Professional Documents
Culture Documents
por
Marco Antonio Alfaro Sironvalle
Doctor en Geoestadstica, Escuela de Minas de Pars
Profesor de Evaluacin de Recursos Mineros, USACH
Profesor de Probabilidades y Procesos Estocsticos, U. de Chile
Profesor de Estadstica Aplicada y Teora de Probabilidades, U. de Los Andes
Profesor de Evaluacin de Recursos Mineros, U. de Concepcin.
Julio, 2007
Algunas citas:
Se sabe que bajo la influencia de masas en la superficie de la tierra, de los que no se est todava bien
informado, el polo de la tierra sufre pequeas variaciones. Ocupmonos, por ejemplo de la coordenada
x, su variacin en el curso del tiempo est representada, para las ltimas decenas de aos por la curva
de la figura:
Que tiene irregularidades suficientes para pensar en un fenmeno de fluctuaciones. Sin embargo, a
primera vista, toda cuestin de probabilidad est excluda de este problema pues x(t) es conocida a
medida que las observaciones se verifican en el curso del tiempo; y, naturalmente, no conocemos el
futuro de x(t), pero esta funcin es nica, puesto que no hay ms que una Tierra en el universo. No
obstante, nada nos impide imaginar una infinidad de sistemas macroscpicamente idnticos a la Tierra y
que no difieren unos de otros ms que por las modificaciones de masas superficiales, las cuales
supondremos estn sometidas a ciertos mecanismos aleatorios. Esto nos lleva a considerar que la
funcin observada x(t) no es ms que una realizacin posible de una funcin aleatoria X(t) definida con
base en una categora de experimentos que no tienen otra existencia que la que podramos llamar
intelectual. Esta manera de operar no es lcita ms que en el caso de que tengamos razones para
pensar que, partiendo de las propiedades estadsticas de la funcin aleatoria X(t), definida en base de la
clase de experimentos que hemos imaginado, podemos deducir resultados vlidos para la evolucin de
una determinacin particular de X(t), y especialmente para x(t). Podremos ver entonces que si nuestras
hiptesis conducen a resultados comprobados por la experiencia y, en los casos favorables, podremos
prever, dentro de ciertos lmites, el valor futuro de x(t). Fundndose en consideraciones anlogas a las
que acabamos de estudiar, podr decirse que la velocidad del viento o la temperatura en un punto del
Globo son funciones aleatorias del tiempo.
A. Blanc-Lapierre, 1940
Cum deus calculat fit mundus
Segn dios calcula se va creando el mundo
G. Leibnitz, 1700
Entre dos modelos geoestadsticos, elegir el ms simple
G. Matheron, 1975
Prefacio
Tabla de Materias
Prefacio
Tabla de materias
4
5
7
8
11
17
17
18
24
28
30
32
35
36
38
45
52
68
73
77
85
85
86
87
89
91
96
98
Captulo V. El krigeado
Inters del krigeado
Las ecuaciones del krigeado
Varianza del error
Krigeado puntual
Propiedades del krigeado
Vecindad de estimacin
Estrategia de bsqueda
105
105
109
112
114
116
118
120
VI. Bibliografa
124
Captulo I
Los Mtodos Tradicionales de Estimacin de Recursos Mineros
Estimacin global:
Figura I.1: Zona 3D a estimar e informacin disponible. Cul es la ley media y el tonelaje de S?
Se tiene un conjunto de leyes z1, z2, . . . , zN de mineral localizadas en los puntos x1,
x2, . . . , xN
b)
S, con el fin de localizar las zonas ricas y pobres dentro de esta zona S.
Figura I.2: Estimacin local con bloque unitario o unidad bsica de clculo. Modelo de bloques
de15mx15mx15m.
I.1
La media aritmtica
zS =
1 + 1 + 1 + 3 + 2 + 2 + 1 11
= = 1.57
7
7
1
zS =
N
z
i =1
Figura I.4: Un banco en el depsito de MMH. Bloques de 10mx10mx10m. En gris, zona mineralizada, en
rojo la interseccin de los sondajes con el banco.
I.2
Los polgonos.
El mtodo de los polgonos se basa en lo siguiente: Asignar a cada punto del espacio
la ley del dato ms prximo. Para estimar una zona S se ponderan las leyes de los
datos por el rea (o volumen) de influencia Si.
