Curso Geoestadistica Unsa

UNIVERSIDAD NACIONAL DE SAN AGUSTIN
DE
AREQUIPA

CURSO TALLER
GEOESTADSTICA APLICADA A LA ESTIMACIN DE
RECURSOS MINEROS

Dictado por: Alfredo Marn Surez, Ph. D.
en
Ciencias y Tcnicas Mineras Opcin Geoestadstica cole
Nationale Suprieure Des Mines De Paris
CIP: 115062
E-mail: alfredomaringeo@hotmail.com
http://www.geoestadistica.herobo.com

Abril del 2012

NDICE
1. INTRODUCCIN

2. MODELACIN PROBABILSTICA

3. CONCEPTO DE VARIABLE REGIONALIZADA

4. ANLISIS ESTADSTICO DE DATOS

5. ANLISIS ESTRUCTURAL DE DATOS MEDIANTE LA FUNCIN
VARIOGRAMA

5.1. Principales hiptesis consideradas en el dominio de la funcin
Variograma

5.2 . Distancias y ngulos del cono de tolerancia en el clculo
numrico de los variogramas experimentales

NDICE

5.3. Anlisis de la funcin variograma

5.4. Tipos principales de modelos de variogramas

6. ESTIMACIN DE RECURSOS

6.1. inferencia en trminos de proyeccin vectorial

6.2. Deduccin del Kriging de Matheron

6.3. Varianza de kriging de Matheron y confiabilidad de la estimacin
de cada bloque

7. CURVAS TONELAJE - LEY DE CORTE, LEY MEDIA - LEY DE CORTE Y
CANTIDAD DE METAL - LEY DE CORTE.
NDICE
8. INTERPRETACIN NUMRICA DE LAS HERRAMIENTAS
BSICAS

8.1. El variograma

8.1.1. Introduccin

8.1.2. Aplicacin en la diferenciacin de dos fenmenos

8.1.3. Modelos de variogramas ms comunes

8.1.4. Aplicacin del variograma cruzado en el estudio de
correlaciones

8.2. Tcnica del Kriging de Matheron.
NDICE

9. REFERENCIAS

NDICE

10. APNDICE

10.1. TEMAS DEL LABORATORIO GEOESTADSTICO DE UN YACIMIENTO
DISEMINADO DE ORO DE ALTA SULFURACIN Y BAJA LEY

10.2. TEMAS DEL LABORATORIO GEOESTADSTICO DE UN
PORFIDO DE COBRE

10.3. TEMAS DEL LABORATORIO GEOESTADSTICO DE UN
YACIMIENTO DE HIERRO

Se aplicar la Teora de las Variables Regionalizadas
ms conocida con el nombre de Geoestadstica, cuya
teora fue creada y desarrollada por el profesor Dr.
George Matheron (1930 - 2000), plasmada en su
obra monumental Trait de Gostatistique
Applique, publicado en el ao 1962 y 1963 en
Francia.

1. INTRODUCCIN

2. MODELACIN PROBABILSTICA

La Geoestadstica, presentada inicialmente por George
Matheron como la Teora de las Variables
Regionalizadas, considera que las variables
regionalizadas estn modeladas en un espacio de
variables aleatorias reales L
2
sobre un espacio
de probabilidades (Ventsel, 1973; Haaser 1978;
Schwartz, 1981).

3. CONCEPTO DE VARIABLE REGIONALIZADA

La variable regionalizada representa a una caracterstica de un
fenmeno determinado.

Figura 1. Representacin de la variable regionalizada en el espacio.
4. ANLISIS ESTADSTICO DE DATOS

0,0 50,0 100,0 150,0 200,0 250,0
Pot x Zn
0
100
200
300
400
500
600
700
f
r
e
c
u
e
n
c
i
a
Mean = 32,13287
Std. Dev. = 31,108962
N = 4.164
-2 0 2 4
Ln (Pot x Zn)
0
100
200
300
f
r
e
c
u
e
n
c
i
a
Mean = 2,962884
Std. Dev. = 1,1353181
N = 4.164
0,0 10,0 20,0 30,0 40,0
Pb %
0,0
10,0
20,0
30,0
40,0
50,0
Z
n

%
Correlacin Zn Vs Pb
0,0 0,2 0,4 0,6 0,8 1,0
Observado
0,0
0,2
0,4
0,6
0,8
1,0
E
s
p
e
r
a
d
o
P-P Plots de Ln (Pot x Zn)
Figura 2. Ejemplo de una aplicacin en un manto mineralizado de Zinc.

