Tutorial Estima (Esp) PDF

ESTIMACION DE RESERVAS Manual ESTIMA
DATAMINE Peru S.A. Pgina N 1

Copyright: Datamine Corporate Limited, UK, 2004
Av. Jorge Basadre 592 Of. 703, San Isidro, Lima - PERU.
Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305
Email: info@datamine.com.pe.

Datamine Studio

Estimacin de Leyes

Gua del Usuario

Edicin 2.0



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

INDICE

1. I NTRODUCCI ON 3

2. RESUMEN DE ESTIMA 5

3. VOLUMENES DE BUSQUEDA 7

4. DISCRETIZACION DE CELDAS 16

5. METODOS DE ESTI MACI ON 19

6. MUESTRAS MAS CERCANAS 24

7. INVERSO DE LAS DISTANCIAS 25

8. KRI GI NG 27

9. ESTI MADOR DE SI CHEL'S T 33

10. RESUMEN DEL ARCHIVO DE PARAMETROS DE ESTIMACIO 34

11. CARACTERI STI CAS ADI CI ONALES 36

12. ARCHIVO DE MODELO DE PARAMETROS DEL VARIOGRAM 39

13. OPTI MI ZACI ON DEL TI EMPO DE EJ ECUCI ON 46

14. MODELOS ROTADOS Y PLEGADOS 52

15. SALIDAS Y RESULTADOS 55

16. EJ EMPLOS 60

APENDI CES

A1. RESUMEN DE LOS PARAMETROS 65

A2. ARCHI VOS Y CAMPOS 67

A3. LI MI TES DEL SI STEMA 69

BIBLIOGRAFIA 70



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

DATAMINE provee de varias alternativas para la creacin de un modelo de bloques
(Manual del usuario - "Introduccin al Modelamiento Geologico en DATAMINE"). Este
manual de usuario para la estimacin de leyes se concentra en los diferentes mtodos
de interpolacin tales como; Inverso de las Distancias y Kriging. Esta guia de usuario
describe la estimacion de leyes usando el superproceso ESTIMA

Las principales caractersticas de ESTIMA son :

- Posee un completo y consistente conjunto de volumenes de busqueda y
parmetros de estimacin para todos los mtodos.

- Optimizacin de la velocidad en la busqueda de las muestras

- Multiples leyes pueden ser estimadas en una sola ejecucin.

- Las mismas leyes pueden ser estimadas por diferentes mtodos

- Diferentes volumenes de busqueda y parmetros de estimacin pueden
usarse para diferentes leyes.

- Puede trabajarse con ansotropias en volumenes de busqueda rectangular y
elipsoidal.

- Un volumen de busqueda dinmico permite aumentar el volumen si es que
este contiene muestras insuficientes.
- Restriccin en el nmero de muestras por octantes.

- Restricciones del nmero de muestras por cada campo llave.

- Estimacin por zonas, con parmetros especficos para cada zona

- Amplio rango de tipos de modelos de variograma para kriging Normal y
Lognormal.



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

- Transformacin automtica de datos en caso de que el modelo de entrada sea
un modelo rotado.

- Opcin de trabajar con modelos plegados, en todos los tipos de estimacin.

- Estimacin de la celda patrn.

- Actualizacin selectiva de slo parte de los modelos.

Los mtodos de estimacin contenidos en ESTIMA son :

- Muestras ms cercanas
- Inverso de las Distancias
- Kriging Ordinario
- Krigging Lognormal
- Kriging Simple
- Estimador de Sichel's t.

ESTIMA es un proceso muy completo, el cual requiere de una considerable cantidad de
entradas, para esto se cuenta con una macro DATAMINE que facilita su uso. De esta
forma usted puede correr estima como un proceso estandar desde la lnea de
comandos, o bien desde la macro, el uso de esta ltima permitir al usuario una mayor
familiarizacin con este proceso y el conocimiento de todos sus requerimientos.

El modulo ESTI MA incluye mtodos de estimacin tanto del modulo MOD como del
modulo EGS. Del primero incluye el de las Muestras ms cercanas, Inverso de las
distancias, Estimador de Sichels t y Kriging ordinario con un tipo de variograma
esfrico de una sola estructura. Las opciones adicionales en EGS son una alternativa de
modelo de variograma, kriging lognormal y kriging Simple.



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

ESTIMA requiere un modelo como prototipo de entrada y un set de datos de
muestras, generalmente el prototipo puede ya contener celdas y subceldas
representando por ejemplo una estructura geologica, en este caso los valores de leyes
podrn interpolarse dentro del conjunto existentes de celdas y subceldas. En cambio si
usted tiene un prototipo vacio (que no contiene celdas y/o subceldas), ESTIMA puede
crear estas celdas y subceldas en el rea alrededor de las muestras, de acuerdo a lo
definido en el volumen de busqueda.

Desde este punto en adelante cuando nos refiramos a un modelo de bloques, este
puede contener celdas y subceldas, y una celda completa ser una celda patrn.

Los datos de muestras contienen los datos necesarios que usted usa para estimar las
leyes de las celdas, estos datos debern contener al menos las coordenadas X,Y, Z de
cada muestra y un valor de ley.

ESTIMA requiere que usted defina un volumen de busqueda, centrado en la celda a
estimar, y que contendr las muestras que se usarn en la estimacin de las leyes. De
hecho usted podr definir ms de un volumen de busqueda, de esta forma diferentes
leyes podrn evaluarse con diferentes volumenes de busqueda. Todos los parmetros
que describen el volumen de busqueda se definirn en ESTIMA usando el "archivo de
parmetros del volumen de busqueda".

ESTIMA tambin requiere que usted defina un conjunto de parmetros de estimacin
para la ley a ser estimada, esos parmetros se ingresarn a ESTIMA usando "el
archivo de parmetros de estimacin", el que contendr itemnes tales como el
mtodo de estimacin, el nmero de referencia del volumen de busqueda y por
ejemplo la potencia si es que usted utilizar el mtodo del inverso de las distancias.

Asi ya tenemos definido el prototipo del modelo de entrada, y las muestras que caen
dentro de cada volumen de busqueda. Ahora se estimar cada ley definida en en el
archivo de parmetros de estimacin y el resultado se grabar sobre el modelo de
salida.



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

Un resumen de los archivos usados por ESTIMA son:

PROTO Modelo de prototipo de entrada
IN Datos de muestras
SRCPARM Parmetros del volumen de busqueda
ESTPARM Parmetros de Estimacin
VMODPARM Parmetros del modelo del variograma
STRI NG Strings del Unfolding
MODEL Modelo de salida
SAMPOUT Muestras de salida

El resto de la informacin es suministrada al proceso a traves de campos y parmetros.



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

Se podrn definir uno o ms volumenes de busqueda usando el archivo de parmetros
del volumen de busqueda (&SRCPARM). Cada registro en este archivo define un
volumen de busqueda por separado y cada volumen de busqueda tiene un nmero de
referencia nico (campo *SREFNUM). Esto significa que un volumen de busqueda puede
ser nico para una ley individual, o puede ser compartido por dos o ms leyes.

Usted define el mtodo para el volumen de busqueda usando el campo *SMETHOD. Al
configurar SMETHOD igual a 1 se usar un rectangulo tridimensional y asignandole un
valor de 2 trabajar con una elipsoide de busqueda. La nica diferencia en estos
volumenes es que el mtodo rectangular puede seleccionar muestras en las ezquinas
del volumen de busqueda como se ilustra en el diagrama. Todo el resto de la
descripcin del volumen de busqueda se har en terminos del elipsoide de busqueda
(valor por defecto).

El largo de los ejes del elipsoide son definidos usando los campos SDIST1, SDIST2 y
SDIST3. Inicialmente SDIST1 est a lo largo del eje X, SDIST2 a lo largo del eje Y y
SDIST3 a lo largo del eje Z.



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

Usted podr definir una, dos o tres rotaciones, y para cada rotacin usted deber
definir tanto el ngulo de rotacin como el eje sobre el cual se realizar la misma. Para
esto el eje X se denominar eje 1, Y como eje 2, y el eje Z como eje 3.

Los ngulos de rotacin son medidos en direccin horaria al mirar desde el lado positivo
hacia el origen con respecto al eje de rotacin. Una ngulo negativo significa una
rotacin en sentido antihorario.

Por ejemplo si la primera rotacin es de A grados alrededor del eje 3 (Z) luego la
elipsoide se orientar como se muestra a continuacin :

Si la elipsoide de busqueda es luego rotada B? alrededor del nuevo eje X', el resultado
ser :


Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

Este ejemplo muestra una rotacin convencional de azimut y dip, sin embargo usted
puede usar cualquier mtodo de rotacin que usted quiera definiendo tanto los
ngulos de rotacin como sus respectivos ejes, para las tres rotaciones.

Simular con la mano izquierda puede ayudar para un mejor entendimiento de las
rotaciones. Ubiquese mirando hacia en norte con su dedo indice apuntando hacia
enfrente suyo, su pulgar hacia arriba, y su dedo del medio apuntado a traves suyo hacia
su lado derecho. Marque el nmero 1 en el dedo del medio, 2 en su indice y 3 en su
pulgar, asi su dedo del medio representa al eje X y apunta hacia el este, su indice es el
eje Y apuntando hacia el norte, y su pulgar es el eje Z apuntando hacia arriba.

Para simular las 2 rotaciones en el ejemplo previo, sujete el dedo pulgar de su mano
izquierda con su mano derecha y rote los otros dos dedos en sentido horario. Luego fije
su dedo del medio y rote su dedo indice y pulgar en sentido horario en el plano vertical.
Sus dedos estn ahora apuntando a lo largo de los ejes de su elipsoide de busqueda
rotada.

Los campos SANGLE y SAXIS en el archivo de parmetros del volumen de busqueda
en este ejemplo serian; A como SANGLE1 y el ej e 3 (Z) como SAXIS1. La segunda
rotacin se define luego por B como SANGLE2 y 1 (X) como SAXIS2. Finalmente



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

SANGLE3 y SAXIS3 reemplazar a la tercera rotacin, si es que esta no existe puede
dejar sin definir estos parmetros o sencillamente asignarle un valor de cero.

Un volumen de busqueda dinmico resulta a menudo muy til, especialmente al
categorizar las reservas en base al nmero de muestras que caen en el volumen de
busqueda, por ejemplo:

probadas (medidas) al menos 6 muestras dentro de 20 metros
probable (indicadas) al menos 4 muestras dentro de 40 metros
posibles(inferidas) al menos 2 muestras dentro de 60 metros

Usted podr hacer esto en una sola corrida de ESTIMA, definiendo tres volumenes de
busqueda concentricos y un mnimo y mximo nmero de muestras para cada volumen.
El primer volumen de busqueda (el ms pequeo) se definir usando los paramtros de
busqueda SDIST1, SDIST2 y SDIST3 como se describieron anteriormente. El segundo
volumen de busqueda se define como un multiplo de esos valores, al multiplicarlos por
SVOLFAC2. Este valor SVOLFAC2 puede ser 0 >=1, en donde si es cero significar que
no se utilizar ni un segundo ni un tercero volumenes de busqueda.

Si SVOLFAC2=1 entonces el segundo volumen de busqueda tendr las mismas
dimensiones que el primer volumen, pero en este caso el usuario probablemente
definir un mnimo nmero de muestras inferior al primer volumen.

Similar al caso anterior, SVOLFAC3 es el factor multiplicativo para el volumen de
busqueda nmero 3, en este caso este podr tomar el valor de 0, >= SVOLFAC2.

En cada volumen de busqueda usted tambin podr definir el mnimo y mximo
numero de muestras, MINNUM1 y MAXNUM1 se aplicarn al primer volumen de
busqueda, MINNUM2 y MAXNUM2 se aplicarn al segundo, y MINNUM3 y MAXNUM3
para el tercero. Si es que existen ms de MAXNUMn de muestras dentro del volumen
de busqueda n, entonces slo se seleccionarn aquellas ms cercanas, cercana
definida en terminos de una distancia transformada y dependiendo del volumen de
busqueda la elipsoide se reduce concentricamente, hasta que slo el MAXNUMn de
muestras caen dentro, esto es ilustrado en el siguiente diagrama:


Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

Las muestras graficadas con x caen fuera del elipsoide de busqueda, y tenemos 14
muestras que caen dentro del elipsoide denotadas con o y +. Si el MAXNUM1 es de 5,
entonces el elipsoide es reducido hasta que solamente las 5 muestras denotadas con +
caen dentro de este. Luego sern estas 5 muestras las usadas para la estimacin del
valor de la celda. El volumen de busqueda 1 es aplicado en primer lugar, si alli existen
menos de MINNUM1 muestras entonces se aplicar el volumen de busqueda 2 y si en
este caso vuelve a ocurrir que existen menos que MINNUM2 muestras entonces se
aplicar el tercer volumen de busqueda. Si finalmente en este caso vuelve a ocurrir que
el nmero de muestras es menor a MINNUM3, entonces la celda queda sin evaluar.
Usted puede registrar cual es el volumen de busqueda que se ha utilizado para la
evaluacin de cada celda al definir el campo SVOL_F del archivo de parmetros de
estimacin. Este es un campo numrico aadido al modelo de salida que contiene los
valores 1,2 3 dependiendo del nmero del volumen utilizado en la evaluacin.

Distancias Transformadas: En el caso de que haya un nmero de muestras mayor
que MAXNUMn dentro del volumen de busqueda, luego la elipsoide es reducida hasta
que el elipsoide contenga solamente el MAXNUMn de muestras. ESTIMA realiza esto
calculando una distancia trnsformada para cada muestra, para luego ordenarlas segn
esta distancia. Para el clculo de esta distancia, primero se rotan los datos de las
muestras en el sistema coordenado de la elipsoide. Si en el sistema rotado el origen de
la elipsoide es (0, 0, 0) y la muestras tienen coordenadas (X, Y, Z), entonces la distancia
transformada D esta dada por :



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

Una muestra que cae en la elipsoide de busqueda puede tener entonces una distancia
transformada de 1, y todas las muestras que caen dentro del elipsoide pueden tener
una distancia transformada menor que 1.