Figura I.5: Mtodo de los polgonos. Hay que calcular el rea de 7 polgonos.
z S = 1 .3 6
La frmula general es:
1 N
zS = Si zi
S i =1
(S = S1 + S 2 + ... + S N )
Comentarios:
a todos los bloques que estn dentro de un mismo polgono. Produce problemas
con datos anmalos.
La figura 1.6 muestra la dificultad de aplicar el mtodo de los polgonos. En el espacio
de 3 dimensiones el mtodo (poliedros) es an ms complicado:
Figura I.6: Salar de Atacama (se trata de salmueras con contenidos de litio, boro, potasio, sulfatos).
Puntos de muestreo y de bombeo. Observar la agrupacin (cluster) de los puntos en la zona central.
I.3
El mtodo del inverso de la distancia se basa en lo siguiente: Asignar mayor peso a las
muestras cercanas y menor peso a las muestras alejadas a S. Esto se consigue al
Si = 2
Figura I.7: Mtodo del inverso de la distancia a la potencia alfa. Hay que calcular las distancias entre los
datos y el centro del bloque
zS =
zi
i =1
N
( > 0)
d
i =1
Comentarios:
A veces, para evitar el problema de las agrupaciones de datos, se utiliza una bsqueda
octogonal: Dentro de cada octante (a veces cuadrante) slo se considera la muestra
ms cercana al centroide, tal como muestra la figura siguiente:
Figura I.8: Bsqueda octogonal. Se podran utilizar las k (cmo definir k?) muestras ms cercanas al
centro del bloque, dentro de cada octante.
10
I.4
Son empricos...
Demasiado geomtricos.
Figura I.9: Leyes de Fe. Arriba, sondaje vertical en mina de hierro La Japonesa. Abajo, sondaje vertical
en mina de hierro Boquern Chaar. Ambos tienen la misma ley media, 32% Fe. Cul es ms
continuo?
11
ii)
Figura I.10: Anisotropas de las leyes de cobre en una planta del depsito RT. dimensiones en metros.
Valores interpolados.
Ejemplo: En el caso de la figura I.11, las leyes z1 = 1.25 y z2 = 1.75 son simtricas con
respecto al bloque (se observan cuatro isoleyes):
Figura I.11: Bloque a estimar e isoleyes anisotrpicas en una planta. En la mina Chuquicamata la
situacin es similar, las leyes decrecen sistemticamente de oeste a este, ver figura I.12.
12
Figura I.12: Proyeccin horizontal de todos los sondajes de la mina Chuquicamata. Se observa la
degradacin de leyes en la zona central, de oeste a este.
zS =
z1 + z2 1.25 + 1.75
=
= 1.5
2
2
13
zS = 1.22%Cu .
zS = zS error
La magnitud del error nos cuantificara la calidad de la estimacin y nos indicara
la necesidad eventual de hacer ms sondajes.
Figura I.13: Oficina Ossa. Depsito de nitratos-yodo. Malla inicial de reconocimiento de 400mx400m.
Debido a que los sondajes caen en el centro del bloque, no se puede aplicar inverso de
la distancia. El mtodo de los polgonos se puede aplicar y estima la ley de un bloque
14
Figura I.14: Pozos de tronadura en mina Lomas Bayas. Leyes de cobre. Dimensiones en metros. Se
observa un bloque de 25mx25mx15m. A la derecha, el diagrama de dispersin. Si se aplica una ley de
corte w, es decir se decide abandonar los bloques cuya ley es menor que w, entonces existen bloques
de mineral que van a botadero y bloques de estril que van a planta.
15
La figura I.15 muestra la informacin de largo plazo y de corto plazo en la mina Los
Bronces. Se observa la presencia de datos agrupados en las zonas de alta ley.
Figura I.15: Informacin de largo plazo (sondajes, en negro) y de corto plazo (pozos de tronadura, en
colores). Los sondajes estn agrupados en las zonas de alta ley.
16
Captulo II
Geoestadstica y Teora de las Variables Regionalizadas
II.1
Notacin condensada
z(x)
z(x1, x2)
II.2
18
Fig. II.4: Precio del cobre (promedio mensual 1987-2005) en centavos de dlar / libra.
Ejemplo 3:
19
Figura II.5 (a): Depsito de nitratos-yodo: La zona mineralizada, de color rojo en la figura, se llama
caliche.
Figura II.5 (b): Ispacas en Oficina Sur Lagunas (depsito de yodo). Las potencias estn en metros. Los
lmites corresponden a propiedad minera. Valores interpolados.
