Академический Документы
Профессиональный Документы
Культура Документы
PORFIDOS Y SKARN
Fernando Sez Rivera
INDICE
- MODELOS DE PORFIDO Y SKARN
- DETERMINACION DE DOMINIOS
- ANALISIS PREVIOS
- EDA (Estadistica) (Variografia)
- PARAMETROS DE ESTIMACION
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
- ANALISIS PREVIOS
- EDA (Estadistica) (Variografia)
- PARAMETROS DE ESTIMACION
Modelo de Exploracin:
PEROL (AU-CU)
GEOLOGIA
CHAILHUAGON (AU-CU)
GEOLOGIA
Modelo Geolgico Antapaccay (Cu-
Ag-Au-Mo)
DIORITA
CALI
PM2 ZA
PM1
Bx
CALI DIATREM
ZA A
GEOLOGIA
CHUQUICAMATA (CU-MO)
MODELO ALTERACION BAJO
ALUMBRERA
Propilitica
Feldespato Destructivo
GEOLOGIA
Potasi
ca
Cuarzo
Margnetit
a
GEOLOGIA
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
MO
CU
ZN
INDICE
- MODELOS DE PORFIDO Y SKARN
- DETERMINACION DE DOMINIOS
- ANALISIS PREVIOS
- EDA (Estadistica) (Variografia)
- PARAMETROS DE ESTIMACION
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
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
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)
20 -20 15
ELTAP
Angular tolerance = 90.00
Lag = 3.00m, Count = 35 lags, Tolerance = 50.00%
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
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
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
48
Bsqueda por Octante o Cuadrante
49
INDICE
- MODELOS DE PORFIDO Y SKARN
- DETERMINACION DE DOMINIOS
- ANALISIS PREVIOS
- EDA (Estadistica) (Variografia)
- PARAMETROS DE ESTIMACION
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
- DETERMINACION DE DOMINIOS
- ANALISIS PREVIOS
- EDA (Estadistica) (Variografia)
- PARAMETROS DE ESTIMACION
Result Comparison:
HERCO vs OK
Contact Plot Composite and Model
Geolgicas: Roca, Altr, RQD
Metales: Cu,Au, EqCu