Este clculo de la distancia transformada es ilustrada a continuacin con un ejemplo
Simple:
El esquema representa las muestras A, B y C rotadas en el sistema coordenado de la
elipsoide de busqueda. Los ejes de la elipsoide son SAXIS1=100 y SAXIS2=40 (este
ejemplo es bidimensional, de tal forma que los valores de SAXIS3 no son relevantes).
Las distancias transformadas de los puntos A, B y C a partir del origen son calculadas
como :

Punto A en X = 0, Y = 20:

Punto B con X = 40, Y = 12:

Punto C con X = 50, Y =0:



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

Entonces en este ejemplo, los tres puntos tienen la misma distancia desde el centro

Frecuentemente ocurre que las muestras no se distribuyen uniformemente alrededor de
la celda a estimar, y ms bien estn agrupadas. Al usar el volumen de busqueda con el
mtodo de reduccin descrito anteriormente puede provocar que muestras tengan una
influencia indebida para la estimacin de la ley de la celda. Este problema puede
solucionarse al dividir el volumen de busqueda en octantes asegurandose que un
mnimo nmero de octantes tengan muestras en l. Al definir 3 planos paralelos a los
ejes de la elipsoide de busqueda se definirn 8 octantes , esos planos intersectan al
origen del elipsoide, el cual es tambin el centro de la celda que est siendo estimada.

El diagrama anterior ilustra el mtodo por octantes. La elipsoide contiene 16 muestras
denotadas por O, #, X, y +, y para propositos de este ejemplo todas las muestras estn
sobre el plano XY. SI MAXNUM1 es de 16 o mayor, luego todas las muestras sern
seleccionadas, sin embargo si MAXNUM1 es igual a 8, luego slo se seleccionarn las 8
muestras denotadas por X y + . La ley estimada de la celda puede obviamente ser
sesgada hacia las muestras ubicadas en el N-E del volumen de busqueda.

Si se aplica una busqueda por octantes, con un mximo de 2 muestras por octantes,
entonces slo se seleccionarn aquellas dos muestras ms cercanas -en cada octante- al



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

centro de la celda seleccionada. Esas muestras se grafican por O y X, lo que resultar
preferible a seleccionar las 8 muestras del rea N-E.

En el diagrama se ilustraron los octantes 1 al 4, los que estn sobre el plano XY, con el
octante 1 sobre el N-E. Del 5 al 8 estn bajo el plano XY,bajo el 1 al 4 respectivamente.

La busqueda por octantes queda definida por 4 valores a definir en el archivo de
parmetros del volumen de busqueda. El criterio a usar es que si existen suficientes
muestras en un octante, este es considerado como "completo", y si suficientes octantes
estn completos, entonces slo entonces podr estimarse el valor de la celda.

OCTMETH define la busqueda a usar, si vale 0 entonces no se usar busqueda por
octantes, mientras que si vale 1 entonces si se usar.

MINOCT corresponde al mnimo nmero de octantes a ser completados antes de que la
celda pueda ser estimada.

MINPEROC es el mnimo nmero de muestras en un octante antes de que este se
considere completo.

MAXPEROC es el mximo nmero de muestras a usar por octante. Si en un octante
hay ms que MAXPEROC muestras, slo se considerarn aquellas ms cercanas, para lo
cual se usar la distancia transformada del mtodo de la elipsoide reducida.

MINNUMn y MAXNUMn tambin podrn aplicarse a la busqueda por octantes, en
este caso si el nmero total de muestras es menor a MINNUMn entonces la celda no
ser evaluada, si por el contrario el nmero total de muestras es mayor que MAXNUMn
entonces las muestras sobrantes (segn las distancias transformadas) son removidas
hasta que se cumpla la restriccin de MAXNUMn. Sin embargo, si el remover las
muestras causa que el nmero de muestras en un octante sea menor que MINPEROC,
entonces las muestras no sern removidas. Finalmente si se hace imposible satisfacer
ambos criterios; MAXNUMn y las restricciones por octante entonces la celda tampoco
podr evaluarse.

Si cada registro en el archivo de muestras es idntificado por un Campo Llave,
entonces tambin podr restringirse en el nmero de muestras por valor del campo
llave. El uso ms usual de esta caracterstica es para prevenir que muestras de un slo
pozo tengn una influencia sobrestimada para la estimacin de la ley de la celda. En


Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

este caso el campo llave puede ser el BHID por ejemplo, el nombre del campo llave se
especificar en el campo KEY (ejemplo *KEY(BHID)). El mximo nmero de muestras
con el mismo valor del campo llave se determina usando el campo MAXKEY en el
archivo de parmetros del volumen de busqueda. Si MAXKEY no se define o queda con
valor 0, entonces significa que no se utilizar el concepto de campo llave.

Para el caso de busqueda por octantes, MAXKEY se aplicar al nmero de muestras
dentro de cada octante.

El archivo de parmetros para el volumen de busqueda contiene 24 campos
mostrados en la tabla ubicada en la pgina siguiente . Todos estos campos son
numricos y de definicin obligatoria. El valor por defecto para cada campo es el valor
usado por el proceso en el caso de que el campo haya sido ingresado como dato
ausente.

Archivo de Parmetros del Volumen de Busqueda

Nombre del
Campo

Valor por
Defecto

Descripcin

SREFNUM

Nmero de Referencia del Volumen de Busqueda

SMETHOD

2

Forma del V. de B. (1=Rectangular, 2=elipsoidal)

SDIST1

100

Mxima distancia de Busqueda en la direccin 1 (X)

SDIST2

100

Mxima distancia de Busqueda en la direccin 2 (Y)

SDIST3

100

Mxima distancia de Busqueda en la direccin 3 (Z)

SANGLE1

0

Primer ngulo de rotacin para el V. de B.

SANGLE2

0

Segundo ngulo de rotacin para el V. de B.

SANGLE3

0

Tercer ngulo de rotacin para el V. de B.

SAXIS1

3

Eje para la primera rotacin (1=X, 2=Y, 3=Z)

SAXIS2

1

Eje para la segunda rotacin

SAXIS3

3

Eje para la tercera rotacin

MINNUM1

1

Mnimo nmero de muestras para el primer V. de B. dinmico

MAXNUM1

20

Mximo nmero de muestras para el primer V. de B. dinmico

SVOLFAC2

0

Factor multiplicador de los ejes para el segundo V. de B. dinmico


Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

MINNUM2

1

Mnimo nmero de muestras para el segundo V. de B. dinmico

MAXNUM2

20

Mximo nmero de muestras para el segundo V. de B. dinmico

SVOLFAC3

0

Factor multiplicador de los ejes para el tercer V. de B. dinmico

MINNUM3

1

Mnimo nmero de muestras para el tercer V. de B. dinmico

MAXNUM3

20

Mximo nmero de muestras para el tercer V. de B. dinmico

OCTMETH

0

Mtodo de octantes (0=no lo usa, 1=si lo usa)

MINOCT

2

Mnimo nmero de octantes a ser completados

MINPEROC

1

Mnimo nmero de muestras en un octante

MAXPEROC

4

Mximo nmero de muestras en un octante

MAXKEY

0

Mximo nmero de muestras con el mismo valor del campo llave

El archivo prototipo del modelo de entrada describe las coordenadas del centro de la
celda con los campos XC, YC y ZC y las dimensiones de las celdas con los campos XINC,
YINC y ZINC. Para mtodos de estimacin tales como La Potencia del Inverso de las
Distancias basta con usar el centro de las celdas y realizar la estimacin en funcin de
las distancias de cada una de las muestras a partir del centro de las celdas, sin embargo
esto significa que usted ignora por completo las dimensiones y la forma de la celda.

Mejor que representar una celda por un slo punto, ESTIMA le permite simular la celda
por un arreglo de puntos tridimensional, distribuidos en forma regular dentro de la
celda. Asi en el caso del mtodo de la Potencia del Inverso de las Distancias, se estima
el valor de cada punto discretizado, y luego se calcula la media aritmtica de todos los
puntos como el valor de la celda. Para el clculo de Krigeage los puntos discretizados
se utilizan para calcular la covarianza de la celda con cada una de las muestras que
tiene alrededor, lo que es finalmente usado para el clculo de los pesos del krigeage

Ni el mtodo de estimacin de las muestras ms cercanas ni el mtodo del estimador de
Sichel's t utilizan puntos de discretizacin, el primero se basa en las distancias hasta el
centro de la celda, mientras que el estimador de Sichel's t es una funcin de la
distribucin lognormal.



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

Existen dos mtodos para definir la discretizacin de puntos, ambos quedan definidos
por el parmetro @DI SCMETH

Metodo 1 Si el parmetro @DI SCMETH es igual a 1, entonces usted usar los
parmetros @XPOI NTS, @YPOI NTS y @ZPOI NTS para definir el nmero de puntos
de discretizacin en las direcciones X, Y y Z respectivamente.

Si usted define un nmero par de puntos en una direccin, entonces los puntos son
espaciados a lo largo de la linea centro, en cambio si usted define un nmero impar de
puntos habr un punto sobre la linea centro y los otros podrn ser regularmente
espaciados hacia las esquinas, todo esto se ilustra en forma bidimensional en el
siguiente diagrama:
Mtodo 2 - Espaciamiento definido: Si usted configura @DISCMETH = 2,
entonces usted podr definir la distancia entre los puntos de discretizacin, en vez del
nmero de puntos, en este caso usted deber definir los parmetros @XDSPACE,
@YDSPACE y @ZDSPACE. Al usar este mtodo siempre habr un punto que caer
sobre el centro de la celda, y los otros se localizarn a las distancias ya especificadas
desde este.



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

El diagrama ilustra la localizacin de los puntos de discretizacin usando @DISCMETH =
2 con @XDSPACE = 5 y @YDSPACE = 4. En el caso de que se calcule que un punto cae
sobre el lmite de la celda entonces este no ser creado.

La ventaja del primer mtodo es que usted estar seguro de tomar el mismo nmero de
puntos en todas las direcciones, independiente de las dimensiones de la celda. Sin
embargo su desventaja es que el espaciamiento en una direccin puede ser mucho
mayor que en otra direccin, dependiendo ahora si de las dimensiones relativas de la
celda.

La ventaja del segundo mtodo es que al configurar @XDSPACE, @YDSPACE y
@ZDSPACE iguales entre si, usted podr obtener un conjunto de puntos de
discretizacin completamente regular sobre la celda. Sin embargo su desventaja es que
para pequeas celdas se reducir enormemente la cantidad de puntos de discretizacin,
esto es ms problematico en el caso del krigeage, ya que en este caso el kriging
requiere de un mnimo de puntos de discretizacin antes de que la celda pueda ser
evaluada.

En general el mtodo ms recomendable es probablemente el primero.



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

Como se menciono inicialmente usted puede seleccionar diferentes leyes a estimar, usar
diferentes mtodos de estimacin y diferentes parmetros en una sola corrida de
ESTIMA. Estas diferentes combinaciones de leyes-mtodos-parmetros quedan definidas
por un registro en el archivo de parmetros de estimacin (&ESTPARM).

Mtodos Disponibles : Los mtodos de estimacin quedan definidos por el campo
IMETHOD, el que puede tomar los siguientes valores :

1 Distancias ms Cercanas (NN)
2 La Potencia del Inverso de las Distancias (IPD)
3 Kriging Ordinario (OK)
4 Kriging Simple (SK)
5 Estimador de Sichel's T (ST)

Los siguientes prrafos describen las caractersticas ms comunes de estos mtodos de
estimacin, ms algunos detalles especficos de cada mtodo.

Un Ejemplo Simple de un archivo de parmetros de estimacin se muestra ms
abajo, en este ejemplo la ley de AU es estimada usando el Inverso de las Distancias (2)
y la AG usando un Kriging Ordinario (3).

DESCRIPCION

NOMBRE DEL
CAMPO A
ESTIMAR

NUMERO DE
REFERENCIA
DEL V. DE B.

METODO DE
ESTIMACION

POTENCIA PARA
EL METODO IPD

NUMERO DE
REFERENCIA DEL
VARIOG.

CAMPO

VALUE_IN

SREFNUM

IMETHOD

POWER

VREFNUM

TIPO DE CAMPO

A (8 Caracteres)

N

N

N

N

REGISTRO 1

AU

1

2

2

-

REGISTRO 2

AG

2

3

-

1

Cada estimacin es definida como un registro independiente dentro de este archivo.
Usted podr ver en este ejemplo que se han definido diferentes volumenes de busqueda
para las dos leyes. El nmero de referencia del volumen de busqueda (SREFNUM) esta
referido al campo equivalente en el archivo de parmetros del volumen de busqueda.



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

Como se describio anteriormente cada mtodo de estimacin (IMETHOD) tiene un
cdigo numrico. El campo POWER slo se aplica al IPD (IMETHOD=2). Finalmente el
nmero de referencia del modelo del variograma queda registrado en un registro del
archivo de parmetros del modelo del variograma, y que ser descrito ms adelante.

El campo VALUE_IN field es un campo alfanumerico de 8 caracteres, y es usado para
definir las leyes a ser estimadas, que en este caso son AU y AG y que deben existir en el
archivo de datos de muestras. El campo VALUE_OU (alfanumerico de 8 caracteres) es
opcional y especifica un nombre para los campos evaluados en el archivo del modelo de
salida. Si usted no especifica ningn nombre en este campo o lo deja en blanco
entonces se usar el mismo nombre del campo VALUE_IN (tal como en el caso del
ejemplo previo).

EL campo VALUE_OU es muy til si usted quiere estimar la misma ley por diferentes
mtodos o por el mismo mtodo, pero usando diferentes parmetros. Por ejemplo si
usted quiere estimar las leyes de AU por IPD y OK, entonces el campo VALUE_OU
puede ser AU-IPD y AU-OK, en ambos casos el campo VALUE_IN ser AU.

DESCRIPC.

NOMBRE CAMPO
A ESTIMAR EN
ARCHIVO
ENTRADA

NOMBRE CAMPO
ESTIMADO EN
ARCHIVO DE
SALIDA

NUMERO DE
REFERENCIA
DEL V. DE B.

METODO DE
ESTIMACION

POTENCIA
PARA EL
METODO
IPD

NUMERO DE
REFERENCIA
DEL VARIOG.

CAMPO

VALUE_IN

VALUE_OU

SREFNUM

IMETHOD

POWER

VREFNUM

TIPO DE CAMPO

A (8 Caract.)

A (8 Caract.)

