Variograma Experimental

UNIVERSIDAD DE SANTIAGO DE CHILE
FACULTAD DE INGENIERÍA
DEPARTAMENTO DE INGENIERÍA EN MINAS
LABORATORIO DE EVALUACIÓN DE YACIMIENTOS
Experiencia N°2
ANÁLISIS DE VARIOGRAMA
Docente:
Orestes Gómez González
Ayudantes:
Gonzalo Frías Hidalgo
Camilo Varas Henríquez
Integrantes:
Benjamín Ibacache Martínez
Claudia Véliz Gajardo
Fecha de entrega:
9 de diciembre 201
Santiago, 9 de diciembre 2015

RESUMEN EJECUTIVO
El uso de la geoestadística en la minería es de suma importancia, debido a que en el
estudio de un yacimiento hay un factor de incertidumbre, debido a que no se conoce
realmente lo que yace en el subsuelo y el cual se debe minimizar, para así poder justificar
las grandes inversiones realizadas en este negocio.
Este trabajo consiste en realizar un análisis exploratorio de datos (E.D.A) y un análisis

variográfico para la ley de Cu, en base a la información de sondajes exploratorios
(topográficos y mineralógicos). Esto se realizará para la unidad geológica asignada (500).
Con este trabajo se analiza tanto la distribución espacial de la variable de interés como la
anisotropía en la unidad geológica asignada. Para lograr este cometido, primero se
realizará un análisis estadístico de los datos entregados y luego los variográficos, con el
fin de responder las siguientes preguntas: ¿Se comporta de manera estacionaria la
variable de interés? ¿Tiene esta continuidad en el espacio?
En conclusión, se cumplió el objetivo de realizar un análisis exploratorio de datos (E.D.A),

en donde se pudo estudiar la distribución espacial de la variable en la unidad geológica
500, la cual muestra un comportamiento estacionario, ya que las leyes fluctúan en torno a
una media de 0.23%.
También se cumplió con el análisis variográfico, pudiendo determinar las direcciones en

las que la variable tenía menor variabilidad (azimut N125° y dip N125°), el
comportamiento del variograma en el origen gracias al cálculo del efecto pepa (0.0326) y
el alcance y meseta máxima del variograma (230 m y 0.17% respectivamente). Con todo
esto, se puede comprobar la anisotropía de la variable en la unidad geológica estudiada,
que en este caso corresponde a una anisotropía del tipo zonal.
Se recomienda incluir en el análisis la variable peso, para así realizar un estudio más
completo con la inclusión de datos más reales.
2
TABLA DE CONTENIDO
1. Introducción .................................................................................................................... 5
2. Objetivos del Informe .................................................................................................... 6
2.1 Objetivo general .......................................................................................................... 6
2.2 Objetivos específicos .................................................................................................. 6
3. Alcances ......................................................................................................................... 6
4. Limitaciones .................................................................................................................... 6
5. Metodología .................................................................................................................... 7
6. Presentación de los datos ............................................................................................... 7
7. Desarrollo y resultados ................................................................................................... 8
7.1 Análisis de EDA.............................................................................................................8
7.1.1 Histrograma...............................................................................................................8
7.1.2 Histograma acumulado..............................................................................................9
7.1.3 Deriva y Scatterplot del Cu (Este)............................................................................10
7.1.4 Deriva y Scatterplot del Cu (Norte) .........................................................................11
7.2 Análisis de Variograma................................................................................................13
7.2.1 Dirección preferencial..............................................................................................13
7.2.2 Efecto pepa..............................................................................................................14
7.2.3 Variograma Experimental .......................................................................................15
7.2.4 Modelamiento del variograma .................................................................................16
8. Conclusiones y recomendaciones..................................................................................17
9. Bibliografía......................................................................................................................19
3
TABA DE ILUSTRACIONES
Ilustración 1: Histograma del Cu ......................................................................................................... 8

