ESTIMACION DE RECURSOS

PORFIDOS Y SKARN
Fernando Sez Rivera
INDICE
- MODELOS DE PORFIDO Y SKARN

- DETERMINACION DE DOMINIOS

- ANALISIS PREVIOS
- EDA (Estadistica) (Variografia)
- PARAMETROS DE ESTIMACION

- ESTIMACION (OK, ID, NN)

- VALIDACIONES (Global, Local, HERCO)

 RECONCILIACION
F1: OC / Exp Model
F2: Process / OC (so OC not
adjusted for Mining losses /
gains?)
F3: Process / Exp Model

PROBLEMAS:
- El Espaciamiento de taladros en el actual banco no es suficiente para
controlar las leyes.
- Diferentes tipos de Arcillas que no existen el modelo.
- No hay un buen control de mineral de Oxido, Mixto1, Mixto2, Sulfuros.
- No hay buen control de las altas leyes (a veces da mucho mas y a veces
mucho menos)
- No hay modelo de un elemento contaminante que penaliza la venta
- No hay modelo de desmonte generador de cido.
INDICE

- MODELOS DE PORFIDO Y SKARN

- DETERMINACION DE DOMINIOS

- ANALISIS PREVIOS
- EDA (Estadistica) (Variografia)
- PARAMETROS DE ESTIMACION

- ESTIMACION (OK, ID, NN)

- VALIDACIONES (Global, Local, HERCO)

Que es un modelo?
 Evolucin del Modelo

Modelo de Exploracin:

Bloques con Cu, Au, Roca, Fallas, Altr.

un Modelo Geolgico perse

Modelo Geolgico Minero

Modelo de Cobre - Oro (krigeado)

Modelo de Recuperacin (Cu, Au, CnCu, pH)
Modelo de Moliendabilidad (RQD, Roca, Alter,
TPH)
Modelo de Voladura (GSI, Yeso, Roca, Altr)
Modelo Ambiental (NAG, ANC, Py )
GEOLOGIA PORFIDOS DE COBRE
 GEOLOGIA

CUAJONE (CU-MO) - LATITA

 GEOLOGIA

OQUEPALA (CU-MO) - DACITA

 GEOLOGIA

PEROL (AU-CU)
GEOLOGIA
CHAILHUAGON (AU-CU)
 GEOLOGIA
Modelo Geolgico Antapaccay (Cu-
Ag-Au-Mo)

DIORITA

CALI
PM2 ZA

HORNF STOCK WORK

ELS

PM1

Bx
CALI DIATREM
ZA A
 GEOLOGIA
CHUQUICAMATA (CU-MO)
 MODELO ALTERACION BAJO
ALUMBRERA
Propilitica
Feldespato Destructivo

GEOLOGIA

Potasi
ca

Cuarzo
Margnetit
a
 GEOLOGIA

BINGHAM (CU-MO) - MONZONITA

CLIMAX (MO-W) - GRANITO
GEOLOGIA PORFIDOS DE COBRE

TOQUEPALA FILICO
CUAJONE FILICO
PEROL FILICO
CHUQUICAMATA FILICO-
POTASICO
CHAILHUAGON POTASICO
ANTAPACCAY POTASICO
BAJO ALUMBRERA
POTASICO
BINGHAM FILICO-POTASICO
SKARN TINTAYA (CU-MO) SKARN
FERROBAMBA

MBL ExoSkarn EndoSkarn Monzonita

Cu
Mo
SKARN ANTAMINA (CU-ZN-MO-PB-
AG)

MO
CU
ZN
INDICE
- MODELOS DE PORFIDO Y SKARN

- DETERMINACION DE DOMINIOS

- ANALISIS PREVIOS
- EDA (Estadistica) (Variografia)
- PARAMETROS DE ESTIMACION

- ESTIMACION (OK, ID, NN)

- VALIDACIONES (Global, Local, HERCO)

 MINERALIZED REGIONAL BELTS
Lancones Basin Northern Peru
VMS Cu-Zn-Au Cu-Au Porphyry Belt
Northern Peru
MVT Zn Belt
Yanacocha Epithermal
Gold Belt Pataz Batholith
Mesothermal Gold Belt