N

N

N

N

REGISTRO 1

AU

AU-IPD

1

2

2

-

REGISTRO 2

AU

AU-OK

1

3

-

1

Pueden existir ocaciones donde usted quiera usar diferentes parmetros para la misma
ley en diferentes reas, por ejemplo el AU puede tener diferentes conjuntos de
parmetros de estimacin dependiendo del tipo de roca. Para esto el usuario podr
definir uno o dos campos "ZONE" (Zonas de Control) y definir diferentes parmetros
para cada combinacin. Estas zonas se definen usando los campos *ZONE1_F y
*ZONE2_F. Por ejemplo si usted quiere tener diferentes parmetros segn tipo de roca
y una zona por defecto deber especificar:



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

Los campos ROCK y FLTZONE debern existir tanto en el archivo con los datos de
muestras como en el archivo del modelo del prototipo, usted no puede usar zonas de
control si su archivo de modelo de entrada no tiene celdas.
Estos campos Zone pueden ser numericos o alfanumericos, si ellos son alfanumericos
pueden contener un mximo de 20 caracteres (5 palabras). En el siguiente ejemplo el
campo ROCK es alfanumerico y el campo FLTZONE es numerico.

DESCRI PCI
ON

CAMPO A
ESTIMAR

NUMERO DE
V. DE B.

METODO DE
ESTIM.

TIPO ROCA
(ZONE1_F)

ZONE POR
DEFECTO
(ZONE2_F)

POTENCIA
PARA EL
IPD

NUMERO
MODELO
VARIOGR.

CAMPO

VALUE_IN

SREFNUM

IMETHOD

ROCK

FLTZONE

POWER

VREFNUM

TIPO

A-8 CAR.

N

N

A-4 CAR.

N

N

N

REGIST. 1

AU

1

3

A

1

-

1

REGIST. 2

AU

1

3

B

1

-

2

REGIST. 3

AU

2

2

A

2

2

-

REGIST. 4

AU

2

2

B

2

3

-

REGIST. 5

AU

2

2

-

2

-

En el registro 5 no hay informacin en ninguna de las dos zonas (blanca para el campo
alfanumerico ROCK, y "-" para el campo numerico FLTZONE). Este conjunto de
parmetros (la opcin por defecto) se utiliza para estimar algunas celdas cuyos campos
ROCK y FLTZONE no se definieron explicitamente en el archivo de parmetros de
estimacin. Para usar esta opcin por defecto con dos campos Zone, usted deber
especificar ambos valores como datos ausentes.

Si usted tiene dos campos Zone, entonces no le ser posible especificar un campo
(explicito) y tener el otro campo como dato ausente, por ejemplo usted no podr tener
ROCK como B y FLTZONE como -, ya que en ese caso le aparecer un mensaje de
error.

Si hay slo un campo Zone , luego los parmetros de estimacin correspondientes a
campo Zone con valores ausentes se aplicarn a todos los valores cuyo campo Zone no
sea especificado de otra manera en el archivo de parmetros de estimacin. Entonces si
todas las zonas son estimadas usando un slo conjunto de parmetros usted slo


Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

necesitar un registro en el archivo de parmetros de estimacin en cual tenga el
campo Zone con datos ausentes.

En adicin a los campos de leyes, algunos mtodos de estimacin pueden calcular
Campos Secundarios. Por ejemplo al krigeage tambin clcula el nmero de muestras
usadas para la estimacin del krigeage y de su varianza. Si usted desea que estos
campos aparezcan en el archivo del modelo de salida, estos campos debern definirse
usando el archivo de parmetros de estimacin, por ejemplo:

DESCRIPCION

CAMPO A
ESTIMAR

NUMERO
V. DE B.

METODO DE
ESTIMAC.

NUMERO
MUESTRAS
USADAS

VARIANZ.
ESTIMAC.

NUMERO V.DE
B. DINAMICO

DISTANCIA
MUESTRA +
CERCANA

CAMPO

VALUE_IN

SREFNUM

IMETHOD

NUMSAM_F

VAR_F

SVOL_F

MINDIS_F

TIPO

A - 8

N

N

A - 8

A - 8

A - 8

A - 8

REGISTRO 1

AU

1

3

N-AU

VAR-AU

SVOL-AU

MDIST-AU

REGISTRO 2

AG

1

3

N-AG

VAR-AG

SVOL-AG

MDIST-AG

El volumen de busqueda dinmico se describi anteriormente, y este toma los valores
de 1,2 3 dependiendo de cual sea el volumen de busqueda que se va a usar. En el
ejemplo de arriba los campos SVOL-AU y SVOL-AG pueden crearse en el archivo del
modelo de salida para registrar cual fue el volumen de busqueda dinmico usado para
cada ley.

El clculo de las distancias transformadas de las muestras desde el centro de la celda
tambin fue anteriormente descrito y campo MINDIS_F le permitir definir cual el
nombre del campo en el cual se grabarn la distancia tranformada de la muestra ms
cercana, lo que puede llegar a ser muy util, por ejemplo, al momento de categorizar las
reservas. Los otros campos secundarios usados en este ejemplo son NUMSAM_F para
registrar el nmero de muestras usadas para realizar la estimacin, y VAR_F para
registrar la varianza de la estimacin, el ltimo campo slo se aplica a algunos de los
mtodos de estimacin. Si no hubieron datos ausentes para los valores de AU o AG en
el archivo de datos de muestras y ambas variables se estimaron usando los mismos
parmetros del volumen de busqueda, entonces los campos NUMSAM_F, SVOL_F y
MINDIS_F pueden tener los mismos valores, en este caso no necesitar especificar
diferentes nombres de campos y los registros 1 y 2 podrn definirse como:



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

DESCRIPC.

CAMPO A
ESTIMAR

NUMERO
REFEREN.V.
DE B.

METODO
ESTIMAC.

NUMERO
MUESTRAS
USADAS

VARIANZ.
ESTIMAC.

NUMERO
V.DE B.
DINAMICO

DISTANCIA
MUESTRA
+CERCANA

CAMPO

VALUE_IN

SFERNUM

IMETHOD

NUMSAM_F

VAR_F

SVOL_F

MINDIS_F

TIPO

A - 8c.

N

N

A - 8c

A - 8c

A - 8c

A - 8c

REGIST. 1

AU

1

3

N

VAR-AU

SVOL

MDIST

REGIST. 2

AG

1

3

N

VAR-AG

SVOL

MDIST
Si los parmetros de la variografa son diferentes, entonces la varianza del kriging puede
ser diferente y en ese caso deber usar diferentes nombres de campos.

Si usted especifica o usa los mismos nombres de campos al usar diferentes parmetros
para los volumenes de busqueda , entonces los valores se grabarn en el archivo del
modelo de salida, pero usted no sabr si es que ellos se aplicaron al AU o al AG. Esto
significa que usted deber tener cuidado al momento de designar los nombres para los
campos secundarios.



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

Corresponde al mtodo definido por el parametro IMETHOD = 1. Al usar este mtodo a
cada celda se le asigna el valor de la muestra "ms cercana", entendiendo como
distancia ms cercana a la distancia transformada o la distancia anisotropica en el caso
de considerar anisotropias en la distribucin espacial de las leyes.

Este mtodo no incluye valores de muestras ponderadas, por lo que podr estimar
tanto campos numericos como alfanumericos (de hasta 20 caracteres o 5 palabras).

Todas las muestras que caen dentro del volumen de busqueda se identifican como se
describio anteriormente, y la distancia anisotropica desde la muestra hasta el centro de
la celda se calcula en base a la Elipsoide de Anisotria, la que se define en forma
idntica a la elipsoide de busqueda, de hecho, la elipsoide de busqueda y la elipsoide
de anisotropia pueden ser la misma (situacin ms usual). Sin embargo ESTIMA le
permite definir diferentes elipsoides de acuerdo a su situacin particular.

El campo ANISO se usa para definir la distancia transformada que usara :

0 Ni transformada ni anisotropica. Las distancias se calculan desde el
sistema coordenado del archivo de las muestras.

1 Usa las distancias transformadas definidas por el volumen de
busqueda.

2 Usa las distancias transformadas definidas por la elipsoide de
anisotropia.

Si ANISO = 2, entonces usted deber especificar los campos de la elipsoide de
anisotropia usando los campos ANANGLE1, ANANGLE2, ANANGLE3 y ANDIST1,
ANDIST2, ANDIST3, que se definen en forma identica a los parmetros SANGLEn y
SDISTn que se describieron en la seccin referente al volumen de busqueda y las
convenciones tambin sern las mismas , es decir que, la primera rotacin es alrededor
del eje SAXIS1, la segunda alrededor del eje SAXIS2 y lo mismo para SAXIS3.



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

Corresponde al mtodo definido por IMETHOD = 2. El valor estimado por este mtodo
se calcula ponderando cada muestra por el inverso de la potencia de sus distancias
hasta el centro de las celdas. Usted define la potencia requerida usando el campo
POWER, si usted configura POWER como 0 entonces se considerar la media aritmtica
de las muestras.

Todas las muestras que caen dentro del volumen de busqueda se identifican como se
describio previamente, y se podr usar restricciones para el mnimo y mximo nmero
de muestras a considerar, finalmente se estima la ley de cada punto discretizado en la
celda. Esto se hace usando la distancia anisotropica tal como se hizo en el mtodo
anterior de las distancias ms cercanas. El valor de la celda estimada se clcula en
definitiva como la media aritmtica de los puntos discretizados.

Si una muestra cae exactamente en un punto de la discretizacin entonces su distancia
ser de cero y tendr un peso de 100%, esto provocar una desviacin de la
estimacin, particularmente si usted tiene tan slo un punto en la discretizacin. Usted
podr soslayar este problema al especificar un valor positivo para el campo ADDCON.
Este valor en primer lugar es normalizado dividiendo el valor por usted especificado por
el largo del eje de anisotropia. El proceso luego sumar el valor de ADDCON a cada
distancia antes de estimar el valor del punto discretizado.

Usted podr usar una ponderacin por largo y/o densidad al especificar los campos
*LENGTH_F y/o *DENS_F. Por ejemplo:

Deber verificar que ambos campos (LENGTH y DENSITY) existan en el archivo de datos
de muestras. Usted notar que el uso de ambos campos en la ponderacin es
equivalente a ponderar por el tonelaje de la muestra.

Si usted usa ponderacin por density y length, entonces el peso Wi para la muestra i
para la estimacin de un punto discretizado:



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

En donde

Li es el largo de la muestra i
?i es la densidad de la muestra I

es la distancia transformada de la muestra i, desde el punto
discretizado elevado a la potencia P

La estimacin Ek del punto discretizado es luego dada :

Donde Gi es la ley de la muestra i

El valor de la celda estimada Ec se clcula finalmente como la media aritmtica de todos
los puntos discretizados:

En donde N es el nmero de puntos discretizados

Si se especifico *LENGTH_F y/o *DENS_F, pero algunos registros en el archivo de
datos de muestras no tienen datos para esos campos, entonces la muestra no se usar
en la estimacin.

Adems del valor estimado, este mtodo clcula la varianza "V" de las muestras, la cual
corresponde a la clasica varianza estadstica de todas las muestras usadas en la
estimacin, se decir:

En donde
Gi es la ley de la muestra i
Ns es el nmero de muestras usadas al hacer la estimacin



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

Este campo secundario puede grabarse en el archivo de salida usando el campo VAR_F
descrito previamente.

El Kriging es el mtodo geostadistico para la estimacin de la ley del volumen. Las dos
opciones disponibles para el krigeage en ESTIMA son el Kriging Ordinario y Kriging
Simple identificado por el campo IMETHOD en el archivo de parmetros de estimacin:

Kriging Ordinario (OK) IMETHOD = 3
Kriging Simple (SK) I METHOD = 4

Al igual que el mtodo IPD, el kriging asigna pesos a las muestras a su alrededor. Sin
embargo presenta una gran ventaja sobre todos los otros mtodos ya que clcula estos
pesos considerando minimizar la varianza del error.

Para minimizar la varianza del error, el kriging toma en cuenta la localizacin espacial de
las muestras y la relacin espacial con las otras. Por lo tanto si varias muestras estn
agrupadas, el kriging lo considerar y sus pesos sern reducidos de acuerdo a esto. Esta
es otra ventaja sobre sobre el IPD, en donde los pesos slo dependen de la distancia
de la muestra al punto de estimacin,sin considerar las localizaciones espaciales de las
muestras.

El clculo de los pesos del kriging se basa en el modelo del variograma, el cual describe
la correlacin entre dos muestras como una funcin de la distancia entre ellas. Usted
encontrar ms detalles de los modelos de variogramas en la seccin del archivo de
parmetros del modelo del variograma.

En el caso de OK se clcula un peso para cada muestra, tal que la suma de esos pesos
es igual a 1. En el caso del SK tambin se clcula un peso para cada muestra, pero se
asigna un peso de ( 1 - Wi ) para la ley media. El SK no es tan sensible a las
tendencias locales de las muestras como el OK, ya que depende parcialmente de la ley
media, la que se asume conocida y constante a lo largo de un rea. Por lo tanto el OK
es el ms comunmente usado. En el caso de que usted desee un mayor detalle de la
forma en que el kriging clcula los pesos, consulte las referencias geostadisticas dadas
en la bibliografa al final de este manual.



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

Las entradas para OK y SK son muy similares y la siguiente descripcin se aplica a
ambos mtodos (usted encontrar una pequea seccin al final de este capitulo
especifica para SK).

ESTIMA permite hacer kriging lineal y lognormal tanto para OK y SK. El campo LOG en
el archivo de parmetros de estimacin ser el que define la utilizacin de Kriging lineal
y Kriging Lognormal .

Para el kriging lineal los pesos son aplicados a las leyes de las muestras, mientras que
en el caso del kriging lognormal los pesos se aplican a los logaritmos de las leyes para
luego ser transformados nuevamente. Todas las transformaciones son realizadas dentro
de ESTIMA, y usted no necesita hacer las transformaciones logaritmicas usted mismo.
Para la transformacin inversa (volver a los valores muestrales) se clcula como:
El algoritmo del kriging lognormal se basa en el mtodo de P.A.Dowd descrito en su
publicacin titulada 'Lognormal Kriging - The General Case'.