Ilustración 2: Histograma acumulado del Cu ...................................................................................... 9
Ilustración 3:Deriva del Cu en el eje X (Este)..................................................................................... 10
Ilustración 4:Scatterplot del Cu en el eje X (Este) ............................................................................. 10
Ilustración 5: Deriva del Cu en el eje Y (Norte). ................................................................................ 11
Ilustración 6: Scatterplot del Cu en el eje Y (Norte). ......................................................................... 12
Ilustración 7:Dirección preferencial del variograma. Azimut N125° y Dip N125°. ............................ 13
Ilustración 8:Modelo del efecto pepa. .............................................................................................. 14
Ilustración 9: Variograma experimental del Cu................................................................................. 15
Ilustración 10: Modelado del variograma ......................................................................................... 16
Ilustración 11: Vista general del yacimiento ..................................................................................... 20
Ilustración 12: Vista de UG 500 ......................................................................................................... 20
Ilustración 13: Número de pares para dirección regular N125° ....................................................... 21
Ilustración 14: Número de pares para dirección irregular N125° ..................................................... 21
Ilustración 15: Número de pares para dirección ortogonal .............................................................. 22
Ilustración 16: Efecto pepa................................................................................................................ 23
4
1. INTRODUCCIÓN
En la evaluación de un yacimiento el factor incertidumbre nunca dejará de tener peso en
el éxito o fracaso de las decisiones tomadas. Esta incertidumbre existe debido a la falta de
conocimiento de lo que realmente yace en el subsuelo y es la que se debe disminuir para
el éxito del negocio minero. Esto se vuelve indispensable ante escenarios como los que
se viven hoy en Chile, donde las leyes son cada vez más bajas y los depósitos se
encuentran emplazados a mayor profundidad, por lo que se vuelve indispensable estimar
los recursos de la manera más fidedigna posible.
La geoestadística se define como el estudio de fenómenos regionalizados, es decir, que

se extienden en el espacio y presentan una cierta continuidad (Emery, 2011). Las
variables regionalizadas miden ciertas propiedades o atributos, como la ley de un mineral,
porosidad, concentración de un elemento en la atmósfera, etc. Para el estudio de estas
variables son usados actualmente diversos procedimientos de estimación y simulación.
El análisis exploratorio de datos (E.D.A) es un conjunto de técnicas estadísticas cuya

finalidad es conseguir un entendimiento básico de los datos y las relaciones existentes
entre las variables analizadas. Dicho análisis se basa en gráficos y estadísticas que
permiten explorar la distribución, identificando características como: valores atípicos o
outliers, saltos o discontinuidades, concentraciones de valores, forma de distribución, etc.
El primer paso en un análisis geoestadístico es la variografía. Esto se realiza a través de

un variograma experimental, que es una función discreta, la cual describe la correlación
espacial de una variable como función de la distancia entre dos puntos, es decir, es una
medida del grado de cambio de una variable regionalizada con respecto a la distancia en
un espacio dado. Representa el grado de continuidad de los valores de la variable;
cuantifica la correlación espacial entre los datos.
Este trabajo tiene como finalidad el poder analizar la distribución espacial de la variable de
interés y encontrar un variograma donde las leyes estén relacionadas.
5
2. OBJETIVOS DEL INFORME
2.1 OBJETIVO GENERAL
 Realizar un análisis exploratorio de datos (E.D.A) y de variograma de la unidad

geológica asignada (500).
2.2 OBJETIVOS ESPECÍFICOS
 Análisis espacial de datos.