Pierina Epithermal Central Peru MVT

Gold Belt Zn-Belt

Central Peru Eocene-Oligocene

Polymetallic Skarn & Apurimac
Replacement Belt Cu-Porphyry-Skarn Belt

Iron Oxides
Cu-Au Coastal Ananea
Belt Mesothermal
Gold Belt

Coastal Batholith
Mesothermal Paleocene Southern
Peru Southern Peru
Gold Belt Epithermal Au-Ag Belt
Cu-Porphyry Belt
Condiciones para una buena
estimacin
Cada Dominio tiene que tener:

Estacionaridad

Intrnseca
 Estacionaridad
La estacionaridad se refiere a una homogeneidad en el
espacio de las caractersticas de la variable en estudio:
media, dispersin, continuidad, etc. Implica que las
propiedades estadsticas de los datos son representativas del
total del dominio para estimar.
 Deriva o No Estacionario
En la mayora de los casos alguna clase de deriva est
presente en el fenmeno o no existe alguna geologa
Los fenmenos de inters son anomalas?
Escala de la deriva es importante

30 14

zona
25 pobre 12

20 10
z(x)
z(x)
15 8

10 6

5 4
zona rica

0 2
0 200 400 0 20 40
global local
 Intrnseca
cuando los crecimientos son estacionarios de orden dos:

E ( Z (u) Z (u h)) 0
Var ( Z (u) Z (u h)) 2 (h) u D
Considerar la posibilidad de subdividir el rea en subzonas ms
homogneas
Modelamiento geolgico (unidades de estimacin) Que
cumplan con las condiciones de: estacionaridad e
intrnseco

SKARN
Intrusiv
Caliza o
CHEQUEO DE LA ESTADISTICA HISTOGRAMA y FREQ.
ACUMULADA por la ESTACIONARIDAD
Debe confirmarse con informacin geolgica
CHEQUEO DE FORMAS y DIRECCIONES DE MINERALIZACION
por el FENOMENO INTRINSECO
Debe confirmarse con informacin geolgica
4
4
3
1
2 8
3

1 7
6 2

5
PORFIDO forma clsica
SKARN forma de dos anillos
Eventos HIPOGENOS Eventos SUPERGENOS
INDICE
- MODELOS DE PORFIDO Y SKARN

- DETERMINACION DE DOMINIOS

- ANALISIS PREVIOS
- EDA (Estadistica) (Variografia)
- PARAMETROS DE ESTIMACION

- ESTIMACION (OK, ID, NN)

- VALIDACIONES (Global, Local, HERCO)

Histograma y Frecuencia Acumulada
La escala de intensidades se divide en N
clases.
Una frecuencia est asociada a cada
centro de clase y representada por un
rectngulo proporcional
Las frecuencias pueden ser absolutas o
relativas

w_min
BoxPlot :Comparison Metal by Domains

Box: Half the data in the middle of distribution (25th 75th percentile)
Median: Horizontal line inside box (higher half from lower half)
Mean: Dot (average)
 Anlisis Univariables valores
extremos
Valores extremos: afectan considerablemente las
estadsticas bsicas
Qu hacer con ellos?:
Declarar los valores extremos como errneos y eliminarlos
Clasificarlos en poblaciones estadsticas separadas
Usar estadsticas robustas, que son menos sensibles a los valores
extremos: mediana, coeficiente de correlacin de posicin
Transformar los datos para reducir su influencia
Bajarlos a un mximo razonable

Outliers: Observaciones que parecen no pertenecer a la

misma poblacin constituida por el resto de los datos
(chequeo de la geologia)

Los datos considerados extremos (outliers) puede eliminarse

slo si se ha comprobado que estn errados. En caso de ser
datos verdaderos, proveen informacin que puede ser crtica
para la respuesta del modelo.
 ANALISIS DE VALORES EXTREMOS

Top Cut value Samp

Method le
Histogram 30 6
gpt
Oxide Zone
Cumulative 20 10
Sulphide Zone
plot gpt

Domain Samples Min Max Mea Std. Mean Std.

n Dv. Dv.
Oxide 8193 0.00 145.1 1.14 2.76 1.11 1.85
(75%) 25 55 0.86 1.34
Sulphid 2682 0.00 18.26 0.86 1.34 1.05 1.74
Anlisis de Contacto