Los mtodos de clculo son dos; el mtodo de aproximacin de Rendu, y el mtodo
general. Debe considerarse que el mtodo general es iterativo y puede requerir varias
soluciones de la matriz del kriging para cada panel krigeado, esto hace que sea ms
demoroso que el mtodo de Rendu. Le recomendamos leer la publicacin de P.A.Dowd,
pero de todas formas hemos incluido un resumen de sus conclusiones (debe considerar
la variable C como la varianza espacial para un modelo de variograma esfrico).

a. Para pequeos valores de C (<1), el caso general del kriging lognormal, asumiendo
conservacin de la lognormalidad, entrega resultados que no tienen diferencias
significativas de aquellos obtenidos sin la condicionante de conservacin de la
lognormalidad. A medida que crece C, las varianza del kriging obtenidas desde ambos
mtodos resultan muy similares, pero las diferencias en los pesos del kriging se hacen
ms significativas.



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

b. La aproximacin de Rendu's normalmente subestima la varianza del kriging incluso
para paneles relativamente pequeos (por ejemplo con lados del 20% del rango).

c. El kriging Ordinario normalmente sobrestima la varianza del kriging.

d. Todos los mtodos entregan resultados similares para paneles muy pequeos (lados
de un 5% o menor al rango), excepto cuando existe un efecto pepita (Co), en cuyo caso
el kriging ordinario es significativamente diferente a los otros.

e. En la medida que crece Co los resultados obtenidos de la aproximacin de Rendu's
se acerca a los obtenidos sin la consideracin de conservacin de la lognormalidad,
aunque la aproximacin entrege varianzas del kriging significativamente subestimadas.
La significancia de las diferencias en los resultados obtenidos por el KO en comparacin
con los otros mtodos aumenta a medida que aumenta el efecto pepita.

Se le recomienda al usuario leer otras publicaciones al respecto de este tema, en
particular las pginas 119-120 del libro "Applied Advanced Geostatistical Ore Reserve
Estimation de Michel David, el que muestra el gran cuidado que se deber tomar al
aplicar el kriging lognormal.

Si usted selecciona el kriging lognormal, podr seleccionar el uso de la aproximacin de
Rendu's o el caso general, para lo cual deber configurar el campo GENCASE del
archivo de parmetros de estimacin, en donde :

GENCASE = 0 Usa la aproximacin de Rendu
GENCASE = 1 Usa el mtodo general

Al seleccionar el caso general, usted deber configurar tres campos ms; DEPMEAN,
TOL y MAXITER los que se debern incluir en el archivo de parmetros de estimacin
como se indican a continuacin :

La varianza del kriging lognormal se calcula como una varianza relativa VR , relativa al
cuadrado de la media (m) del depsito:



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

entonces usted deber especificar la actual media del depsito (m), o darle el valor de
0, en cuyo caso en proceso usar la estimacin krigeada de la celda como la media.

DEPMEAN >0, usa este valor como la media
=0, usa la estimacin krigeada como la media

El mtodo del caso general usa un procedimiento iterativo para calcular los pesos del
kriging, estos se calculan y comparan con su estimacin previa, y en el caso de que
cada nuevo peso este dentro de una cierta tolerancia centrada en el valor previo,
entonces el valor es aceptado, y de no ser asi se calcular otro conjunto de pesos.
Usted define la tolerancia (campo TOL), y el mximo nmero de iteraciones (campo
MAXITER). Si los pesos no convergen antes de MAXITER, entonces finaliza el calculo
para la celda y se usa el ltimo conjunto de pesos calculados.

Por cada campo VALUE_IN a estimar por krigeage, deber definirse el correspondiente
nmero de referencia del variograma (VREFNUM) (en el archivo de parmetros de
estimacin), el cual es una referencia del tipo de variograma y de sus parmetros
almacenados en el archivo de parmetros del modelo del variograma.

Los modelos almacenados en el archivo de parmetros del modelo del variograma
pueden ser normales o lognormales. El campo LOG en el archivo de parmetros de
estimacin definir si usted usar un kriging lineal o lognormal.

El Kriging al igual que NN y IPD, primero identifica todas las muestras que caen
dentro del volumen de busqueda, considerando las restricciones del mnimo y mximo
nmero de muestras. Finalmente se llena la matriz del kriging y se soluciona para
calcular los pesos del kriging y el valor estimado de cada celda. Adems de esto el
kriging puede calcular 3 variables secundarias (por cada celda), las que pueden ser
grabadas en el archivo de modelo de salida :

- El nmero de muestras usadas para el krigeage
- La varianza del kriging
- La distancia transformada de la muestra ms cercana

Para poder grabar esas variables secundarias, usted deber definir los nombres de estos
campo en el archivo de parmetros de estimacin, como fue descrito anteriormente.



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

Bajo ciertas condiciones los pesos asignados a una o ms de las muestras puede ser
negativo, lo que ocurre generalmente cuando el modelo del variograma tiene un efecto
pepita muy pequeo y ocurre un efecto pantalla ya que existen muestras (que tapan)
entre la celda y la muestra de interes. Es improbable que pesos negativos puedan ser
un porcentaje importante de los pesos totales. A pesar de que los pesos negativos son
matemticamente correctos, existe una escuela de pensamiento que consider que
pesos negativos son incorrectos y deben asignarseles valores nulos, lo que podr hacer
usando el campo KRIGNEGW:
KRIGNEGW = 0 Mantiene los pesos negativos y los usa
1 Asigna 0 a los pesos negativos
En el segundo caso, los pesos de las otras muestras son proporcionalmente ajustados
para que la suma de los pesos continue siendo de 1. Algunos chequeos en el mnimo
nmero de muestras (MINNUMn) son aplicados antes de que los pesos del kriging sean
calculados, de tal forma que es factible encontrar menos de MINNUMn muestras.

Debido a complejidades matemticas del kriging, a veces ocurre que la varianza del
kriging es ligeramente mayor que la meseta del modelo del variograma. El campo
KRIGVARS del archivo de parmetros de estimacin controla el resultado final para
esta varianza, tal que :

KRI GVARS = 0 Mantiene el valor de la varianza > meseta
1 le asigna el valor de la meseta

Esto es slo aplicable al kriging lineal, ya que las varianzas del kriging lognormal
dependen del valor de DEPMEAN y son entonces frecuentemente mayores a la meseta.

El kriging simple asigna un peso para un valor medio local, y a las muestras alrededor,
usted podr usar los campos LOCALMNP y LOCALM_F en el archivo de parmetros de
Estimacin para seleccionar como se definir este valor medio local:

LOCALMNP = 1 indica que se usar este campo en el archivo de entrada del
modelo del prototipo para definir la media local

2 calcula la media local como la media aritmetica de todas las
muestras que caen dentro del volumen de busqueda.

Si usted define LOCALMNP = 1, deber adems especificar el nombre del campo en el
archivo de entrada del prototipo del modelo que defina esta media local. El nombre de


Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

este campo en el archivo de parmetros de estimacin es LOCALM_F y es campo
alfanumerico de 8 caracteres, como por ejemplo:

DESCRIPC.

CAMPO A
SER
ESTIMADO

NOMBRE
CAMPO EN
MODELO DE
SALIDA

NUMERO
DEL
VOLUMEN
DE BUSQ.

METODO
DE
ESTIMAC.

METODO PARA
CALCULAR LA
MEDIA LOCAL
EN EL SK

CAMPO DE LA
MEDIA LOCAL
EN ARCHIVO
PROTOT. DEL
MODELO

NUMERO DE
REFER. DEL
MODELO
VARIOGR.

CAMPO

VALUE_IN

VALUE_OU

SREFNUM

IMETHOD

LOCALMNP

LOCALM_F

VREFNUM

TIPO

A - 8 C.

A - 8 C.

N

N

N

A - 8 C.

N

REGISTRO 1

AU

AU - OK

1

3

-

1

REGISTRO 2

AU

AU - SK

1

4

1

AU-LMEAN

1

REGISTRO 3

AG

AG - SK

2

4

2

2

Se estimar el campo AU tanto por OK (IMETHOD = 3) y SK (IMETHOD = 4). Para el
caso de SK, la media local es suministrada por el campo AU-LMEAN en el archivo de
entrada del prototipo del modelo. Entonces usted deber tener creado este campo
anteriormente, en una previa corrida de ESTIMA por ejemplo, usando IPD con una
potencia de POWER = 0 y un radio de busqueda grande, lo que dar la media aritmetica
de todas las muestras que esten dentro del volumen de busqueda.

Alternativamente usted podr asignar esta media en forma simple definiendo medias de
acuerdo al tipo de roca o alguna otra caracterstica geologica.

La ley AG puede estimarse tambin usando usando kriging simple . Como LOCALMNP
= 2, la media local podr calcularse como la media aritmetica de todas las muestras
que caen dentro del volumen de busqued, la que se calcular antes de que el maximo
numero de muestras y restricciones de campos llaves sean aplicados.



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

El mtodo definido por IMETHOD =5 es utilizado cuando la distribucin estadstica de
las muestras es lognormal. A diferencia del IPD y del kriging este no toma en cuenta la
distancia de las muestras al centro de la celda a estimar, razn por la cual es ms
recomendable en la estimacin de grandes celdas cada una de las cuales contiene varias
muestras, y en donde el volumen de busqueda es de aproximadamente el mismo
tamao que la celda. Ms detalles del mtodo son descritos en el paper de H.S.Sichel
que encontrar en nuestra bibliografa.

En resumen el estimador t se define como:

en donde

Gi es la ley de la muestra i
a es una constante tal que [Gi+ a] es una distribucin lognormal

Si la distribucin de las muestras sigue una distribucin lognormal de 3 parmetros,
usted podr definir la constante aditiva a usando el campo ADDCON en el archivo de
parmetros de estimacin, el mismo campo usado por IPD, pero este tiene un
significado completamente diferente en este contexto.

Las campos secundarios NUMSAM_F, SVOL_F, VAR_F y MINDIS_F se definen en forma
idntica al proceso IPD.



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

La siguiente tabla resume los campos en el archivo de parmetros de estimacin, puede
notar que slo los campos VALUE_IN y SREFNUM son obligatorios de definir; y usted
podr usar el valor por defecto para todos los otros campos de asi lo deseara.

El nombre de los campos Zone son encerrados en {... }, lo que significa que no es el
nombre actual del campo en el archivo; el nombre actual que puede usar es el nombre
del campo Zone que esta incluido en su archivo de muestras de entrada y en el archivo
del prototipo del modelo, tales como ROCK o FLTZONE.

El valor por defecto del campo VALUE_OU es el nombre que usted especifico en el
campo VALUE_IN.



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

ARCHIVO DE PARAMETROS DE ESTIMACION

CAMPO

TI PO

DEFECTO

METODOS

DESCRIPCION

VALUE_IN

A - 8

Todos

Nombre del campo a estimar

VALUE_OU

A - 8

VALUE_IN

Todos

Nombre del campo a crear

SREFNUM

N

Todos

Nmero de referencia del volumen de Busqueda

ZONE1_F

A o N

Todos

1er campo que controla la estimacin por zona

ZONE2_F

A o N

Todos

2do campo que controla la estimacin por zona

NUMSAM_F

A - 8

Todos exepto NN

Campo con el nmero de muestras usadas

SVOL_F

A - 8

Todos

Campo con el volumen de busqueda dinmico

VAR_F

A - 8

Todos exepto NN

Campo que contiene las varianzas

MINDIS_F

A - 8

Todos

Campo con la distancia a la muestra ms cercana

IMETHOD

N

1

Todos

Mtodo de estimacin

ANISO

N

1

NN, IPD

Mt. de Anis.; 0=iso , 1=vol. de busqueda, 2=usa ANANGLE

ANANGLE1

N

0

NN, IPD

Angulo de anisotropia 1

ANANGLE2

N

0

NN, IPD


ANANGLE3

N

0

NN, IPD


ANDIST1

N

1

NN, IPD

Distancia de anisotropia1

ANDIST2

N

1

NN, IPD


ANDIST3

N

1

NN, IPD


POWER

N

2

IPD

Potencia para la ponderacin de las distancias

ADDCON

N

0

IPD, ST

Para IPD es la const. Aadida a las distancias y para ST es la
constante aditiva para la lognormalidad

VREFNUM

N

1

OK, SK

Nmero de referencia del modelo del Variograma

LOG

N

0

OK, SK

Activador del kriging lognormal, 0=lineal, 1=lognormal

GENCASE

N

0

LOG=1

Mtodo del kriging lognormal, 0=Rendu, 1=Caso general

DEPMEAN

N

0

LOG=1

Media para el clculo de la varianza lognormal

TOL

N

0,01

GENCASE=1

Tolerancia en la convergencia para el kriging lognormal

MAXITER

N

3

GENCASE=1

Mximo nmero de iteraciones para el kriging lognormal

KRIGNEGW

N

0

OK, SK

Pesos negativos del kriging; 0= los mantiene y usa, 1=los ignora

KRIGVARS

N

1

KRIGING LINEAL

Varia. Krig.> C; 0= las mantiene y usa, 1=les asigna el valor de C

LOCALMNP

N

2

SK

Mt. Clculo media local; 1=campo en PROTO, 2=calcula la media

LOCALM_F

A - 8

SK

Nombre del campo con la media local en el PROTO


Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

Al crear el modelo de bloques geologicos generalmente se utiliza divisiones de celdas de
forma de obtener una buena representacin volumetrica de los lmites geologicos. Es
comn tambin estimar leyes para cada una de estas subceldas, lo que en algunos
casos puede ser un refinamiento innecesario, como en el caso por ejemplo que sus
datos de leyes sean muy escasos o esparcidos, esto consume tiempo ya que muchas
veces bastar con la estimacin de la ley en la celda patrn. Esto es particularmente
cierto en las primeras estimaciones de ley cuando an no se requiere de un mayor
detalle en las estimaciones.

ESTIMA incluye una opcin que permite estimar las leyes de las celdas patrones, las
cuales se asignarn a todas las subceldas dentro de la misma. Tambin es aplicable un
control Zonal, de tal forma de que si por ejemplo la celda patrn contiene 4 celdas de
roca A y 5 celdas de roca B entonces la celda patrn puede estimarse primero usando
muestras de roca A y aplicar este valor a las 4 celdas, despus puede hacer lo mismo
para la estimacin segn ala roca B.

Los puntos de discretizacin en la celda patrn pueden calcularse de dos maneras; si
usted configura @PARENT = 1, la celda patrn se representar por un completo
conjunto de puntos de discretizacin que cubren la celda patrn completa. Sin embargo
al configurar @PARENT = 2, se calcular un completo conjunto de puntos de
discretizacin, pero slo aquellos puntos que caen dentro de una de las celda
correspondientes sern seleccionados y usados.