5. ANLISIS ESTRUCTURAL DE DATOS MEDIANTE LA
FUNCIN VARIOGRAMA

5.1 Principales hiptesis consideradas en el dominio de la
funcin variograma.

Hiptesis Estacionaria Estricta
Hiptesis Estacionaria de Orden 2
Hiptesis Intrnseca

5.2 Distancias y ngulos del cono de tolerancia en el clculo
numrico de los variogramas experimentales .

Figura 3. Descripcin de la seccin del cono de tolerancia.
5.3 Anlisis de la funcin variograma.

Figura 4. Ejemplo simple de un variograma experimental y
su modelado correspondiente a una variable regionalizada.
5.4 Tipos principales de modelos de variogramas

a) Modelo Efecto de Pepita Puro
b) Modelo Esfrico o de Matheron
c) Modelo de Formery o Exponencial
d) Modelo con efecto HOLE
e) Modelo Gaussiano

Modelo Efecto de Pepita Puro

) (h
h
Figura 5. Modelo Efecto de Pepita Puro
Modelo Esfrico o de Matheron
Figura 6. Modelo Esfrico o de Matheron
Modelo de Formery o Exponencial
Figura 7. Modelo de Formery o Exponencial
Modelo con efecto HOLE
Figura 8. Modelo con efecto HOLE
Modelo Gaussiano
Figura 9. Modelo Gaussiano
6.1 Inferencia en trminos de proyeccin vectorial

Figura 10. Representacin grfica de la inferencia en trminos
de proyeccin vectorial
2. ESTIMACIN DE RECURSOS

6.2 Deduccin del Kriging de Matheron
Considerando la hiptesis estacionaria de orden dos,
se ha considerado un estimador insesgado que
minimiza la varianza de estimacin siguiente:

6.3 Varianza de kriging de Matheron y confiabilidad
de la estimacin de cada bloque.



Figura 11. Confiabilidad de la estimacin del bloque en tres casos

7. CURVAS TONELAJE - LEY DE CORTE, LEY MEDIA - LEY
DE CORTE Y CANTIDAD DE METAL - LEY DE CORTE
Figura 12. Curvas que permiten evaluar el yacimiento econmicamente
8.1 El variograma

8. INTERPRETACIN NUMRICA DE LAS HERRAMIENTAS
BSICAS

8.1 El variograma

Figura 13. Representacin de la variable regionalizada en el espacio.
8.1 El variograma

8.1.2 Aplicacin en la diferenciacin de dos fenmenos

En una lnea de muestreo de la zona A, tenemos los
siguientes valores de la variable regionalizada de plomo
en ppm.


Realizamos un anlisis estadstico bsico.

a) Media aritmtica:

b) La varianza:

c) El coeficiente de variacin:

6 . 3
5
4 2 6 1 5
=
+ + + +
= x
( ) ( ) ( ) ( ) ( )
5
6 . 3 4 6 . 3 2 6 . 3 6 6 . 3 1 6 . 3 5
2 2 2 2 2
2
+ + + +
= o
44 . 3
2
= o
52 . 0
6 . 3
85 . 1
6 . 3
44 . 3 _
= = = = =
x Media
tpica Desviacin
cv
o
d) Histograma

Figura 14. Histograma de leyes de la zona A

En otra lnea de muestreo en la zona B, tenemos los
mismos valores de la variable regionalizada de plomo en
ppm, pero dispuesto de la siguiente forma; es decir, un
fenmeno estructuralmente muy diferente, a pesar de
tener los mismos valores de leyes.


Obtenemos la media aritmtica, la varianza, el
coeficiente de variacin y el histograma, y vemos que
da los mismos resultados que los obtenidos en la Zona
A. Es decir que con esta estadstica descriptiva no
logramos diferenciar dos fenmenos totalmente
diferentes.