 Definir dirección preferencial.
 Determinar el efecto pepa.
 Realizar variograma experimental direccional.
 Regularizar.
 Modelar.
3. ALCANCES
 Se excluye el análisis de la variable peso.
 Análisis de contacto no se realiza, debido a que trabajará con una sola unidad
geológica (500).
 Se excluye el análisis de las unidades geológicas 200 y 700.
 La variable a estudiar en este informe es la ley de Cu.
 La base de datos entregada ya estaba compositada.
4. LIMITACIONES
 Este tipo de estudios se realiza en la etapa de Evaluación de Proyectos, en donde
se analiza la factibilidad del negocio minero.
6
5. METODOLOGÍA
 Despliegue de la información.
 Análisis de Histrograma, Scatterplot y Derivas.
 Encontrar dirección preferencial de la unidad geológica.
 Determinar el efecto pepa.
 Realizar variograma experimental.
 Regularizar.
 Modelar.
6. PRESENTACIÓN DE DATOS
Se posee una base de datos de un yacimiento, en donde se tiene la siguiente información:
En este caso se cuenta con la información de 53 sondajes, con sus respectivas

coordenadas en el eje X, Y, Z.
Cada uno de ellos cuenta con información sobre la ley de Cu que existe en cierta sección
del sondaje.
Por último, se muestra la información que recopila el geólogo en el mapeo de los

sondajes. Se asignan códigos para diferenciar las distintas zonas que se pueden
encontrar en el yacimiento. En este caso podemos encontrar las unidades geológicas 200,
500 y 700, en donde para este trabajo se analizará solamente la 500.
7
7. DESARROLLO Y RESULTADOS
7.1 Análisis de E.D.A

7.1.1 Histograma
Imagen 1.- Histograma

Ilustración deldel
1: Histograma Cu.Cu
La información obtenida de los sondajes indican que la ley de Cu en la unidad 500

muestran una mayor ocurrencia de leyes cercanas a cero con una frecuencia de 0,78 y
leyes entre 1 y 2% con una frecuencia de 0,19. Con esta herramienta también podemos
identificar datos escapados o outliers que se encuentran en leyes superiores al 2% con
una frecuencia menor a 0,01.
También podemos notar que el histograma muestra una distribución de datos log normal,
debido que la gran mayoría de sus datos se concentran en cierto intervalo de leyes (en
este caso entre 0 y 2%).
8
7.1.2 Histograma acumulado
Imagen 2.- Histograma

Ilustración acumulado
2: Histograma del
acumulado delCu.
Cu
Según este histograma acumulado, se puede deducir que más del 60% de las leyes de
Cu se encuentran bajo el 1% de ley, por lo que se reafirma que la distribución de la ley de
Cu en esta unidad geológica tiene un comportamiento log normal.
9
7.1.3 Deriva y Scatterplot del Cu (Este)
Imagen 3.- Deriva

Ilustración deldel
3:Deriva Cu Cuen
en el ejeXX(Este).
el eje (Este).
Imagen 4.- Scatterplot

Ilustración deldelCuCuen
4:Scatterplot enel
el eje
eje XX(Este)
(Este)
10
Con respecto a la deriva se puede apreciar una ley media de aproximadamente 0.23 %.
En el gráfico también se pueden notar dos valores que se encuentran sobre la media, uno
cercano a los 433.000 m con una ley aproximada 0.254%. El otro dato se encuentra
cercano a los 433.250 m con una ley aproximada de 0.267%. Estos dos valores están
muy encima de la ley media, lo cual analizando el Scatterplot se debe a que en esas
zonas hay una mayor cantidad de datos con leyes altas (sobre el 2% de ley).
También se puede decir que el dato con menor ley no es representativo, por la cantidad
de muestra consideradas (34) y esto se verifica en el Scartterplot.
Según la deriva, las leyes del Cu en el este están en torno a una ley (ley media del
0.23%), con lo cual se puede decir que la variable en este eje se comporta de manera
estacionaria.
7.1.4 Deriva y Scatterplot del Cu (Norte)
ImagenIlustración
5.- Deriva del Cu
5: Deriva delen
Cuel
eneje Y (Norte).
el eje Y (Norte).
11
Imagen 6.- Scatterplot