En un ejemplo bidimensional tenemos 6 subceldas dentro de la celda patrn, y un
conjunto de 5 x 5 puntos de discretizacin se ha superpuesto. Si @PARENT=1 entonces
los 25 puntos (X y O) se usarn para representar la celda, mientras que @PARENT=2
significa que slo los puntos con X sern usados.



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

En el segundo caso (@PARENT = 2) puede ocurrir
que hayan muy pocos o ningn punto de discretizacin que caigan en la celda, para
evitar esto y especificar un mnimo aceptable de puntos de discretizacin se puede usar
el parametro @MINDISC, y si este no es alcanzado, entonces el nmero de puntos en
todas las direcciones es doblado y los puntos son recalculados.

Las ventajas del segundo mtodo es que provee de una mejor representacin de las
celdas, pero su desventaja es que los tiempos de clculo son un poco mayores.

Si usted configura @PARENT = 0, entonces las caractersticas de las celdas patrones no
sern usadas.

Si el modelo del prototipo de entrada tiene celdas que ya incluyen el campo a ser
estimado, y adems hay insuficientes datos dentro del volumen de busqueda para
estimar una celda, entonces usted tiene una opcin de controlar la accin por el valor
del parametro @COPYVAL. Si @COPYVAL = 0, un valor de ley ausente se asigna al
modelo de salida. Si @COPYVAL = 1, entonces los valores existentes en el modelo del
prototipo de entrada son copiados al modelo de salida.

En ocaciones usted puede querer actualizar las leyes de slo parte de un modelo. Una
alternativa para esto puede ser copiar la parte del modelo que requiere actualizar en un
submodelo separado, correr ESTIMA en el submodelo y luego sumarlo al modelo inicial
usando ADDMOD. Alternativamente si la parte del modelo a ser actualizada puede
definirse como un cuboide, entonces usted puede usar los parmetros @XMIN, @XMAX,
@YMIN, @YMAX, @ZMIN, @ZMAX y hacer la actualizacin en el lugar. Usted tambin
necesitar configurar @COPYVAL = 1. Slo las celdas que traslapen este volumen de
actualizacin podrn ser estimadas, aunque se utilizen muestras ubicadas fuera del
volumen de actualizacin.



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

Cualquier valor de @XMIN, @XMAX etc que ustde suministre, sern ajustados por
ESTIMA para la celda patrn lmite ms cercana antes de hacer la actualizacin. Los
valores minimos se ajustarn hacia abajo y valores mximos hacia arriba. Si uno o ms
de los parmetros no son especificados o tienen datos ausentes (por defecto), entonces
se usarn las coordenadas mnimas y mximas del modelo.

Si todos los campos de leyes (como se definieron por VALUE_OU en el archivo de
parmetros de estimacin ) y sus correspondientes campos secundarios (como fueron
definidos por NUMSAM_F, SVOL_F, VAR_F y MINDIS_F) ya existen en el archivo de
entrada del prototipo del modelo, se permite una operacin sobre l, lo que significa
que el prototipo del modelo de entrada y los archivos de modelos de salida pueden ser
los mismos, teniendo:

Si usted especifica esto, entonces el proceso primero chequea para asegurar que el
archivo incluye todos los campos necesarios, para entregar un mensaje de error en el
caso que sea necesario.

Operaciones como la anterior le permitirn usar "Retrieval Criteria" en campos en el
archivo del modelo del prototipo de entrada, los registros que no satisfagan el R.C.
quedarn sin alterar en el archivo del modelo de salida. Esto ser muy til para poder
hacer una actualizacin selectiva del modelo.

Tambin deber recordar que si usted tiene diferentes archivos de prototipo del modelo
de entrada y modelo de salida y usa un R.C., entonces slo aquellos registros que
satisfagan el criterio sern copiados en el modelo de salida.

Si un valor de ley no puede ser estimado debido a insuficiencia de datos en el volumen
de busqueda, entonces el parametro @COPYVAL define si se le asignar un valor de
dato ausente o el valor previo.

Los principales mtodos de estimacin (IPD, OK, etc) fueron descritos previamente. Sin
embargo existen dos opciones adicionales las cuales se especifican usando el campo
IMETHOD en el archivo de parmetros de estimacin, pero que actualmente no son
mtodos de estimacin de leyes.



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

Si IMETHOD=101, entonces el valor escrito en el campo VALUE_OU en el modelo de
salida es el valor geostadistico F, es decir, el valor promedio del variograma en la celda.
Si IMETHOD=102, entonces el valor es el multiplicador de Lagrange calculado cuando
se resuelve la matriz del OK . En orden a usar alguna de estas opciones usted puede
configurar todos los otros campos y parmetros como si se tratar del OK.

Un modelo de variograma puede constar de una varianza o efecto pepita Co, y hasta
nueve estructuras individuales Yi (h). El modelo combinado Y (h) tiene la forma:
Cada modelo individual Yi (h) puede ser esfrico, de potencia, exponencial, gausiano o
De Wijsian. Si usted ha seleccionado el kriging como el mtodod de estimacin,
entonces usted deber especificar los parmetros del variograma usando el archivo de
parmetros del modelo del variograma. Los campos requeridos son los que se
mencionan en la siguiente tabla:

CAMPO

VALOR POR
DEFECTO

DESCRIPCION

VREFNUM

Numero de referencia del variograma

VANGLE1

0

1er. ngulo de rotacin, que define la orientacin del rango en la elipsoide

VANGLE2

0


VANGLE3

0


VAXIS1

0

1er. Eje de rotacin (1=X, 2=Y, 3=Z)

VAXIS2

0


VAXIS3

0


NUGGET

0

Varianza o efecto pepita

ST1

0

Modelo de variograma para la estructura 1

ST1PAR1

0

Primer parametro de la estructura 1

ST1PAR2

0

Segundo parametro de la estructura 1

ST1PAR3

0

Tercer parametro de la estructura 1

ST1PAR4

0

Cuarto parametro de la estructura 1

............



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

ST9

0

Modelo de variograma para la estructura 9

ST9PAR1

0

Primer parametro de la estructura 9

ST9PAR2

0

Segundo parametro de la estructura 9

ST9PAR3

0

Tercer parametro de la estructura 9

ST9PAR4

0

Cuarto parametro de la estructura 9

Todos los campos son numericos y opcionales, con excepcin del nmero de referencia
del variograma. En el caso de que no se incluyan campos en el archivo se usarn los
valores por defecto.

El nmero de referencia del variograma es un indicador dentro del archivo de
parmetros de estimacin, y usted podr usar algn valor numerico para este.

La elipsoide del variograma se usa para definir algunos parmetros anisotropicos, dentro
de los cuales el ms comn es el rango del modelo esferico. La elipsoide del variograma
se define usando los campos VANGLE1, VAXIS1, etc, de la misma forma en que se
describi la elipsoide de busqueda en el capitulo respectivo. Ms adelante usted podr
encontrar un ejemplo que muestra la aplicacin de estos campos.

Como usted ver , los valores por defecto especifican que no se usar rotacin, de tal
forma de que si usted desea definir la elipsoide del variograma con la misma direccin
que la elipsoide de busqueda, usted deber asegurarse que los campos SANGLE1,
SAXIS1,...del archivo de parmetros del volumen de busqueda sean los mismos que los
campos VANGLE1, VAXIS1, etc del archivo de parmetros del modelo del variograma.

El campo STs define el tipo de variograma para la estructura s, y las opciones de
modelos que usted tiene son :

1.- Esferico
2.- De la Potencia (Lineal)
3.- Exponencial
4.- Gaussiano
5.- De Wijsian

El siguiente campo muestra estos cinco tipos de modelos de variograma, incluyendo
adems un modelo esferico de dos estructuras.



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

MODELO ESFERI CO (TIPO 1) : El modelo esferico se define por su rango "a", y la
varianza espacial "C" :
Los cinco campos que usted necesita especificar son:
STs = 1 Para especificar el modelo esferico
STsPAR1 Rango en la direccin 1 (Eje X despus de la rotacin)
STsPAR2 Rango en la direccin 2 (Eje Y despus de la rotacin)
STsPAR3 Rango en la direccin 3 (Eje Z despus de la rotacin)
STsPAR4 Varianza espacial, C

MODELO DE LA POTENCI A (TI PO 2) : El modelo de la potencia se define por una
potencia "a" ( 0 a 2) y una pendiente positiva "C" :

STs = 2 Para especificar el modelo de la potencia
STsPAR1 Potencia en la direccin 1 (Eje X despus de la rotacin)
STsPAR2 Potencia en la direccin 2 (Eje Y despus de la rotacin)
STsPAR3 Potencia en la direccin 3 (Eje Z despus de la rotacin)
STsPAR4 Pendiente, C

MODELO EXPONENCIAL (TIPO 3) : El modelo exponencial define un parmetro "a"
y una varianza espacial "C" :

STs = 3 Para especificar el modelo exponencial
STsPAR1 Parametro a en la direccin 1 (Eje X despus de la rotacin)
STsPAR2 Parametro a en la direccin 2 (Eje Y despus de la rotacin)
STsPAR3 Parametro a en la direccin 3 (Eje Z despus de la rotacin)



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

STsPAR4 Varianza Espacial, C
MODELO GAUSSIANO (TIPO 4) : El modelo gaussiano es definido por un parmetro
"a" y una varianza espacial "C" :

STs = 4 Para especificar el modelo gaussiano
STsPAR1 Parametro a en la direccin 1 (Eje X despus de la rotacin)
STsPAR2 Parametro a en la direccin 2 (Eje Y despus de la rotacin)
STsPAR3 Parametro a en la direccin 3 (Eje Z despus de la rotacin)
STsPAR4 Varianza Espacial, C

MODELO DE WI J SI AN (TI PO 5) : El modelo De Wijsian es definido por el parmetro
"C" :

STs = 5 Para especificar el modelo De Wijsian
STsPAR1 Parametro C en la direccin 1 (Eje X despus de la rotacin)
STsPAR2 Parametro C en la direccin 2 (Eje Y despus de la rotacin)
STsPAR3 Parametro C en la direccin 3 (Eje Z despus de la rotacin)

El siguiente ejemplo ilustra el caso en donde usted necesita realizar tres rotaciones para
describir la anisotropa. La primera rotacin es en el azimut, de 20 grados en torno del
eje Z. La segunda rotacin es en el Dip -alrededor del nuevo eje X, y la rotacin final es
de 60 grados alrededor del nuevo eje Y. Los rangos para la estructura 1 son de 100,
200 y 300 mts. en las nuevas direcciones X,Y y Z. Los campos son :

VANGLE1

VANGLE2

VANGLE3

VAXIS1

VAXIS2

VAXIS3

ST1PAR1

ST1PAR2

ST1PAR3

20

40

60

3

1

2

100

200

300



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

La definicin del modelo del variograma en el proceso KRG3DB permite anisotropias
tanto en el efecto pepita Co como en la varianza espacial, es decir, diferentes valores
para los parmetros en diferentes direcciones.

En teora se puede modelar con anisotropa zonal, en donde la meseta sea diferente
para diferentes direcciones, sin embargo esto puede generar problemas con la
estabilidad de la matriz del kriging, lo que finalmente puede dejar celdas sin estimar.

En orden a prevenir estos problemas con la matriz del kriging, la definicin del modelo
del variograma en ESTIMA no permite anisotropias en Co o C para los modelos del 1 al
4. Un valor anisotropico de C para el modelo De Wijsian (Tipo 5) es soportada ya que la
ecuacin del modelo no tiene otras variables anisotropicas.

En ESTIMA la anisotropa puede representarse por un modelo de multiestructuras. El
siguiente ejemplo muestra un modelo esferico de dos estructuras con una meseta de 30
para un azimut de 0 y una meseta de 45 para una direccin Este/Oeste.



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

El efecto pepita Co es de 5, y todos los ngulos de rotacin (VANGLEn) son de cero.
Usted puede ver que se asign al rango 2 (en la direccin N-S) una gran distancia de
10000 mts. lo que tiene el efecto de crear una pequea meseta sobre la parte de interes
del modelo del variograma, al plotear la distancia de 10000 mts. el variograma para el
sentido N-S puede eventualmente alcanzar la meseta de 45.
El conjunto completo de los valores de los campos para este modelo se ingresan en el
archivo de parmetros del modelo del variograma de la siguiente forma.

NOMBRE CAMPO

VALOR

NOMBRE CAMPO

VALOR

VREFNUM

1

ST1PAR1

40

VANGLE1

0

ST1PAR2

40

VANGLE2

0

ST1PAR3

40

VANGLE3

0

ST1PAR4

25

VAXIS1

3

ST2

1

VAXIS2

1

ST2PAR1

60

VAXIS3

3

ST2PAR2

10000

NUGGET

5

ST2PAR3

60

ST1

1

ST2PAR4

15

Note que en este ejemplo la anisotropa es ortogonal al sistema coordenado, y todos
los ngulos son de cero. En este caso los valores de los ejes son irrelevantes.



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

Varias caractersticas includas en ESTIMA se han diseado para minimizar el tiempo de
ejecucin, algunas de las cuales se activan automticamente mientras que otras
necesitan ser controladas por el usuario. Es muy recomendado que usted siempre testee
los parmetros de estimacin primero en un pequeo modelo, el cual puede ser
obviamente una parte del modelo completo o un modelo con un tamao de celda mayor
y menos subdivisiones. En aquellas caractersticas donde usted tiene opcin siempre
seleccione una aproximacin conveniente para el primer test del tiempo de ejecucin.

Uno de los factores que consume una mayor cantidad de tiempo es la seleccin de las
muestras que caen dentro del volumen de busqueda, un super algoritmo de busqueda
de bloques ha sido implementado para minimizar est parte del proceso, este no
necesita que usted ordene las muestras por algn campo en partcular ya que ESTIMA
configura sus propios indexadores. Deber preservar sin embargo el criterio de ordenar
por IJ K el modelo del prototipo de entrada.

Otra reduccin considerable en los tiempos de ejecucin se debe a la habilidad de
ESTI MA de estimar multiples variables. Si dos o ms leyes se han estimado usando el
mismo vlumen de busqueda y los mismos parmetros de estimacin, entonces el
incremento de tiempo para la segunda y subsiguientes leyes es muy pequeo, en el
caso de que diferentes parmetros de estimacin sean usados el proceso invierte un
tiempo adicional grabando al estimar multiples leyes.