Ahora procedemos a construir los Variogramas de la
Zona A y B

( ) ( ) ( ) ( )
( ) ( ) ( )
( ) ( )
( )
500 . 0
2 1
4 5
) 4 (
500 . 4
2 2
4 1 2 5
) 3 (
000 . 1
2 3
4 6 2 1 6 5
) 2 (
625 . 7
2 4
4 2 2 6 6 1 1 5
) 1 (
2
2 2
2 2 2
2 2 2 2
=
=
=
+
=
=
+ +
=
=
+ + +
=
x
x
x
x

Graficando el variograma para la zona A.

) (h
h
Figura 15. Variograma de la zona A

( ) ( ) ( ) ( )
( ) ( ) ( )
( ) ( )
( )
500 . 12
2 1
1 6
) 4 (
000 . 8
2 2
1 5 2 6
) 3 (
667 . 3
2 3
1 4 2 5 4 6
) 2 (
875 . 0
2 4
1 2 2 4 4 5 5 6
) 1 (
2
2 2
2 2 2
2 2 2 2
=
=
=
+
=
=
+ +
=
=
+ + +
=
x
x
x
x

Graficando el variograma para la zona B.

Figura 16. Variograma de la zona B
) (h
h

Como se puede observar el semi-Variograma, que ms
comnmente se le denomina variograma, da cuenta de
las zonas estructuralmente diferentes.

8.1.3 Modelos de variogramas ms comunes

) (h
h

Modelo Efecto de Pepita Puro

Figura 17. Modelo Efecto de Pepita Puro

Modelo Esfrico o de Matheron

Figura 18. Modelo Esfrico o de Matheron

Modelo de Formery o Exponencial

Figura 19. Modelo de Formery o Exponencial

Modelo con efecto HOLE

Figura 20. Modelo con efecto HOLE

Modelo Gaussiano

Figura 21. Modelo Gaussiano
8.1.4 Aplicacin del variograma cruzado en el estudio de
correlaciones

Para visualizar esta funcin, consideremos un ejemplo
de una zona de terreno explorado del cual hemos
obtenidos valores geoqumicos del Oro y Plata y
deseamos estudiar la relacin entre los dos valores.
Para este efecto aplicaremos el variograma cruzado.

Siendo la formula:

| || |
3
) ( ) ( ) ( ) ( xR h x Z Z h x Z x Z E h
B B B A AB
+ + =
correlaciones

Aplicando:

( )( ) ( )( ) ( )( ) ( )( )
( )( ) ( )( ) ( )( )
( )( ) ( )( )
( )( )
00 . 1
2 1
5 7 4 5
) 4 (
25 . 5
2 2
5 2 4 1 3 7 2 5
) 3 (
33 . 1
2 3
5 8 4 6 3 2 2 1 8 7 6 5
) 2 (
25 . 9
2 4
5 3 4 2 3 8 2 6 8 2 6 1 2 7 1 5
) 1 (
=

=
=
+
=
=
+ +
=
=
+ + +
=
x
x
x
x
AuAg
AuAg
AuAg
AuAg

correlaciones

Cuya grfica es la siguiente:

h
) (h
AuAg
Figura 22.
Variograma cruzado de
la zona explorada con
correlacin positiva alta
entre las variables.
correlaciones

Observamos que cuando hay una correlacin positiva
alta entre las variables, el variograma cruzado tiende a
tomar valores positivos altos.

correlaciones

Ahora veamos que pasa en otra zona, donde los valores
geoqumicos de la Plata toman otros valores:

Aplicando la frmula:

( )( ) ( )( ) ( )( ) ( )( )
( )( ) ( )( ) ( )( )
( )( ) ( )( )
( )( )
00 . 0
2 1
1 1 4 5
) 4 (
75 . 6
2 2
1 6 4 1 5 1 2 5
) 3 (
33 . 0
2 3
1 2 4 6 5 6 2 1 2 1 6 5
) 2 (
63 . 7
2 4
1 5 4 2 5 2 2 6 2 6 6 1 6 1 1 5
) 1 (
=

=
=
+
=
=
+ +
=
=
+ + +
=
x
x
x
x
AuAg
AuAg
AuAg
AuAg

correlaciones

Con su grfica:

Figura 23.
Variograma cruzado de
la zona explorada con
correlacin negativa alta
entre las variables.
h
) (h
AuAg

correlaciones

Observamos que cuando hay una correlacin negativa
alta entre las variables el variograma cruzado tiende a
tomar valores negativos altos.