DOMINIO DOMINIO
1
CONTAC
2
TO
Anlisis Estadstico

ypq w_min
 Anlisis Estadstico

L
G
H
G

L H
G G
Anlisis Estadstico Anlisis de
Contacto
 Interpretacin de variogramas experimentales
Variograma Vertical
Meseta

Efecto pepita
Rango

Distancia
Meseta = la varianza (1.0 si los datos estn estandarizados)
Alcance = la distancia a la cual el variograma alcanza la meseta (95%)
Efecto pepita = suma de variabilidad debida a microestructuras geolgicas
y error de medicin
Cualquier error en la medicin del valor o la posicin asignada a la medida se
traduce en un efecto pepita mas alto.
Cuando los datos son escasos el efecto pepita aparece ms alto de lo esperado
 Structures Variograms
A Z IM U T H = 0 D IP = 0
1 .5 ( h ) = 0 . 4 0 0 + 0 . 3 2 9 S p h 3 0 .7 ( h ) + 0 .2 7 1 S p h 2 7 0 .1 ( h )

1 .0




(h )

0 .5
*
S a m p le v a r io g ra m p o in ts w it h le s s th a n
3 5 0 p a irs h a v e n o t b e e n p lo t te d .

0
0 6 2 .5 1 2 5 .0 1 8 7 .5 2 5 0 .0
L a g d is ta n c e ( h )
 Ellipsoid Rotation by

Program
Ellipsoid Rotation:
Mine Sight: Z-Left X-Right Y-Left
Vulcan: Z-Left X-Right Y-Left
GSLib: Z-Left X-Right Y-
Right
TSS: Z-Left Y-Right Z-Left
 Variography

Variogram (Au_cap)
Distance (m)
0 25 50 75 100

3 3

Variogram : Au_cap

Variogram : Au_cap
2 2

1 1

0 0

0 25 50 75 100
Distance (m)

Geological Rot ISATIS: 122 25 -55 Math. Rot. ISATIS:

Isatis
DATA/DATA(Gold)
fer
- Variable #1 : Au_cap
Experimental Variogram : in 1 direction(s) May 03 2011 00:45:45
D1 :

20 -20 15
ELTAP
Angular tolerance = 90.00
Lag = 3.00m, Count = 35 lags, Tolerance = 50.00%

Nugget effect : 0.55

First Struc. - Spherical: sill=1.2, U=30m V=25m W=25m
Second Struc.-Spherical:
Min
sill=1.8, U=45m
Max Mean SD. RhoV=110m
Rho W=80m
Cross Validation: (Z- (Z- (Z- (Z- Cor (Z-Z*)/SD
Z*)/SD Z*) /SD C.
Z*) Z*)
 Mapa Variografico en 3 ejes principales
Variogram Map - Au
ISATIS
4.1
4.2

3.7
3.6
Geological Rot.
3.2
3.1
Azimuth = 122
2.7 2.6
X-right= 25
5
2.2 2.1 Z-left = -55
1.7 1.6

1.2 1.1 Mathematician Rot.

0.7 0.6
Z-Right = 20
N/A N/A
Y-right= -20
4.8 X-right = 15
Distance (m)
4.3
0.00 0.25 0.50 0.75 1.00 1.25

3.8 3 3

3.3
Variogram : Au

Variogram : Au
2.8 2 2

2.3

1.8 1 1

1.3

0.8
0 0
0.00 0.25 0.50 0.75 1.00 1.25
N/A
Distance (m)
Isatis
DATA/DATA(Gold)
fer
 Ellipsoid vs Geology

Slide 44 4/6/17 Mining 101

 Variografia por Dominio
Domain HG and LG:
 Parameters of Estimation

POR DOMINIOS
Statistic Parameters (Min
& Max Reject, Capping)
Variography Parameters
(Nugget, Sill, Range, TSS
Rotation)
Search Parameters (Min
& Max Sample, Searches)
 Estimation OK
Searches
Max. No. Min. No.
Domain
ROT 1 ROT 2 ROT 3 Samples Samples