La discretizacin de puntos son usados por el IPD, el OK y el SK, esto permite una mejor
representacin pero tambin aumenta los tiempos de proceso, se le recomienda al
usuario usar un pequeo nmero de puntos para testear la ejecucin. Por ejemplo si
usted est slo usando IPD, entonces usted puede usar un slo punto.

Sin embargo si usted est usando krigeage deber tener al menos dos puntos y
probablemente dos puntos en cada direccin sea mejor, para la corrida final usted podr
insertar ms puntos. El nmero ptimo de puntos depende de una variedad de factores,
entre los cuales podeos mencionar el tamao de celda, espaciamiento de las muestras ,
parmetros de la variografa, etc, de tal forma que no es posible hacer una
recomendacin que cubra todas las situaciones, sin embargo un total de cerca de 50



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

puntos (cerca 4*4*3) es a menudo una buena medida entre la rpidez del proceso y la
representacin.

El tiempo de proceso es tambin una funcin del nmero de muestras usadas al hacer
cada estimacin. Para mtodos tales como el IPD y Sichel'st la actual forma de clculo
es rpida y tal que usar un gran valor mximo de muestras el incremento en los tiempos
de proceso es mnimo, sin embargo para el krigeage, cada estimacin involucra un
conjunto de n ecuaciones lineales simultneas , tal que n es el nmero de muestras
usadas para la estimacin. El tiempo que toma resolver cada conjunto de n ecuaciones
es aproximadamente proporcional a n al cuadrado.

El mximo nmero de muestras que usted puede usar para krigear es 220 para PC -
DOS y 1400 para todos los otros computadores. Sin embargo se recomienda
mantenerse bajo ese lmite. Bajo circunstancias normales un nmero mximo de 50 es
ms que adecuado y 25 puede ser recomendable en el mayor nmero de casos.

Calcular la varianza del kriging involucra calcular el valor geostadistico de F (el valor
promedio del variograma en una celda). Para esto la funcin variograma es llamada
aproximadamente n
2
/2 veces, en donde n es el nmero total de puntos de discretizacin
en la celda. Obviamente esto puede consumir bastante tiempo si el nmero de puntos
es grande, tiempo que no ser requerido si usted no usa la varianza del kriging en la
estimacin de reservas. Si usted no especfica un valor para el campo VAR_F en el
archivo de parmetros de estimacin entonces la varianza no ser calculada. Si la
varianza del kriging es calculada, luego ESTIMA guardar el valor F para una celda
patrn. Entonces el clculo de la varianza para un modelo que contiene muchas celdas
patrones significa un consumo de tiempo mucho menor que cuando contienen muchas
subceldas.

Estima incluye una opcin para economizar tiempo que le permite aproximar las
dimensiones de una celda por un nmero discreto de tamaos de celdas. Esto se
controla por los parmetros @FVALTYPE y @FSTEP, de los cuales @FVALTYPE puede
tomar uno de los siguientes valores:

=1 Se usar la dimensin exacta de la celda, tal que el valor F se calcula para
cada celda del modelo , excepto para la celda patrn en cuyo caso se calcula slo una
vez.
=2 Cada celda se aproxima a un nmero discreto de celdas, as como cada
celda es procesada se compara con una tabla para ver en donde el valor de F para ese


Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

tamao de celda ha sido ya calculado, de tal forma que si este existe luego se utiliza ese
valor, y de no ser asi es calculado y almacenado en la tabla para futuros usos. Esto
entrega una enorme mejora en los tiempos de proceso.
Usted no puede tener @FVALTYPE=2 si ha seleccionado la estimacin de la celda patrn
con puntos de discretizacin dentro de las celdas (@PARENT=2). Si se ha seleccionado
esta combinacin, entonces el parmetro @FVALTYPE ser reconfigurado hasta 1.
El parmetro @FSTEP define el tamao de los puntos que se usarn para las
aproximaciones de las dimensiones de la celda. Los valores de F se almacenan para
subceldas cuyas dimensiones son un entero multiple del tamao del punto. Por ejemplo
si @FSTEP=2 luego las celdas con dimensiones en el rango :

5<XINC<=7 1<YI NC<=3 7<ZI NC<=9

pueden ser aproximadas por una celda de dimensiones 6*2*8

Si la dimensin de la celda en una direccin es menor que la mitad del tamao del
punto, luego este puede ser aproximado por una dimensin igual a la mitad del tamao
del punto, entonces en el ejemplo previo, el criterio puede realmente ser :

5<XINC<=7 0<YI NC<=3 7<ZI NC<=9

Como con los puntos de discretizacin usted puede hacer un test en una pequea parte
del modelo para analizar los efectos en diferentes tamaos de puntos, usted podr
encontrar a menudo que un tamao de punto de 1 puede significar mejorar la rpidez
del proceso sin hacer alguna diferencia significativa en la varianza del kriging.

Se han realizado una serie de prueba con dos objetivos :

- Encontrar el efecto de algunas de las opciones a usar descritas anteriormente.

- Comparar a ESTIMA con los antiguos procesos de estimacin de DATAMINE, tales
como POLD3D, IPDD3D y KRG3DB.

Lamentablemente es imposible definir un set tipico de datos, ya que los parmetros de
evaluacin no sern nunca los mismos, sin embargo puede considerarse que los datos
usados aqui representan una justa comparacin.

La demostracin estuvo basada en los siguientes datos de entrada :


Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

- El prototipo del modelo tiene una celda patrn de 8*10*12 con 10*10*10 celdas en
las direcciones X,Y y Z respectivamente, es decir que contiene 6490 celdas promediando
6.49 celdas por cada celda patrn.
- El archivo con los datos contiene 5000 muestras, y cada una de las 1000 celdas
patrones tiene 5 muestras localizadas aleatoriamente dentro de las mismas.

- Se us una elipse de busqueda con ejes de 50*20*10, con un determinado azimut e
inclinacin.

- El mximo nmero de muestras es de 10

Para las pruebas se usarn diferentes nmeros de puntos de discretizacin y diferentes
nmeros de variables en una sola corrida.

Las siguientes dos tablas muestran los tiempos de ejecucin de cada corrida. Para los
procesos PLOD3D, IPDD3D y KRG3DB slo es posible estimar una variable a la vez, por
lo cual el tiempo de ejecucin para multiples variables en esos procesos ser igual a la
demora por cada variable multiplicado por el nmero de variables.

Para las pruebas se uso un PC Pentium de 100 Mhz con 24 Mb de RAM usando Windows
NT. Usted podr notar que ESTIMA es significativamente ms rpido en todos los casos.

El tiempo de ejecucin para el caso de las muestras ms cercanas es independiente del
nmero de puntos de discretizacin, de tal forma que slo puede ejecutarse el caso de
1*1*1. En este caso la tabla de resultados muestra que ESTIMA es un 38% ms rpido
de POLD3D con una sla variable, pero que este incremento es muy pequeo al trabajar
con varias variables.

En el caso del IPD la diferencia es mucho mayor ya que en el caso de 4*4*4 puntos de
discretizacin para 4 variables ESTIMA ocupa un tiempo de 1808 segundos mientras que
IPDDAD toma un tiempo de 84088 segundos, es decir, una mejora de casi un 98%. En
el caso de trabajar con una sola variable la economa en el tiempo es cercana a un
92%.



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

INVERSO DE LA POTENCIA DE LAS DISTANCIAS

MUESTRAS MAS CERCANAS

ESTIMA

PUNTOS
DE
DISCRETIZA-
CION

NUMERO
DE
VARIABLES

IPDD3D

IGUAL
POTENCIA

DIFERENTE
POTENCIA

POLD3D

ESTIMA

1

340

104

104

160

98

2

680

116

154

320

102

3

1020

129

201

480

105

1*1*1

4

1360

143

249

640

110

1

2693

264

264

2

5386

276

276

3

8079

290

290

2*2*2

4

10772

303

303

1

9085

702

702

2

18170

715

1379

3

27255

727

2041

3*3*3

4

36340

741

2708

1

21022

1758

1758

2

42044

1779

3482

3

63066

1786

5200

4*4*4

4

84088

1808

5956

Las principales razones de la sustancial mejora en la velocidad de proceso de ESTIMA
en relacin a los otros procesos son :

- Optimizacin del proceso de busqueda
- Mtodo mejorado para la discretizacin de las celdas
- Multiples variables en una sola corrida



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

En el caso del krigeage se uso un modelo de variograma esfrico de una sola estructura
y considerando anisotropias en los rangos. El mismo volumen de busqueda, pero con un
modelo de variograma diferente se uso para cada variable.

Al usar el proceso KRG3DB siempre se calcula la varianza del kriging, lo que consume
mucho tiempo de calculo, a pesar de que esta varianza no siempre es requerida. En
ESTIMA este calculo es opcional de tal forma que los resultados de las pruebas se
muestran incluyendo o no este clculo. En los resultados puede verse que omitir este
clculo puede reducir significativamente el tiempo de ejecucin, en especial para el caso
en que se utilice un gran nmero de puntos de discretizacin. Por ejemplo para una sola
corrida usando 4*4*4 puntos el tiempo de ejecucin se reduce de 3389 691 segundos.

Como se describi anteriormente en esta seccin, el tiempo consumido para el clculo
de la varianza puede reducirse aproximando el tamao de la celda y guardando el valor
de F. Para los tiempos de ejecucin mostrados en la columna final ("Varianza
Aproximada") las dimensiones de las subceldas se han redondeado al metraje ms
cercano para el clculo del valor de F. Esto debe recalcar que esta aproximacin tiene
slo un pequeo efecto en el valor F y por ende en la varianza, y no afecta la estimacin
del kriging. Sin embargo usted puede ver desde la tabla que esto no significa
sustanciales mejoras en los tiempos de ejecucin.

INCLUYENDO LA VARIANZA

EXCLUYENDO
LA VARIANZA

VARIANZA
APROXIMADA

ESTIMACION DE
LA CELDA
PATRON. No DE
VARIANZA

PUNTOS
DE
DISCRETIZA_
CION

NUMERO
DE
VARIABLES

KRG3DB

ESTIMA

ESTIMA

ESTIMA

ESTIMA

1

909

238

215

219

38

2

1818

383

332

342

56

3

2727

525

452

465

75

2*2*2

4

3636

667

572

590

95

1

1414

669

377

418

62

2

2828

1241

657

737

106

3

4242

1813

936

1059

150

3*3*3

4

5656

2385

1217

1376

194

4*4*4

1

3389

2371

691

914

110


Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

2

6778

4644

1286

1732

203

3

10167

6881

1880

2552

295

4

13556

9140

2473

3367

388

El modelo de pruebas contiene 6490 celdas. Si ESTIMA se ejecuta usando la
aproximacin de la celda patrn (@PARENT=1), luego slo se requiere de 1000 celdas
patrones. Si no se calcula la varianza del kriging, entonces el tiempo de ejecucin es
bastante pequeo, como lo puede ver en la columna final de la tabla.

Un modelo rotado es uno cuyos ejes y correspondientes celdas estn rotadas con
respecto a un sistema coordenado. Esto es particularmente til en yacimientos
estratificados inclinados y con un ngulo de plunge. Como ver en la imagen de abajo,
el modelo rotado se ajusta mucho mejor a la forma del yacimiento (Una mayor
descripcin de los tpicos de modelos rotados podr encontrarlos en el manual de
usuarios correspondiente).



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

Estima puede reconocer automticamente si el modelo del prototipo de entrada es un
modelo rotado, en este caso ESTIMA puede hacer la traslacin inversa y rotar el modelo
de celdas nuevamente a las coordenadas mundiales antes de estimar las leyes, rotando
los actuales puntos de discretizacin antes a la estimacin. Esto es solo una operacin
interna, ya que las coordenadas de las celdas del modelo de salida puede estar rotadas,
al igual que las del modelo de entrada.
El punto anterior implica que usted deber suministrar toda la informacin necesaria
(volumenes de busqueda, parmetros de anisotropia, modelo del variograma,
coordenadas de las muestras, etc) en las coordenadas mundiales. Note que esto es
diferentes a los casos de los requerimientos de los procesos de estimacin previos
(IPDD3D, KRG3DB) que requieren rotar todas la informacin de entrada. En resumen lo
nico que usted requiere suministrar es un modelo rotado como el modelo de prototipo
de entrada.

Los mtodos de las distancias ms cercanas, inverso de las distancias y kriging
involucran el clculo de las distancias entre cada de muestra y el centro de la celda o
del punto de discretizacin, esas mediciones son normalmente hechas en el sistema de
coordenadas cartesianas XYZ, sin embargo para un depsito plegado, cuya
mineralizacin es previa en realidad se requiere de medir las distancias dentro del
cuerpo antes de su plegamiento.

El problema se ilustra en el siguiente diagrama, el cual muestra dos muestras, una a
cada lado del anticlinal. Al usar el sistema coordenado XYZ, la distancia se mide a traves
de la linea recta ennegrecida, sin embargo desde el punto de vista geologico la
separacin real entre ambas muestras es la linea segmenteada que sigue la estructura
del anticlinal, la distancia real previa al plegamiento :


Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

El mtodo del unfold permite transformar las coordenadas de las muestras y el modelo
de celdas en un sistema original no plegado, de tal forma de realizar la estimacin de
leyes en este sistema no plegado, para finalmente regresar de vuelta al sistema
plegado para la evaluacin de reservas y planeamiento. Este mtodo se describe con
mayor detalle el el Manual de Usuario de Unfold o en los papers de M. J . Newton
mencionados es esta bibliografa.
Si usted quiere usar la opcin de Unfold en la estimacin de leyes, deber usar en
primer lugar el proceso UNFOLD de DATAMINE de tal forma de calcular las coordenadas
no plegadas de las muestras, este archivo se ingresar luego a ESTIMA como el archivo
de datos de las muestras. Toda la informacin, tales como volumenes de busqueda,
parmetros de anisotropa, modelos de variograma, etc. debern especificarse en el
sistema noplegado, con excepcin del modelo del prototipo de entrada que deber
ingresarse en el sistema de coordenadas mundiales o plegadas.

ESTIMA desdobla los puntos de discretizacin de manera que la estimacin se hace en
el sistema no plegado, la estimacin de leyes y variables secundarias son luego
retornadas a la celda correspondiente en el modelo plegado.

Usted selecciona trabajar con plieges especificando el archivo de string opcional, que
deber contener los datos de la strings del techo y piso del pliege en una o ms
secciones, tambin deber especificar los parmetros y campos del plegamiento, como
se describi en el Manual de Referencia del Unfold.

