Академический Документы
Профессиональный Документы
Культура Документы
MSCS y MSPCS
Introduccin Objetivos de la simulacin Simulacin o estimacin? Usos tipicos Ejemplos de aplicaciones
SIMULACIN
ENTREGA MLTIPLES REALIZACIONES DE LA VARIABLE REGIONALIZADA
OBJETIVOS DE LA SIMULACIN
PROPORCIONA UN CONOCIMIENTO DE LA REALIDAD LOCAL. ENTREGA UNA PLATAFORMA ADECUADA PARA ESTUDIAR CUALQUIER PROBLEMA RELACIONADO CON LA VARIABILIDAD DE LA VA. PERMITE CUANTIFICAR INCERTIDUMBRE, ES DECIR, CUANTO VARAN LOS ESCENARIOS.
ESTIMACIN O SIMULACIN?
TIENE PROPSITOS DIFERENTES (SON HERRAMIENTAS COMPLEMENTARIAS):
LA ESTIMACIN ENTREGA UN VALOR ESPERADO QUE, SEGN PARMETROS DE CALIDAD, ES EL MS CERCANO AL VALOR REAL.
LA SIMULACIN PROPORCIONA UN MODELO DE INCERTIDUMBRE EN EL QUE SE REPRODUCEN LA VARIABILIDAD Y EL COMPORTAMIENTO ESPACIAL.
ESTIMACIN
PROPORCIONA UN MAPA PROMEDIADO DE LA REALIZAD, EL QUE PUEDE ESTAR SOBRESUAVIZADO
LA INTENSIDAD DEL SUAVIZAMIENTO DEPENDE DE LA DENSIDAD DE MUESTREO LA VARIANZA DE KRIGING NO MIDE TODAS LAS CAUSAS DE INCERDITUMBRE (NO CONSIDERA EL EFECTO PROPORCIONAL)
Estimacin
Simulacin
lnea gruesa= realidad, lnea normal= simulacin condicionada, lnea entrecortada=krigeado, o= datos condicionantes)
-Variografia.
-SGS / SIS. -Transformacin a datos reales
SIMULACIN
PASO-1
Desagrupar los datos para tener un histograma representativo de los datos originales
Mtodo de las celdas Mtodo de los polgonos de influencia
||
SIMULACIN
PASO-2
SIMULACIN
PASO-2
Transformar los datos a una Gaussiana N(0,1)
Generalmente, los datos tienen una distribucin asimtrica, distinta a la Gaussiana. Como primer requerimiento, es necesario realizar una anamorfosis Gaussiana
Z(x) = f [Y(x)]
Z(x) = f [Y(x)]
SIMULACIN
PASO-3
Modelamiento variogrfico de la variable transformada
SIMULACIN
PASO-4
Ir a una posicin u y efectuar un kriging para obtener la media y varianza de kriging correspondiente: Y*(u) = =1,n . Y(u) 2SK(u) = C(0) - =1,n . C(u,u) Obtener un residuo aleatorio R(u) que siga una distribucin normal con media 0.0 y varianza s2KS(u)
SIMULACIN
PASO-4
Sumar el valor estimado y el residuo para obtener el valor simulado: Ys(u) = Y*(u) + R(u)
Ys(u) tambin puede obtenerse equivalentemente a partir de una distribucin normal con media Y*(u) y varianza s2SK(u) Una idea clave de simulacin secuencial es usar los valores previamente simulados como datos con la finalidad de reproducir la covarianza entre todos los valores simulados Visitar todas las posiciones en orden aleatorio
SIMULACIN
PASO-5
Transformacin de vuelta
PANELES
Transformar la variable original a NS: 0=No realiza transformacin. 1=Transforma la variable original a NS, simula y transforma de vuelta (NS a datos originales). 2=No transforma a variable original a NS (asume que es NS) y la transforma de vuelta.
RESULTADOS DE LA SC
SIM1 SIM20 SIM50
SIMULACIN-POST PROCESO
Simulacin mltiples modelos numricos
SIMULACIN-POST PROCESO
ALTERNATIVAS DE POST-PROCESO
SIMULACIN-POST PROCESO
SIMULACIN-POST PROCESO
Limitaciones de seleccin
SIMULACIN-POST PROCESO
OPTION=1 E-TYPE MEAN & CONDITIONAL VARIANCE
SIMULACIN-POST PROCESO
OPTION=2 PROBABILITY TO EXCEED CUTOFF
CALCULA LA PROBABILIDAD DE CADA BLOQUE O NODO DE EXCEDER UNA DETERMINADA LEY DE CORTE. ADEMAS CALCULA EL PROMEDIO DE LOS NODOS POR SOBRE Y BAJO LA LEY DE CORTE
SIMULACIN-POST PROCESO
OPTION=3 Z-PERCENTILE FOR A CDF VALUE
Fda Bloque X
1.0 0.9 0.8 0.7 0.6 p [0,1]
0.5
0.4 0.3 0.2
0.1 ENTREGA EL VALOR DE LA LEY CORRESPONDIENTE 0.0 AL VALOR DE PROBABILIDAD p DE LA FDA / 0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 p [0,1] CuT%
SIMULACIN-POST PROCESO
OPTION=4 THE SIMMETRIC P PROBABILITY INTERVAL (AROUND THE MEAN)
Fda Bloque X
1.0 0.9 0.8 0.7 0.6 p [0,1]
0.5
0.4 0.3 0.2 0.1 0.0 0.0 0.5 1.0
ENTREGA LAS LEYES DEL INTERVALO RESPECTO DE LA MEDIANA, DADO UN RANGO PORCENTUAL p.
p/2
1.5
2.0
2.5
3.0
3.5
4.0
4.5
CuT%
SIMULACIN-POST PROCESO
OPTION=5 E-TYPE MEAN AND THE PROBABILITY WITHIN SPECIFIED PERCENT
ENTREGA EL PROMEDIO Y LA PROBABILIDAD QUE ESTE SE ENCUENTRE DENTRO DE UN PORCENTAJE DEL PROMEDIO
APLICACIONES Y EJEMPLOS
Aplicacin en control de leyes para determinar las lneas de excavacin que con mayor probabilidad permitan maximizar las ganancias o minimizar las prdidas.
Diseo de rajo ptimo.
APLICACIONES Y EJEMPLOS
Estudios para determinar la probabilidad de exceder un lmite de una normativa y aplicacin en el desarrollo de estrategias para el control de emisiones.
Estudios para cuantificar la posibilidad de variacin de impurezas o contaminantes en los metales o en el carbn. Prediccin de reservas recuperables. Aplicacin en la generacin de intervalos de confianza para las leyes de los bloques.
APLICACIONES Y EJEMPLOS
Aplicacin para verificar cambios en procedimientos de soporte y factores de correccin de cmputo de volumen/varianza. Aplicacin en el modelado de la variabilidad local espacial para estudios de mezcla, almacenamiento en pilas o selectividad de minado.
APLICACIONES Y EJEMPLOS
PROMEDIO SIMULACION
KRIGING
KRIGING
PBD=0.1
PBD=0.5
PBD=0.9
LW-P75%
[-37.5%M,
UP-P75%
,+37.5%M]
PBD=PROMEDIO 10%
PBD=PROMEDIO 25%
PBD=PROMEDIO 50%
GRACIAS