8.2 Tcnica del Kriging de Matheron.

Considerando las variables Z(xi) que estn cerca de un
soporte geomtrico a estimar y dentro de su aureola
de influencia. Aureola definida por medio de los
alcances estimados a partir de un estudio de
variogramas.
Visualizaremos el procedimiento a partir de la
siguiente disposicin de las muestras con respecto a
un soporte geomtrico V.


) (
1 1
x z
) (
2 2
x z
) (
n n
x z
V
Figura 24. Disposicin de muestras con respecto a un soporte geomtrico V

Y deseamos estimar la variable Z(x) del soporte
geomtrico V a partir de las muestras Z(xi). Entonces
necesitamos encontrar los pesos para estimar la
variable Zv(x0), a partir de:

( ) ( ) ( ) ( )
n n V
x Z x Z x Z x Z + + + = ...
2 2 1 1 0
*

En el ejemplo que presentaremos a continuacin
consideremos que estamos en condiciones de aplicar un
Krigeage ordinario bajo la hiptesis estacionaria de orden
2, por lo que usaremos el siguiente sistema de
ecuaciones.

( ) ( )
=
= +
n
V v u v v
1
, ,
|
o | o |
1 = o
a
n
=
=
n
1
1
|
|

Este sistema resulta de minimizar la varianza de
estimacin sujeta a la condicin de universalidad
, que hace que nuestro estimador sea insesgado.

El error cometido en este procedimiento de estimacin
viene dado por la varianza de Kriging de Matheron
siguiente:

=
=
n
1
1
|
|
( ) ( ) V V u V v
j j k 1
2
, o + =

Ejemplo:
A partir de los valores de la potencia de un manto de
Hematita en los puntos A y B, se desea estimar la
potencia en el punto C. Considerando que la potencia del
manto tiene el siguiente modelo de variograma.


A continuacin se muestra la ubicacin de las potencias
y su orden de magnitud.

Figura 25. Variable regionalizada Potencia en los puntos A y B
de un manto de Hematita

Entonces tenderemos a partir del sistema de ecuaciones
anterior, el siguiente sistema particular:

Reemplazando:


Restando (I) (II) :

Ahora tenemos el siguiente sistema:


Sumando (I) + (II) :

Reemplazando en (II) :


En la primera ecuacin inicial:

Despejamos:

Parmetro auxiliar que ser usado posteriormente en la frmula
de la varianza de Kriging de Matheron.

Siendo la potencia estimada del manto igual a:

Reemplazamos:


Ahora veamos cul es el error que se comete en esta
estimacin, para lo cual particularizamos la frmula de la
varianza de Kriging de Matheron dada anteriormente.

Reemplazando:

Este valor es el error cometido en el proceso de estimacin
realizado.

9. REFERENCIAS

- Matheron G. (1962, 1963) - Trait de Gostatistique Applique.
Ed. Technip, Paris VOL. 1; VOL. 2.

- Guibal D. (1972) - Simulation de Schmas Intrinsques. N-291 E.N.S.M.P.

- Journel A. (1977) - Gostatistique Miniere, tomo 1 y 2. E.N.S.M.P

- Marchal A., Deraisme J., Journel A., Matheron G. (1978) - Cours de
Gostatistique non Linaire. C-74 E.N.S.M.P.

- Marchal A. et al., (1972 - 73) Boletines de Geoestadstica del Centro de
Geoestadstica del Departamento de Minas de la Facultad de Ciencias Fsicas
y Matemticas de la Universidad de Chile.