El mtodo unfold no es permitido para modelos rotados, si usted intenta combinarlos
entonces el modelo terminar en un error inesperado.



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

ESTIMA crea dos archivos de salida, que son el modelo de bloques de salida y el archivo
de salida de las muestras, el primero contiene simplemente el archivo del modelo de
prototipo de entrada con las leyes estimadas y los campos secundarios. Si usted
especifico un retrieval criteria entonces el modelo de salida contendr slo una parte de
las celdas.

El archivo con las muestras es opcional, y contiene el peso de cada muestra para cada
celda y para cada ley que ser estimada. Cada peso es un registro separado, de tal
forma que este archivo puede llegar a ser muy grande, puede ser que usted necesite de
la informacin almacenada en este registro, sin embargo nosotros le sugerimos obviarlo
y no crearlo. De todas formas para una mayor informacin. este archivo contendr los
siguientes campos :

ARCHIVO DE MUESTRAS DE SALIDA

CAMPO

DESCRIPCIN

XC

Coordenada X del centro de la celda a estimar

YC

Coordenada Y del centro de la celda a estimar

ZC

Coordenada Z del centro de la celda a estimar

X

Coordenada X de la muestra

Y

Coordenada Y de la muestra

Z

Coordenada Z de la muestra

ACTDIST

Distancia actual entre el centro de la celda y la muestra

TRANSDIST

Distancia transformada, al usar la transformac. del volumen de busqueda

FIELD

El nombre del campo con la ley estimada

GRADE

EL valor de la ley de la muestra

WEIGHT

El peso asignado a la muestra

OCTANT

El nmero de octantes, si se usa la busqueda por octantes

{ZONE1_F}

El nombre del campo actual que se definio como Zona 1, por ejemplo ROCK

{ZONE2_F}

Similar a {ZONE1_F}



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

AV-VGRAM Valor promedio del variograma entre la celda y la muestra (slo se usa en el caso del
kriging)
Un ejemplo con parte del archivo de salida de las muestras se diagrama a continuacin:

XC

YC

ZC

X

Y

Z

ACT
DIST

TRAN
DIST

FIELD

GRDE

WGT

OCT

ROCK

AV-
VGR
M

350

250

150

321

222

131

44.6

0.374

au

3.51

0.284

7

A

6.128

350

250

150

321

301

174

56.4

0.35

au

5.78

0.237

1

A

6.912

350

250

150

353

248

153

4.7

0.044

au

9.14

0.324

2

A

4.730

350

250

150

422

245

117

79.4

0.792

au

2.79

0.155

6

A

8.636

Adems se muestra un ejemplo de lo desplegado en pantalla durante la ejecucin del
proceso. El primer item muestra la informacin del uso de la memora virtual (mostrado
si @PRINT>=1), esto es bastante til en el caso de que usted este teniendo problemas
con el uso de la memoria virtual.

La tabla de estimacin entrega un resumen de estimacin a ser calculada. Si usted est
usando control zonal este tambin ser mostrado a continuacin, en este ejemplo hay
dos campos zonales uno alfanumerico y uno numerico.

En el caso de que el archivo de parmetros de estimacin configure un conjunto de
parmetros a aplicar en todas las zonas no definidas explicitamente, entonces la tabla
de estimacin mostrar un registro con cada posible combinacin, razn por la cual
pueden aparecer ms combinaciones de celdas que las que usted especfico.

Las estimaciones son calculadas en el orden mostrado en la tabla, el cual no es
necesariamente el mismo especificado por usted en el archivo de parmetros de
estimacin, ya que el orden se altera de tal forma de minimizar el tiempo de ejecucin.



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

Texto en Pantalla
>>> El nmero total de archivos en memoria virtual es de 11
El nmero total de palabras en el archivo vm es 47942
Tabla de Estimacin
---------------------------
La estimacin se realizar con la siguiente combinacin de leyes y campos zonales
Leyes de Leyes del Zonas .............................Vol. de
Met. de
los datos Modelo de Busqueda Est.
de muestras salida

1 AU AU-I PD OXI DE 1 1.0 2
2 AU AU-KRG OXIDE 1 1.0 3
3 AU AU-I PD SULFURO 1 1.0 2
4 AU AU-KRG SULFURO 1 1.0 3
5 AU AU-I PD OXIDO 2 3.0 2
6 AU AU-KRG OXIDO 2 3.0 3
7 AU AU-I PD SULFUROS 2 3.0 2
8 AU AU-KRG SULFUROS 2 3.0 3

Nmero de registros en el modelo de salida = 9500
Nmero de diferentes campos de leyes = 2
Mximo nmero de estimaciones = 19000

El mximo numero ignora retrival criteria, seleccionando actualizacin, zonas no
estimadas, etc, tal que el % mostrado en el progreso puede ser tambin bajo.

Resumen estadstico para el kriging
-----------------------------------------------
El nmero total de estimaciones de kriging calculadas es 9500
El nmero total de estimaciones de kriging hechas con :
- Una o ms muestras con covarianza de cero 50
- Errores en la resolucin de la matriz del kriging 0
- Varianza del kriging mayor que la meseta de la variografa 0
- Uno o ms pesos negativos 202
- Slo un punto de discretizacin 0
- mximo nmero de iteraciones en el kriging lognormal 0



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

>>> 9500 REGISTROS EN EL ARCHIVO MODEL1 <<<
El mximo nmero de estimaciones se calcula como el nmero de registros en el modelo
de salida multiplicado por el nmero de diferentes leyes a crear, existen varias
situaciones en las cuales el actual nmero de estimaciones puede ser menor que este
nmero:

- Usted est usando control zonal, pero usted ha especificado slo ciertas
combinaciones de los campos de zone, y no ha especficado un valor por
defecto para los parmetros de estimacin.
- La estimacin es reemplazante y se han especificado retrieval criteria.
- Usted est usando los parmetros de selectividad actualizados @XMIN,
@XMAX, etc.

El report del progreso muestra el nmero de estimaciones completas, como un valor
absoluto y como un % del mximo nmero de estimaciones, por las razones expuestas
anteriormente es posible que el % sea tambin ms bajo. Tambin es posible que este
porcentaje exceda el 100 %, lo que puede ocurrir si en el archivo de parmetros de
estimacin se defini incorrectamente dos o ms campos VALUE_OU con el mismo
nombre. SI por ejemplo en el caso anterior del report en pantalla se definio el campo de
ley AU en los 8 registros de tal forma que el nmero de estimaciones puede ser de 9500
pero en realidad se han realizado 19000 estimaciones . El modelo de salida slo incluye
la estimacin del kriging ya que a pesar de que la estimacin por IPD puede ser hecha,
est puede ser sobrescrita por la estimacin del kriging, entonces si tu reports excede el
100% chequee el valor de los campos VALUE_OU en el archivo de parmetros de
estimacin.

La tabla titulada Resumen Estadstico para el Kriging slo se mostrar si usted usa SK o
OK como uno de sus mtodos de estimacin, la informacin incluida en esta tabla es la
siguiente:

UNA O MAS MUESTRAS CON COVARIANZA DE 0 :
Esto muestra el nmero de estimaciones que incluyen una o ms muestras cuyas
distancias desde la celda exceden el rango del variograma, esto no es un error o un
problema pero si le indica a usted que para algunas celdas puede reducirse el mximo
nmero de muestras sin afectar significativamente la varianza del kriging.

ERROR EN LA RESOLUCION DE LA MATRIZ DEL KRIGING


Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

Si un error ocurre mientras intenta resolver la matriz del kriging, la estimacin puede
quedar como un valor ausente (-). Si usted est usando @PRINT>=1 entonces las
coordenadas de las celdas puede mostrarse en pantalla y grabarse en el archivo de
impresin si @ECHO=1. El problema puede deberse a una muy alta anisotropa en los
rangos del variograma, de tal manera que se aconseja chequear los modelos de los
variogramas, tambin se le sugiere verificar que usted no este usando un kriging
lognormal con un modelo de variograma normal.

VARI ANZA DEL KRI GI NG MAYOR QUE LA MESETA
Esto es simplemente para informacin y no es un problema, el tratamiento de las
varianzas mayores que la meseta del variograma se describe en la seccin el kriging.

UNO O MAS PESOS NEGATIVOS
Tambin es slo para informacin y no es un problema, el tratamiento de los pesos del
kriging negativos tambin se describe en la seccin acerca del kriging.

UN SOLO PUNTO DE DI SCRETI ZACI ON
Esta situacion slo ocurre en el caso de que la estimacin de la celda patrn si
@PARENT=2, en cuyo caso el nmero de puntos de discretizacin en cada direccin es
doblado hasta exceder @MINDISC.

MAXIMO NUMERO DE ITERACIONES PARA EL KRIGING LOGNORMAL.
La opcin del caso general para el kriging lognormal es un procedimiento iterativo. Este
item registra el nmero de veces que una iteracin finaliza ya que se han realizado el
mximo nmero de iteraciones. En el caso de que esto ocurra muy frecuentemente
usted puede considerar aumentar el mximo nmero permitido para las iteraciones, el
campo MAXITER en el archivo de parmetros de estimacin.



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

EJ EMPLO NUMERO 1 (NN Y IPD)
El primer ejemplo es para correr ESTIMA usando los mtodos NN y IPD, e incluye la
corrida equivalente usando los antiguos procesos PLOD3D y IPDD3D.

El archivo de parmetros del volumen de busqueda, SRCPARM1, se muestra a
continuacin, recuerde que los 24 campos son obligatorios. Se han definido tres
volumenes de busqueda separados, los primeros dos se usarn para este ejemplo y el
tercero para el ejemplo 2. La primera elipsoide de busqueda tiene un eje 100 metros
manteando 45? en la direccin N25?E. El segundo eje es de 40 metros y se alinea
horizontalmente en la direccin E25?S. El tercer eje de la elipsoide de busqueda es de 10
metros y es perpendicular a los otros dos. El segundo elipsoide de busqueda tiene las
mismas rotaciones como la primera elipse y luego una tercera rotacin horaria de 65?
se aplica en el nuevo plano XY.

SFERNUM

SMETHOD

SDIST1

SDIST2

SDIST3

SANGLE1

SANGLE2

SANGLE3

1

1

2

40

100

10

25

45

0

2

2

2

40

100

10

25

45

65

3

3

2

70

60

80

12

34

56

SAXIS1

SAXIS2

SAXIS3

MINNUM1

MAXNUM1

SVOLFAC2

MINNUM2

MAXNUM2

1

3

1

3

1

10

-

-

-

2

3

1

3

1

500

-

-

-

3

3

1

3

1

11

-

-

-

SVOLFAC3

MINNUM3

MAXNUM3

OCTMETH

MINOCT

MINPEROC

MAXPEROC

MAXKEY

1

-

-

-

0

-

-

-

-

2

-

-

-

0

-

-

-

-

3

-

-

-

0

-

-

-

-



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

Todos los campos en el archivo de parmetros de estimacin, con excepcin de
VALUE_IN son opcionales. En este ejemplo los campos son especificados para el archivo
ESTPARM1, tal que todos los campos restantes toman su valor por defecto. En particular
esto significa que ANISO=1, tal que la elipsoide de anisotropia para la ponderacin de
distancias es la misma que para la elipsoide de busqueda.

VALUE_IN

VALUE_OU

NUMSAM_F

SREFNUM

IMETHOD

POWER

ADDCON

1

AU

AU-NN

1

1

-

-

2

AU

AU-IPD

IPD-NUM

2

2

1

5

Los archivos requeridos para ESTIMA se muestran ms abajo, no se han especificado
ms campos o parmetros, por lo que todos ellos tomarn su valor por defecto.

!ESTIMA &PROTO(PROTOMOD), &IN(SAMPLES), &MODEL(MOD1EST),
&SRCPARM(SRCPARM1), &ESTPARM(ESTPARM1)

Los comandos equivalentes para PLOD3D son:

!POLD3D &PROTO(PROTOMOD), &IN(SAMPLES), &MODEL(MOD1NN),
*VALUE(AU), *X(X), *Y(Y), *Z(Z), @RADIUS=100
45
25
1
2.5
10

Los comandos equivalentes para el IPDD3D son :

!IPDD3D &PROTO(PROTOMOD), &IN(SAMPLES), &MODEL(MOD1NN),
*VALUE(AU), *X(X), *Y(Y), *Z(Z), *NUMSAM(IPD-NUM),
@RADIUS=100, @POWER=1, @MINNOP=1, @DISTERR=5,
@LWEI GHT=0, @NUMSAM=1, @PLNGFLAG=1
45
25


Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

65
1
2.5
10
Usando los mismos datos mostrados, ESTIMA puede entregar los mismos resultados que
PLOD3D y IPDD3D, los principales puntos que debe notar son:

- El mtodo de definicin de la elipsoide de busqueda en ESTIMA es diferente
de los otros procesos. Los ngulos y ejes de rotacin se especifican ahora de forma
mucho ms general, permitiendo usar diferentes convenciones.

- Con slo un punto de discretizacin en el centro de las celdas, ESTIMA y IPD
producen idnticos resultados, sin embargo al usar ms puntos de discretizacin existe
una pequea diferencia entre los dos conjuntos de estimacin, esto se debe a las
mejoras en los mtodos de discretizacin usados por ESTIMA.

- Usando IPDD3D no existe lmite superior en el nmero de muestras a usarse
en la estimacin, entonces de manera de producir resultados idnticos, el lmite superior
para ESTIMA (el campo MAXNUM1 en el archivo de parmetros del volumen de
busqueda) debe ser alto para asegurar que no existan muestras rechazadas.

EJ EMPLO NUMERO 2 (OK)
El archivo de parmetros del volumen de busqueda usado aca es el mismo usado en el
ejemplo 1, mientras que ESTPARM2 (el archivo de parmetros de estimacin) contiene
los siguientes campos :

VALUE_IN

VALUE_OU

NUMSAM_F

VAR_F

SREFNUM

IMETHOD

VREFNUM

LOG

1

AU

AU-KRG

N-KRG

3

3

3

5

0

2

AU

AU-LOG

N-LOG

2

1

3

6

1

El archivo de parmetros del modelo del variograma, VMODPARM es :

VREFNUM

VANGLE1

VANGLE2

VANGLE3

VAXIS1

VAXIS2

VAXIS3

NUGGET

1

5

12

34

56

3

1

3

10

2

6

25

45

0

3

1

3

0.1



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

ST1

ST1PAR1

ST1PAR2

ST1PAR3

ST1PAR4

1

1

40

30

50

20

2

1

45

35

55

0.2

Abajo podr encontrar los archivos y parmetros requeridos para ESTIMA, todos los
otros campos y parmetros tomarn el valor por defecto.