Ilustración deldel
6: Scatterplot CuCueneneleleje
eje YY(Norte).
(Norte).
Con respecto a la deriva se puede apreciar una ley media de aproximadamente 0.23 %.
En el gráfico también se pueden notar un valor que se encuentra sobre la media cercano
a 7308300 m, con una ley aproximada de 0.3 %. Este valor está muy encima de la ley
media, lo cual analizando el Scatterplot se debe a que en esta zona hay una mayor
cantidad de datos con leyes altas (hasta 3% de ley).
También se puede decir que el dato con menor ley no es representativo, por la cantidad
de muestra consideradas (14) y esto se verifica en el Scartterplot.
Según la deriva, las leyes del Cu en el norte están en torno a una ley (ley media del
0.23%), con lo cual se puede decir que la variable en este eje se comporta de manera
estacionaria.
12
7.2 Análisis de variograma
7.2.1 Dirección preferencial
ImagenIlustración
7.- Dirección preferencial
7:Dirección del del
preferencial variograma.
variograma.Azimut N125°
Azimut N125° y Dip
y Dip N125°.
N125°.
En el variograma superior (vista en planta) se encontró una dirección preferencial con

azimut N125°. Esto quiere decir que en esta dirección la ley tiene menor variabilidad.
Fijando este azimut de N125°, se encuentra el Dip del variograma inferior (vista perfil),
que muestra la menor variabilidad en esa dirección, la cual también es N125°.
13
Esto se puede saber debido a que entre más celeste el color del variograma, menor es la
variabilidad que presenta la ley en esa dirección.
7.2.2 Efecto pepa
Ilustración 8:Modelo del efecto pepa.

Imagen 8.- Modelo del efecto pepa.
El efecto pepa es un tipo de comportamiento para el variograma en el origen, el cual
corresponde a una variable regionalizada más errática, es decir, con discontinuidades en
la distribución espacial de sus valores. En este caso, el valor del efecto pepa fue de
0.0326. Entre más pequeña la distancia del variograma en el origen, más regular es la
variable regionalizada en el espacio, lo cual se cumple en este caso al tener un valor
pequeño como efecto pepa.
El cálculo del efecto pepa se realiza de manera omnidireccional y a corto alcance, ya que
se quiere conocer la variabilidad de la variable regionalizada en el origen. Este valor
complementa al variograma cuando se realiza el modelamiento, permitiendo que éste
parta del origen, debido a que ya se conoce su valor.
14
7.2.3 Variograma experimental
Ilustración
Imagen 9: Variogramaexperimental
9.- Variograma experimental del
delCu.
Cu.
Una vez encontrada y fijada las dos direcciones preferenciales en el mapa de variograma
(la primera azimut N125° y la segunda dip N125°), se determina una tercera dirección
denominada plunge, la cual al activar el ortogonal lo entrega automáticamente. Estos
parámetros se deben regularizar para poder encontrar mesetas las cuales sean
fácilmente modelables.
En este caso, el variograma muestra un alcance de 160 m con una meseta máxima de 0.2
% de ley de Cu. Esos valores son aproximados, ya que este no es el variograma
modelado.
El número de pares de este variograma para las distintas direcciones contienen una
cantidad suficiente de pares (entre 1.500.000 y 2.200.000 aproximadamente, ver anexos),
lo cual genera una confiabilidad para determinar el variograma y que este fluctúe cerca de
su valor esperado
15
7.2.4 Modelación del variograma
Ilustración 10: Modelado del variograma
El variograma modelado representa la variabilidad real de los datos. En este caso el

alcance y meseta máxima son de 230 m con una ley media aproximada de 0.17% de Cu.
La anisotropía que se muestra en el variograma modelado es de tipo zonal, ya que los

distintos variogramas modelados presentan el mismo alcance (230 m) pero distintos sill o
meseta (0.17% y 0.2% de Cu).
Gracias al variograma experimental se pudo ajustar este variograma teórico, el cual

