Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Curso de Geoestadistica - 3 - Interpolacion
Curso de Geoestadistica - 3 - Interpolacion
Interpolacion
Octubre 2008
Principios de Interpolacion Lineal
Introduccion
Estimados ≠ verdadero
la tabulacion de recursos se basa en estimados,
no valores verdaderos (los cuales son
desconocidos).
Los estimados siempre tienen errores
El objetivo de la estimacion es minimizar los
errores de estimacion
el modelo se basa en un volumen infimo de muestras
relativo al volumen total del deposito (en general en
el orden de 0.000007% a 0.0004%)
Introduccion
Cambio de soporte
Es la relacion entre el tamaño (volumen) de la
muestra o bloque y su varianza. La dispersion de
las leyes de los bloques alrededor de la media de
los bloques es menor que la dispersion de las
leyes de las muestras alrededor de la media de
las muestras. Es critico que se tome en cuenta el
cambio de varianza al ir de muestras a bloques
para poder estimar correctamente las curvas de
ley-tonelaje por encima de un cutoff dado
Introduccion
Z1
Z3 ? Z2
Z4
Introduccion
z(x2)
z*
z(x6)
z(x4)
z(x5)
Introduccion
poligonal
seccional
nearest-neighbour (NN)
inverso a la distancia (IDW)
kriging
simple kriging (SK)
ordinary kriging (OK)
indicator kriging (IK)
multiple indicator kriging (MIK)
Poligonal
se divide el area en poligonos de influencia
alrededor de las muestras; se asigna la ley
de la muestra al poligono
Ventajas:
facil de entender
facil de hacer en depositos simples
Desventajas
no toma en cuenta el cambio de soporte
una sola muestra por estimado
discontinuidad en los estimados
no toma en cuenta la correlacion espacial
de las muestras
Seccional
procedimiento
se divide el deposito en secciones
(verticales u horizontales)
se composita la interseccion de los taladros
se dividen los poligonos en poligonos de
influencia de los compositos
se asigna ley de composito a su poligono
se calcula ley total de seccion
ley de seccion se extiende a punto medio
Ventajas:
facil de hacer aun en depositos con formas
complejas
Desventajas
no es muy flexible
una sola muestra por estimado
leyes muy similares a poligonal
Nearest-neighbor (NN)
se asigna a cada bloque la ley del composito mas
cercano
Ventajas:
facil de entender
facil de hacer
Desventajas
no toma en cuenta el cambio de soporte
una sola muestra por estimado
discontinuidad en los estimados
no toma en cuenta la correlacion espacial de las
muestras
Inverso de la distancia (IDW)
asigna los pesos en funcion al inverso de la
distancia (elevado a un poder dado) de la
muestra al bloque
Ventajas:
facil de entender y de hacer
toma en cuenta la disminucion de la
correlacion con la distancia
puede tomar en cuenta anisotropia,
clustering, y cambio de soporte
Desventajas
la correlacion espacial es arbitraria
no minimiza la varianza de estimacion
necesita variografia para anisotropia y
cambio de soporte
Error de Estimacion
Error de Estimacion (1)
E = Z* - Z
pero, m = m + m
(x+y) (x) (y)
entonces, m = m – m
(E) (Z*) (Z)
entonces, m = 0(E)
Suma de Pesos (1)
n
Z * wi zi
i 1
w Avg ( g )
i 1
i i Avg ( Z x )
n
w
i 1
i m m
n
w
i 1
i 1
Varianza de Estimacion (1)
w (v , v ) (v , V )
i 1
i i j i
n
wi 1
i 1
μ es el parametro de Lagrange
Varianza de Estimacion (2)
la “kriging variance” (σ
2
OK ) es un estimador del error
de estimacion
σ 2
depende solo de la configuracion geometrica de
OK
los datos; en general, subestima el error real de
estimacion
σ 2
es una funcion del modelo (en especial del
OK
variograma); errores en el modelo no se reflejan en
σ2OK
interpretacion de la “kriging variance”
σ 2