!ESTIMA &PROTO(PROTOMOD), &IN(SAMPLES),
&MODEL(MOD2EST),
&SRCPARM(SRCPARM1), &ESTPARM(ESTPARM2),
@XPOINTS=3, @YPOINTS=3, @ZPOI NTS=3

Los parmetros equivalentes requeridos por el kriging lineal (KRG3DB) son :

!KRG3DB PROTO(PROTOMOD), &IN(SAMPLES),
&MODEL(MOD2KRG),
*X=(X), *Y=(Y), *Z=(Z),
*VALUE(AU) *ESTVAR(KV), *NUMSAM(N-KRG),
@RADIUS1=60, @RADIUS2=70, @RADIUS3=80,

@ANGLE1=12, @ANGLE2=34, @ANGLE3=56,
@VGRAM=1, @LOG=0,
@SMETHOD=1, @MINNUM=1, @MAXNUM=11,
@IPOINTS=3, @J POI NT=3, @KPOI NTS=3
10
10
10
20
20
20
30
40
50
12
34


Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

56

El comando equivalente para KRG3DB para el kriging logaritmico es :

!KRG3DB PROTO(PROTOMOD), &IN(SAMPLES),
&MODEL(MOD2LOG),
*X=(X), *Y=(Y), *Z=(Z),
*VALUE(AU) *ESTVAR(KV), *NUMSAM(N-KRG),
@RADIUS1=100, @RADIUS2=40, @RADIUS3=10,
@ANGLE1=25, @ANGLE2=45, @ANGLE3=0,
@VGRAM=1, @LOG=1, @GENCASE=0,
@DEPMEAN=0, @TOL=0.1, @MAXI TER=3,
@SMETHOD=1, @MINNUM=1, @MAXNUM=4,
@IPOINTS=3, @J POI NT=3, @KPOI NTS=3
0.1
0.1
0.1
0.2
0.2
0.2
35
45
55
25
45
0



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

Un resumen de todos los parmetros se entrega en la siguiente tabla, todos los
parmetros son opcionales, y en caso de no ser especificados toman su valor por
defecto.

RESUMEN DE LOS Parmetros DE ESTIMA

PARAMETRO

VALOR POR
DEFECTO

METODOS

DESCRIPCION

XSUBCELL

1

ALL

NUMERO DE SUBCELDAS EN X, SI &PROTO ESTA VACIO

YSUBCELL

1

ALL

NUMERO DE SUBCELDAS EN Y, SI &PROTO ESTA VACIO

ZSUBCELL

1

ALL

NUMERO DE SUBCELDAS EN Y, SI &PROTO ESTA VACIO

DISCMETH

1

I PD, OK, SK

METODO DE DISCRETIZACION:
1=USA @XPOINT,ETC ; 2 =USA @XDSPACE,ETC

XPOINTS

1

@DISCMETH =1

NUMERO DE PUNTOS DE DISCRETIZACION EN X

YPOINTS

1

@DISCMETH =1

NUMERO DE PUNTOS DE DISCRETIZACION EN Y

ZPOINTS

1

@DISCMETH =1

NUMERO DE PUNTOS DE DISCRETIZACION EN Z

XDSPACE

1 pt. en el centro

@DISCMETH =2

DISTANCIA ENTRE LOS PUNTOS DE DICRETIZAC. EN X

YDSPACE

1 pt. en el centro

@DISCMETH =2

DISTANCIA ENTRE LOS PUNTOS DE DICRETIZAC. EN Y

ZDSPACE

1 pt. en el centro

@DISCMETH =2

DISTANCIA ENTRE LOS PUNTOS DE DICRETIZAC. EN Z

PARENT

0

ALL

MANEJ O DE CELDAS Y PUNTOS DE DISCRETIZ. :
0=ESTIMA CELDAS INDIVIDUALMENTE
1= PATRON, TODOS LOS PUNTOS
2 = PATRON, SELECCIONA LOS PUNTOS DE DISCRET.

MINDISC

1

@PARENT = 2

MINIMO NUMERO DE PUNTOS DE DISCRETIZACION

XMIN

&PROTO min X

ALL

MINIMO VALOR DE X PARA ACTUALIZAR EL MODELO

XMAX

&PROTO max X

ALL

MAXIMO VALOR DE X PARA ACTUALIZAR EL MODELO

YMIN

&PROTO min Y

ALL

MINIMO VALOR DE Y PARA ACTUALIZAR EL MODELO

YMAX

&PROTO max Y

ALL

MAXIMO VALOR DE Y PARA ACTUALIZAR EL MODELO

ZMIN

&PROTO min Z

ALL

MINIMO VALOR DE Z PARA ACTUALIZAR EL MODELO

ZMAX

&PROTO max Z

ALL

MAXIMO VALOR DE Z PARA ACTUALIZAR EL MODELO



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

COPYVAL 0 ALL SWITCH DE LA COPIA :
0=DATOS AUSENTES EN DATOS INSUFICIENTES
1=COPIA VALORES EXISTENTES AL MODELO SALIDA

FVALTYPE

1

OK, SK

APROXIMACION DEL VALOR DE F:
1=USA LA DIMENSION EXACTA DE LAS CELDAS
2=APROXIMA LA DIMENSION DE LAS CELDAS

FSTEP

1

@FVALTYPE =2

TAMAO DEL PUNTO PARA APROXIMAR EL VALOR F

LINKMODE

3

UNFOLD

METODO DE DEFINICION DE LA STRING DE LINKEO

UCSAMODE

2

UNFOLD

EL TIPO DE COORDENADA UCSA

UCSBMODE

3

UNFOLD

EL TIPO DE COORDENADA UCSB

UCSCMODE

2

UNFOLD

EL TIPO DE COORDENADA UCSC

PLANE

1

UNFOLD

EL PLANO DE LA INTERPRETACIONESTRUCTURAL

HANGID

-

UNFOLD

EL NOMBRE DEL CAMPO DE LA STRING DE TECHO

FOOTID

-

UNFOLD

EL NOMBRE DEL CAMPO DE LA STRING DE PISO

TOLRNC

0

UNFOLD

TOLERANCIA EN CLCULO DE LA COORDENADA UCSA

ORGTAG

-

UNFOLD

DEFINICION ORIGEN NUMERO DE TAGDEL EJ E USCB

PRINT

0

ALL

SWITCH VISUALIZACION EN PANTALLA
0=MINIMO ; 1= MEDIO ; 2=MAXIMO

ECHO

0

ALL

SWITCH CONTROL ENVIO A ARCHIVO DE IMPRESION:
0=NO LO ENVIA A ARCHIVO ; 1=SI LO ENVIA

Usted notar que al ejecutar ESTIMA con @DICT=3 la pantalla slo alcanzar para
preguntar por 10 parmetros, en caso de que usted desee definir los demas parmetros
se sugiere modificar el parametro de control @DICT=2, o bien ejecutar el proceso
desde una macro.



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

En la siguiente tabla podr encontrar un resumen de todos los archivos utilizados por
ESTIMA :

ARCHIVO

INPUT /
OUTPUT

IMPRESCINDIBLE /
OPCIONAL

DESCRICION

PROTO

I

I

MODELO DEL PROTOTIPO DE ENTRADA

IN

I

I

MUESTRAS

SRCPARM

I

I

ARCHIVO DE Parmetros DEL VOLUMEN DE BUSQUEDA

ESTPARM

I

I

ARCHIVO DE Parmetros DE ESTIMACION

VMODPARM

I

O

ARCHIVO DE Parmetros DEL MODELO DEL VARIOGRAMA

STRING

I

O

ARCHIVO DE STRING DE UNFOLD

MODEL

O

I

MODELO DE SALIDA

SAMPOUT

O

O

ARCHIVO DE SALIDA DE MUESTRAS

La mayoria de estos archivos se han descrito en las secciones anteriores, y ahora se
entregar una breve descripcin del modelo de prototipo de entrada y del archivo de
datos de muestras :

El modelo de prototipo de entrada es un modelo estandar de DATAMINE que contiene
los 13 campos obligatorios tipicos, ms los siguientes tres campos :

- LOCALM_F La media local para el kriging simple
- ZONE1_F Primer campo para el control zonal
- ZONE2_F Segundo campo para el control zonal

El archivo de los datos de las muestras contiene las coordenadas X, Y y Z de las
muestras y al menos un campo de ley, ESTIMA consider que los nombres de los
campos de las coordenadas son X, Y y Z respectivamente. Sin embargo si usted ha
usado otros nombres puede especificarlos sin ningn problema :

*X(ESTE), *Y(NORTE), *Z(COTA)



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

Los nombres de los campos de leyes se definen usando el campo VALUE_IN en el
archivo de parmetros de estimacin, los otros campos (todos opcionales) del archivo
de muestras son :
ZONE1_F Primer campo para el control zonal
ZONE2_F Segundo campo para el control zonal
KEY Campo usado para restringir las muestras por el campo KEY
LENGTH_F Campo para ponderar por el largo, en IPD
DENS_F Campo para ponderar por la densidad, en IPD

Si desea usar alguno de estos campos, deber especificarlos por las coordenadas, por
ejemplo *KEY(BHID). Sin embargo note que si ya existe un campo KEY en el archivo de
datos de muestras y usted configur MAXKEY con 1 o ms en el archivo de parmetros
de estimacin, luego el proceso puede usar el campo KEY como restrictivo de las
muestras slo si no se ha especificado *KEY(KEY).

Una situacin similar al anterior se aplica a otros campos , porque se les ha asignado
nombres que no son usuales, si por ejemplo al campo de ponderacin por el largo se le
ha llamado LENGTH en vez de LENGTH_F, y el campo LENGTH existe en el archivo de
datos de muestras, entonces IPD puede siempre usar la ponderacin por el largo.

ESTIMA usa los nombres convencionales de los campos, los nombres por los cuales
usted ser cuestionado son los siguientes (todos opcionales) :

ARCHIVO

CAMPO

DESCRIPCION

X

COORDENADA X DE LAS MUESTRAS

Y

COORDENADA Y DE LAS MUESTRAS

Z

COORDENADA Z DE LAS MUESTRAS

KEY

CAMPO USADO PARA RESTRINGIR LAS MUESTRAS PARA LA ESTI MACI ON

LENGTH_F

CAMPO USADO PARA PONDERAR POR EL LARGO POR EL IPD

IN

DENS_F

CAMPO USADO PARA PONDERAR POR LA DENSIDAD POR EL IPD

ZONE1_F

PRIMER CAMPO PARA LA ZONA DE CONTROL IN, PROTO
MODEL
ESTPARM

ZONE1_F

SEGUNDO CAMPO PARA LA ZONA DE CONTROL

SECTI ON

SECCION IDENTIFICADORA PARA UNFOLD

BOUNDARY

LIMITE IDENTIFICADOR PARA UNFOLD


Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

WSTAG

LINEA TAG DENTRO DE UNA SECCION

BSTAG

LINEA TAG ENTRE SECCIONES
STRING

TAG

CAMPO DE LAS LINEAS TAGS

No existen restricciones en el nmero de registros ni tampoco en el archivo de los datos
de las muestras o en el archivo del modelo del prototipo, sin embargo existen algunas
restricciones en las variables :

Existe un mximo de hasta 100 combinaciones de zonas en las muestras y en el
prototipo. Si se define slo una campo zone entonces este podr contener hasta un
mximo de 100 diferentes zonas, si existen dos campos zone slo podrn existir un
mximo de 100 combinaciones de zona 1 y zona 2.

En el caso de que alguno de los campos zone sea alfanumerico, entonces este podr
contener hasta un mximo de 20 caracteres.

El nmero mximo de diferentes leyes definidas en los campos VALUE_IN (del archivo
de parmetros de estimacin) es de 24. Sin embargo el archivo de parmetros de
estimacin puede tener ms de 24 registros en el caso de que un mismo valor de ley
tenga otros parmetros diferentes, por ejemplo para diferentes zones.

El lmite de 24 tambin se aplica para los campos VALUE_OU dentro del mismo archivo.

Si el campo *KEY es alfanumerico este debe ser menor o igual a 40 caracteres.

No existe lmite en el nmero de muestras dentro del volumen de busqueda para los
mtodos de estimacin NN, IPD, o ST. Sin embargo para el OK y el SK usted tiene una
limitante de 220 muestras para un PC con DOS y hasta 1400 para todos los otros
computadores. Usted deber tomar en cuenta ese lmite cuando deba defina el campo
MAXNUM en el archivo de parmetros del volumen de busqueda.



Tel: (51-1) 222-6000 .Fax: (51 1) 221-4305

Clark, I "Practical Geostatistics"
Applied Science Publishers Ltd, London 1979
ISBN 0-85334-843-X

David, M. "Geostatistical Ore Reserve Estimation"
Elsevier Scientific Publishing Company, 1977
ISBN 0-444-41609-9 (series) 0-444-41532-7 (vol. 2)

David, M. "Handbook of Applied Advanced Geostatistical Ore Reserve
Estimation"
Elsevier Scientific Publishing Company, 1988

Deutch, C.V. "GSLIB. Geostatistical Software Library and User's Guide"
and J ournel, A.G. Oxford University Press, 1992
ISBN 0-19-507392-4

Dowd, P.A. "Lognormal Kriging - The General Case"
Mathematical Geology, 1982

Isaaks, E.H. and "A Introduction to Applied Geostatistics"
Srivastava Oxford University Press, 1989
ISBN 0-19-505012-6 0-19-505013-4 (pbk)

Newton, M. J . "Variogram Calculation and Kriging for Folded Deposits"
Mineral Resource Evaluation '95 Conference, April 1995
Leeds University, UK

Sichel, H.S. "The Estimation of Means and Associated Confidence Limits
for Small Samples from Lognormal Populations"
Symposium on Mathematical Statistics and Computer
Applications in Ore Valuation, J ournel of the South African
Institute of Mining and Metallurgy, March 1966.

Tutorial Estima (Esp) PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Tutorial Estima (Esp) PDF

Uploaded by

Copyright:

Available Formats

ESTIMACION DE RESERVAS Manual ESTIMA

DATAMINE Peru S.A. Pgina N 1

You might also like