9. REFERENCIAS

- Marn Surez A. (1978) - Mthodologie de L'estimation et Simulation
Multivariable des Grands Gisements Tridimensionnels. Thse prsente
I'cole Nationale Suprieure des Mines de Paris
Para obtener el grado de:
Docteur Ingnieur en Sciences et Techniques Minires - Option Gostatistique

- Marn Surez A. (1986) - Modelo Geoestadstico de Filones de Almadn. Ed.
Minas de Almadn S.A., Almadn (Espaa).

- Remy N., Boucher A., Wu J., Journel A. (2009) - Applied Geostatistics with
SGEMS. Ed. Cambridge University Press

10. APNDICE

1. TEMAS DEL LABORATORIO GEOESTADSTICO DE UN YACIMIENTO

Anlisis de Datos

- Construccin de histogramas experimentales de las variables regionalizadas,
leyes de mineral, RQD, entre otros.
- Anlisis e interpretacin de histogramas experimentales. Deteccin de diversas
poblaciones o poblaciones errticas
- Modelado de los histogramas experimentales de las variables regionalizadas
estudiadas.
- Anlisis del grado de log normalidad de la distribucin de la ley del oro.
- Uso del P-P Plot
- Anlisis de Correlacin de datos para identificar el grado de afinidad entre
todas las variables.

10. APNDICE


Anlisis de Variogramas Experimentales.

- Variograma directo, que ayudar a identificar y calcular las direcciones y radios
de influencia de todas las variables.
- Variograma cruzado que complementan los resultados estadsticos de
correlacin de todas las variables.
- Construccin de variogramas.

Modelacin de Variogramas.

- Interpretacin y modelado de los variogramas experimentales obtenidos para
el yacimiento de oro.
- Modelacin de variogramas.

10. APNDICE


Elipsoide de Infuencia.

- Construccin del elipsoide de influencia una vez hallado los parmetros de los
variogramas del oro.

Tcnica del KRIGING DE MATHERON

- Eleccin de la tcnica del Kriging de acuerdo a los resultados del anlisis de los
variogramas del oro en todas las direcciones del yacimiento.

10. APNDICE


Plan de estimacin del KRIGING DE MATHERON

- Deduccin de los parmetros de los variogramas que nos permitirn realizar la
estimacin de recursos.
- Clculo del nmero de datos mnimo y mximo que ingresaran en la estimacin
de cada bloque.
- Kriging de Matheron y determinacin de los recursos:
- Medido.
- Indicado.
- Inferido.

10. APNDICE


Construccin de tablas:

- Tonelaje Vs. Ley de corte.
- Ley media Vs. Ley de corte.
- Cantidad de metal Vs. Ley de corte.

Confiabilidad de la Estimacin.

- La confiabilidad (CM) de la estimacin del oro de cada uno de los bloques
expresados en tanto por ciento.

10. APNDICE

2. TEMAS DEL LABORATORIO GEOESTADSTICO DE UN PORFIDO DE COBRE

Anlisis de Datos

estudiadas.
- Uso del P-P Plot

10. APNDICE






10. APNDICE






10. APNDICE



de cada bloque.
- Medido.
- Indicado.
- Inferido.

10. APNDICE






10. APNDICE

3. TEMAS DEL LABORATORIO GEOESTADSTICO DE UN YACIMIENTO DE HIERRO

Anlisis de Datos

estudiadas.
- Uso del P-P Plot

10. APNDICE






10. APNDICE






10. APNDICE



de cada bloque.
- Medido.
- Indicado.
- Inferido.

10. APNDICE






Curso Geoestadistica Unsa

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Curso Geoestadistica Unsa

Загружено:

Авторское право:

Доступные форматы

UNIVERSIDAD NACIONAL DE SAN AGUSTIN

8.1.2 Aplicacin en la diferenciacin de dos fenmenos

8.1.2 Aplicacin en la diferenciacin de dos fenmenos

8.1.4 Aplicacin del variograma cruzado en el estudio de

8.1.4 Aplicacin del variograma cruzado en el estudio de

8.1.4 Aplicacin del variograma cruzado en el estudio de

8.2 Tcnica del Kriging de Matheron.

8.2 Tcnica del Kriging de Matheron.

Вам также может понравиться