Central Upper (dm1) 228 291 63 8 2 Mas

Central Lower (dm2) 320 419 31 8 2
suavisami
Norte 405 307 34 10 2
Sur 117 251 11 10 2
ento
THigh Grade Halo 30 30 80 50 10 2
(valores
T Low Grade Halo 15 52 105 60 6 2 cercanos a
la media)
 Busqueda de Volumen (3D)

48
Bsqueda por Octante o Cuadrante

49
INDICE
- MODELOS DE PORFIDO Y SKARN

- DETERMINACION DE DOMINIOS

- ANALISIS PREVIOS
- EDA (Estadistica) (Variografia)
- PARAMETROS DE ESTIMACION

- ESTIMACION (OK, ID, NN)

- VALIDACIONES (Global, Local, HERCO)
 ESTIMACION formula lineal
Puede ser: POLIGONAL o NN
PROMEDIO
INVERSE DISTANCES
KRIGEAGE,
EN GENERAL:

Z *

i 1, n
i * zi
 1) MEDIA ARITMETICA:Se basa en lo
siguiente para estimar la ley media
de un conjunto se promedian las leyes
de los datos que estn dentro del
conjunto

zj
zs
Su frmula general:

N
 2) Polgonos o Nearest Neighbor
(NN):El mtodo se basa en asignar a
cada punto del espacio la ley del
dato ms prximo.Para estimar una
zona se ponderan las leyes de los
datos por el rea de influencia sj
Su frmula es la siguiente:
sjz j
zs
s
 Polgonos:
La ley del punto Inverso de la
corresponde a la distancia
n(x)
z (x )
de la muestra ms d p
z (x) n1( x )
cercana 1

1 d p

D
z(x)
d
3) INVERSO DE LA DISTANCIA:Se basa en
asignar mayor peso a las muestras
cercanas y menor peso a las muestras
alejadas a s
Se consigue al ponderar las leyes
Su frmula es: zi
n di
z { }
n
i 1 1
d
j j
 Kriging Simple
Z i * zi
*

i 1, n
El kriging minimiza esta varianza de estimacin
para obtener los ponderadores. Derivando e
igualando a cero, se obtiene el sistema de
kriging
Csimple:
(x1 x1 ) C (x1 x n ) 1 C (x1 x 0 )


C (x x ) C (x x ) C (x x )
n 1 n n n n 0
n n
Z (x 0 ) Z (x ) 1 m
*

1 1
n
Y por lo tanto: KS
2
(x 0 ) C (0) C (x x 0 )
1
 Kriging Ordinario
O en trminos de variograma:
( x1 x1 ) ( x1 x n ) 1 1 (x1 x 0 )


(x x ) (x x ) 1
(x x )
n 1 n n
n n 0

1 1 0 1

n
Z * (x 0 ) Z (x )
1
y n
KO
2
(x 0 ) (x x 0 )
1
 POLIGONO o NN 1
1
PROMEDIO i
n
ID 1

i
di 1,3,5,7
1

i 1, n d i

1 ( x1 x 0 ) ( x1 x1 ) ( x1 x n ) 1 -1
KRIGEAGE


(x x ) (x x ) (x x ) 1
n n 0
n 1 n n

1 1 1 0
 Block Models Visual
Differences
NN ID2

ID5 OK

May 7, 2008 - Slide 59

INDICE
- MODELOS DE PORFIDO Y SKARN

- DETERMINACION DE DOMINIOS

- ANALISIS PREVIOS
- EDA (Estadistica) (Variografia)
- PARAMETROS DE ESTIMACION

- ESTIMACION (OK, ID, NN)

- VALIDACIONES (Global, Local, HERCO)

 Validacion Global Bias, NN vs Ordinary
NN Kriging
OK 8
Max
VALIDACION LOCAL BIAS or SWATH PLOT
 VALIDACION HERCO
HERCO:
By Domains
NN Values
Block Dispersion Variance
(Variography)
Mean Ordinary Kriging

Result Comparison:
HERCO vs OK
Contact Plot Composite and Model
 Geolgicas: Roca, Altr, RQD
Metales: Cu,Au, EqCu

Geotecnico: RQD, IRA

Recuperacin: %RecCu, %RecAu

Molienda: TPH, Metal PH,

US$PH
Voladura: UCS, VolIndex, Expl/Ton

Ambientales: PAG, ANC, NCV, pH

GRACIAS POR SU ATENCION