representa el grado de continuidad de los valores de la variable regionalizada (en este
caso la ley) permitiendo describir una correlación entre los datos.
16
8. CONCLUSIONES Y RECOMENDACIONES
 El objetivo de este trabajo se cumplió satisfactoriamente, debido a que se pudo
realizar el análisis exploratorio de datos y el modelamiento variográfico.
 En el análisis del histograma se pudo determinar que hay una mayor
concentración de leyes cercanas a 0% (con una frecuencia de 0.78) y que existen
leyes entre un 1% y 2% con una frecuencia de 0.19.
También se pudo determinar la presencia de datos sobre la media(outliers) los
cuales poseen leyes superiores al 2% con una frecuencia de 0.01.
Del histograma acumulado se puede decir que más del 60% de las leyes de Cu
están bajo el 1% de ley.
Es por esto que se puede afirmar que la variable regionalizada tiene un
comportamiento log normal, debido a que existe una mayor concentración de
datos en los primeros intervalos (leyes cercanas al 0%).
 En el caso de las derivas, el análisis en la dirección Este, se puede afirmar que
hay una ley media de 0.23 %. En esta, hay dos valores que se encuentran sobre la
ley media, específicamente en los puntos 473.000 m y 473.250 m., con leyes
aproximadas de 0.254 % y 0.267 % respectivamente. Paralelamente, utilizando la
herramienta de scatterplot se puede verificar que en estos puntos hay una mayor
cantidad de datos con leyes altas, lo cual provoca que estos puntos en la deriva
este por sobre la ley media.
En la dirección Norte hay una ley media de 0.23%. En esta deriva existe un valor
por sobre la ley media situado en el punto 7.308.300 m con una ley aproximada de
0.3%. Nuevamente, utilizando el scatterplot se puede determinar que en este
punto existe una gran cantidad de datos por sobre la ley media.
Como las leyes las leyes del Cu en el Este y Norte están en torno a una ley media
(0.23% para ambas) se puede decir que la variable en estos ejes se comportan de
manera estacionaria.
 En el mapa del variograma se encontró una dirección preferencial de N125°
(azimut), luego fijando este azimut se halló un Dip preferencial de N125°. Estos
valores poseen una variabilidad mínima, la cual se representa con el color celeste
en el mapa.
 El efecto pepa resultante para el variograma es de 0.0326. Este valor indica la
distancia del variograma al origen, el cual es bastante pequeño, lo que indica que
la variable regionalizada es más regular en el origen.
 En el caso del variograma experimental, se encontró un alcance de 160 m con
una meseta máxima de 0.2%. Los números de pares utilizados para este
variograma son muy altos (entre 1.500.000 y 2.200.000 ver anexos) lo que indica
que estos tengan una mayor confiabilidad y fluctúen cerca de los valores
esperados.
17
Cabe destacar que estos valores son aproximados, ya que no es el variograma

modelado y esta herramienta sólo permite encontrar una curva de fácil
modelación.
 En la modelación del variograma se encontró un alcance de 230 m con una
meseta máxima de 0.17%. Analizando las distintas direcciones se encuentra una
anisotropía del tipo zonal, ya que poseen el mismo alcance las direcciones(230 m)
pero presentan diferentes mesetas máximas(0.17% y 0.2%)
 Gracias al variograma modelado, se puede determinar si existe anisotropía,
permitiendo calcular el variograma a lo largo de las direcciones principales de ésta
y así afirmar si la variable regionalizada es continua en el espacio. Esta es la base
para la futura estimación de recursos.
 Se recomienda incluir en el análisis la variable peso, para así realizar un estudio
más completo, con la inclusión de datos más reales, ya que al no incluir esta
variable, las leyes pueden estar sobre dimensionadas, lo cual podría provocar una
estimación de recursos errada.
18
Bibliografía
1.Atzin, S. P. (2006). Modelado Geoestadistico de Litofacies y Clases Petrofísicas en Yacimientos

Carbonatados Fracturados del Sureste de Mexico.
2.Emery, X. (2011). Geoestadística. (Paginas 29 - 58)
3.Sironvalle, M. A. (2007). Estimación de Recursos Mineros.
19
ANEXOS
Ilustración 11: Vista general del yacimiento
Ilustración 12: Vista de UG 500

Ilustración 13: Número de pares para dirección regular N125°
Ilustración 14: Número de pares para dirección irregular N125°

Ilustración 15: Número de pares para dirección ortogonal
Ilustración 16: Efecto pepa.