se puede utilizar para diseñar campañas de
OK
perforacion que minimicen el error (en especial
cuando no hay muchos datos)
Simple Kriging y Ordinary Kriging
Simple Kriging & Ordinary Kriging
el estimado de un bloque se puede calcular en funcion de
la siguiente ecuacion:
n
Z u wi (vi mi ) mu
*
i 1
calcula de acuerdo a:
n
wmSK 1 wiSK
i 1
w m
SK
es una medida de la densidad de datos:
wmSK es mayor en zonas con pocos datos
wmSK es menor en zonas con abundantes datos
Simple Kriging & Ordinary Kriging
n SK
*
Z OK u wi vi mOK u mOK u
i 1
n SK n
SK
*
Z OK u wi vi 1 wi mOK u
i 1 i 1
Simple Kriging & Ordinary Kriging
en general:
Z*OK < Z*SK en areas de ley menor al promedio
Z*OK > Z*SK en areas de ley mayor al promedio
la discrepancia entre Z *
y Z*SK aumenta con el valor
OK
de wmSK, es decir lejos de los datos
Simple Kriging & Ordinary Kriging
en general:
OK da mejores resultados
en areas con bastante
datos
SK da mejores resultados
en areas con pocos datos
la mayoria de dominios
geologicos son solo
localmente estacionarios
(OK es preferido)
SK da resultados mas
suavizados (smoothed) que
OK
Las ecuaciones de Kriging
n
w (v , v ) (v , V )
i 1
i i j i
S1 X V X S2
n
wi 1 S3 X
i 1
corolario: si el variograma es
discontinuo (alto nugget y/o rango
corto), se podrian usar mas
muestras, pues el “screening
effect” seria minimo
pesos negativos
efecto de pepita
a mayor efecto de pepita, mayor “smoothing”
(asigna pesos similares a todas las muestras)
forma del variograma
a menor pendiente cerca al origen, mayor peso a
las muestras cercanas al bloque
rango
a mayor rango, mas peso a las muestras cercanas
al bloque
Otros Tipos de Kriging
Otros Tipos de Kriging
importante escoger:
cutoffs a usar
variograma de indicadores
cutoffs a usar:
objetivo es definir distribucion de leyes en mineral
~10 cutoffs es generalmente suficiente
cutoffs bajos a frecuencias constantes
cutoffs altos a intervalos de contenido metalico
constante
Multiple Indicator Kriging (3)
variograma de indicadores: N k ,h
1
k h i x
k i k i i x h 2
2 N k ,h i 1
IDW
usar variograma para definir orientacion y
anisotropia del elipsoide de busqueda
usar opcion de distancia anisotropica
usar herco para seleccionar la potencia del IDW
que de los mejores resultados
Seleccion del metodo a usar
SK
datos son relativamente escasos y media esta bien
definida
si los datos tienen una distribucion muy cercana a
la media
el CV es muy bajo (<0.5)
no hay mucho efecto de outliers
Seleccion del metodo a usar
OK
metodo preferido pues reproduce muy bien trends
mejor cuando CV < 1; sin mayores problemas con
CV 1-1.5
alto CV se puede controlar con capping o outlier
restriction
Seleccion del metodo a usar
IK
para definir zonas (o bloques) con una
probabilidad dada de estar por encima de un cutoff
dado
para definir zonas (o bloques) con una
probabilidad dada de pertenecer a una categoria
dada
Seleccion del metodo a usar
MIK
mineralizacion altamente erratica
altos coeficientes de correlacion (>2)
outliers
continuidad de mineral diferente a diferente cutoffs
se quiere estimar la distribucion de leyes dentro
del bloque
Min/Max numero de comps
interpolar en pasos:
comenzar con rangos pequeños (2 o 3 veces el
espaciamiento promedio de ddh)
aumentar el rango para bloques no interpolados
(1.5X a 2X el rango del paso previo)
estrategia de busqueda
blowouts
puede pasar con cualquier interpolador lineal
se puede limitar por capping o durante el kriging
necesita control geologico/dominios
MineSight Issues
Chequear:
compositos
codificacion bloques y compositos
kriging plan
seteo de la interpolacion
MineSight run reports