝑋 2 ) + 𝜆 3 𝑍 ( 𝑋 3 ) + 𝜆4 𝑍 ( 𝑋 4 )

  ¿
𝐙  ( 𝐗 0 )=2.62 %
 CONCLUSIONES

Kriging es un método de interpolación geoestadístico de estimación de puntos.

Utiliza un modelo de variograma para la obtención de los ponderadores que se dan
a cada punto de referencia usado en la estimación.
Determinados los tipos de kriging que son ordinario, simple, puntual y bloques
Aplicamos las distintas fórmulas de kriging
Las etapas de Kriging que va desde Definición del manejo de Capping hasta
seleccionar el método de interpolación.