Variograma Experimental

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

Variograma Experimental

Загружено:

Авторское право:

Доступные форматы

UNIVERSIDAD DE SANTIAGO DE CHILE

Orestes Gómez González

Gonzalo Frías Hidalgo

Camilo Varas Henríquez

Benjamín Ibacache Martínez

Claudia Véliz Gajardo

Santiago, 9 de diciembre 2015

Este trabajo consiste en realizar un análisis exploratorio de datos (E.D.A) y un análisis

En conclusión, se cumplió el objetivo de realizar un análisis exploratorio de datos (E.D.A),

También se cumplió con el análisis variográfico, pudiendo determinar las direcciones en

2. Objetivos del Informe .................................................................................................... 6

2.1 Objetivo general .......................................................................................................... 6

2.2 Objetivos específicos .................................................................................................. 6

6. Presentación de los datos ............................................................................................... 7

7. Desarrollo y resultados ................................................................................................... 8

7.1 Análisis de EDA.............................................................................................................8

7.1.2 Histograma acumulado..............................................................................................9

7.1.3 Deriva y Scatterplot del Cu (Este)............................................................................10

7.1.4 Deriva y Scatterplot del Cu (Norte) .........................................................................11

7.2 Análisis de Variograma................................................................................................13

7.2.1 Dirección preferencial..............................................................................................13

7.2.2 Efecto pepa..............................................................................................................14

7.2.3 Variograma Experimental .......................................................................................15

7.2.4 Modelamiento del variograma .................................................................................16

Ilustración 1: Histograma del Cu ......................................................................................................... 8

La geoestadística se define como el estudio de fenómenos regionalizados, es decir, que

El análisis exploratorio de datos (E.D.A) es un conjunto de técnicas estadísticas cuya

El primer paso en un análisis geoestadístico es la variografía. Esto se realiza a través de

2. OBJETIVOS DEL INFORME

2.1 OBJETIVO GENERAL

 Realizar un análisis exploratorio de datos (E.D.A) y de variograma de la unidad

2.2 OBJETIVOS ESPECÍFICOS

 Análisis espacial de datos.

En este caso se cuenta con la información de 53 sondajes, con sus respectivas

Por último, se muestra la información que recopila el geólogo en el mapeo de los

7.1 Análisis de E.D.A

Imagen 1.- Histograma

La información obtenida de los sondajes indican que la ley de Cu en la unidad 500

7.1.2 Histograma acumulado

Imagen 2.- Histograma

7.1.3 Deriva y Scatterplot del Cu (Este)

Imagen 3.- Deriva

Imagen 4.- Scatterplot

7.1.4 Deriva y Scatterplot del Cu (Norte)

Imagen 6.- Scatterplot

7.2 Análisis de variograma

7.2.1 Dirección preferencial

En el variograma superior (vista en planta) se encontró una dirección preferencial con

7.2.2 Efecto pepa

Ilustración 8:Modelo del efecto pepa.

7.2.3 Variograma experimental

7.2.4 Modelación del variograma

Ilustración 10: Modelado del variograma

El variograma modelado representa la variabilidad real de los datos. En este caso el

La anisotropía que se muestra en el variograma modelado es de tipo zonal, ya que los

Gracias al variograma experimental se pudo ajustar este variograma teórico, el cual

Cabe destacar que estos valores son aproximados, ya que no es el variograma

1.Atzin, S. P. (2006). Modelado Geoestadistico de Litofacies y Clases Petrofísicas en Yacimientos

2.Emery, X. (2011). Geoestadística. (Paginas 29 - 58)

3.Sironvalle, M. A. (2007). Estimación de Recursos Mineros.

Ilustración 11: Vista general del yacimiento

Ilustración 12: Vista de UG 500

Ilustración 14: Número de pares para dirección irregular N125°

Вам также может понравиться