El krigeado

Esteban López Araya

Ingeniero Civil en Minas
Docente Universitario.
Esteban.lopez16@inacapmail.cl
 KRIGING
En términos mineros, el Kriging consiste
en encontrar la mejor estimación lineal
insesgada de un bloque o zona V,
considerando la información disponible;
es decir, las muestras interiores y
exteriores a V.

El Kriging atribuye un peso i a las muestras Z(xi). Estos

pesos se calculan de manera de minimizar la varianza del
error cometido.
 3

El interés de Kriging proviene de su misma definición:

Al minimizar E2 estamos seguros de obtener la estimación más
precisa posible de V o equivalentemente, de sacar el mejor
provecho posible de la información disponible.
De acuerdo a lo anterior, el Kriging define el estimador con la
condición de insesgado:
zˆk  1 * z ( x1 )  2 * z ( x2 )  ....  n * z ( xn )

1  2  .....  n  1
Se basa en un modelo probabilístico. La idea es ver
el error como una variable aleatoria e imponerle
ciertas condiciones:

Su esperanza es nula.
Su varianza es pequeña.
El interés práctico más
importante del krigeado,
proviene, no del hecho que
asegura la mejor precisión
posible, sino más bien porque
permite evitar un error
El color amarillo representa mineral (con
sistemático. ley 1) y el blanco estéril (con ley 0). Los
círculos representan los datos.
En la mayoría de los depósitos
mineros, se deben seleccionar, Se observa que, en general, es necesario
utilizar datos externos al bloque.
para la explotación, un cierto
número de bloques,
considerados como rentables y
se deben abandonar otros
bloques considerados no-
explotables
 Método de Lagrange
El método clásico para minimizar la expresión de σE2 (igualar a cero las
derivadas parciales de σE2 respecto de λ1, λ2, . . . , λN) no asegura que la
suma de los λi sea 1. En este caso hay que utilizar el método de Lagrange, el
cual explicaremos con un ejemplo matemático:

Minimizar la función A = x2 + y2 si x + y =
1.
Si se verifica la condición x + y =
El método de Lagrange define la función 1, entonces A' = A.
A' siguiente:

El método de Lagrange x = 0.5

consiste en igualar a cero las y = 0.5
derivadas parciales de A': μ = 0.5
Se demuestra que al realizar N + 1 derivaciones se obtiene el sistema
de ecuaciones siguiente:
Kriging ordinario

 
 k  
2 2
yy  1  y1  2  y 2  
n 
 2 k   2 yy   i  yi  
i 1
n
Z   i Z i
*

i 1

= Multiplicador de Lagrange
 Ejemplo 1
• En el caso del yacimiento isótropo de la figura,
estudiado anteriormente:

Bloque a krigear, en negro la

ley de la muestra, en azul el
número de la muestra.

λ1 = 0.77
λ2 = 0.23
⇒ ZV = 0.77 x 35 + 0.23 x 41 = 36.38
2 σE = 2.37
⇒ ZV = 36.38 ± 2.37 (con 95% de
confianza)
 Caso practico
En un yacimiento isótropo calcule la ley con un 95 % de confianza. Se sabe
que el bloque posee dimensiones de 3 x 3 [m] y el variograma representado
se ve a continuación.
Discretice el bloque en 4 partes.
Variograma

Ley
* 3 mt X1=0,5
1 x2
X2=0,7
*
x1 3 mt
Formulas y ecuaciones

 k   (V ,V )  1 ( x1 ,V )  2 ( x2 ,V )  
2

n
Z   i Z i  2
*

i 1
 
 ( x1 ,V )
distancia semi vario
d1 0.75 0.75 1.061 0.530
d2 0.75 2.25 2.372 1

  d3 2.25 0.75 2.372 1
 ( x1,V )  0,883 3 mt d4 2.25 2.25 3.182 1
  suma 3.530
* semi(x1,V) 0.883
x1 3 mt
distancia semi vario
 d1 0.75 0.75 1.061 0.530
 ( x2 ,V ) d2 0.75 0.75 1.061 0.530
d3 0.75 0.75 1.061 0.530
d4 0.75 0.75 1.061 0.530

 
 ( x2 ,V )  0,530 * 3 mt
suma 2.121
x2 semi(x2,V) 0.530
 

 (V ,V )

distancia semi vario

d1 1.5 0 1.500 0.750
  d2 1.5 0 1.500 0.750
d3 0 0 0.000 0
3 mt d4 1.5 1.5 2.121 1
 
suma 2.500
3 mt semi(1,V) 0.625

 (V ,V )   (1,V )   (2,V )   (3,V )   (4,V )

1
4
 (1,V )   (2,V )   (3,V )   (4,V )
1
 (V ,V )  (4 * 0,625)
4
 (V ,V )  0,625
 
1 ( x1 , x1 )  2 ( x1 , x2 )     ( x1 ,V )

1 ( x2 , x1 )  2 ( x2 , x2 )     ( x2 ,V )

1  2 1 INCOGNITAS:

  0,207
1  0,324
1 * 0  2 *1    0,883 2  0,676
1 *1  2 * 0    0,530

1  2 1
 RESUMEN DE RESULTADOS

 2
k   (V , V )  1 ( x1 , V )  2 ( x2 , V )  
 2
k  0,625  0,324 * 0,883  0,676 * 0,530  0,207
 k  0.226
2

 k  0.476
Z *V  1 * x1  2 x2
Z *V  0.324 * 0.5  0.676 * 0.7
Z V  0.635
*

Z V  0.635  2 * 0.476  0.635  0.952

*

Z V  0.635  0.952
*