20
Ejemplo 4: En el espacio de tres dimensiones, sea z(x1, x2, x3) = z(x) = Ley de Cu en
el punto x dentro de un depsito masivo:
Figura II.6: Caso tpico de depsito de xidos-sulfuros. La capa superior corresponde a grava o coluvio.
Figura II.7. Planta en mina RT. Leyes de bloques de 25mx25mx15m. Zona de xidos.
21
22
Figura II.9: Densidades superficiales en ton/m3 en la mina Chuquicamata. La falla (llamada falla oeste) la
cual delimita mineral de estril queda representada por el cambio de densidades. Valores interpolados.
ley de
23
Figura II.10: Leyes de arsnico en un banco de mina Los Pelambres. Los datos corresponden a pozos
de tronadura en bancos de 15 metros. Se trata de una variable muy irregular, concentrada en vetas.
Observacin:
Los ejemplos anteriores nos muestran que una variable regionalizada es simplemente
una funcin z(x) del punto x. Sin embargo, esta funcin no se comporta como las
funciones que se estudian en Matemticas: En general z(x) es muy desordenada en su
variacin espacial y no se podr expresar, en particular, z(x) como un polinomio (ver
figuras II.3, II.4, II.5, II.7, II.9 y II.10).
II.3
Campo y soporte
24
Entonces en un mismo depsito minero D pueden haber varios campos o unidades D1,
D2, ..., Dk, en general disjuntos, cuya reunin es el conjunto D.
Figura II.11: Unidades D1, D2, D3, D4 en una seccin del depsito de cobre porfdico de Inca de Oro. Las
unidades corresponden a una interpretacin geolgica a partir de los sondajes.
geoestadstico
diferente: Para estimar una zona V contenida en una cierta unidad, slo se utilizan
datos de la misma unidad: Se dice que se tienen fronteras duras.
Las fronteras duras entre las unidades Dr y Ds se justifican cuando existe
independencia entre las leyes de
Dr y Ds
25
Figura II.13: Regularizacin de un sondaje a un largo constante b. Esta operacin produce errores.
26
La figura II.14 muestra una seccin transversal en un depsito de xidos de cobre. Las
lneas representan los sondajes de exploracin. El punto rojo se denomina collar del
sondaje. El collar est caracterizado por las coordenadas x0, y0, z0 y por dos ngulos:
(, ) Azimuth e inclinacin.
Figura II.14: Seccin en el depsito de cobre de RT. Se observan las unidades grava ( estril), lixiviado,
xidos y sulfuros. Un compsito est caracterizado por sus coordenadas x, y, z, las leyes de cobre total,
de cobre soluble, un cdigo que indica la unidad, adems del nombre del sondaje que contiene al
compsito.
Cada compsito est caracterizado por sus coordenadas x, y, z, sus leyes, un cdigo
que indica el dominio o unidad geolgica y la identificacin del sondaje, eventualmente
otra informacin. Se tiene as la base de datos de sondajes del depsito, la cual, en
formato de texto, puede ser incorporada en cualquier paquete computacional.
Para tratar las desviaciones de los sondajes, se divide el sondaje en tramos rectilneos
L1, L2, , Lr.
27
Figura II.15: Azimuth (se mide en grados desde el norte) e inclinacin (se mide en grados desde la
horizontal) de un sondaje.
28
Figura II.16: Modelo del WI en una seccin de la Mina Carmen de Andacollo. Este modelo constituye una
parte del llamado modelo geometalrgico.
29
II.5
Objetivos de la teora.
Ejemplo: La figura II.18 siguiente representa el caso de una variable regionalizada z(x)
= ley de cobre definida en un soporte cuadrado de lado axa:
La ley de corte es w = 0.5.
Se definen otros soportes (tamao del bloque): (a)x(2a), (2a)x(a), (2a)x(2a), (3a)x(3a) y
(6a)x(6a).
T es el tonelaje sobre la ley de corte medido en nmero de bloques de tamao axa.
m es la ley media de los bloques cuya ley es superior a la ley de corte.
B es el beneficio convencional, definido por:
B=T(mc)
30
Figura II.18: Importancia econmica del soporte y la anisotropa. A medida que aumenta el soporte, se
diluyen las leyes. Observar que la ley de corte es mayor que la ley media. Repetir los clculos para una
ley de corte de 0.40
31
II.5
Figura II.19: Funcin aleatoria y variable regionalizada. Los colores indican rangos de la variable.
32
Figura II.20: Leyes de litio en el Salar de Atacama para dos campaas de reconocimiento en el tiempo.
Se observan los puntos de bombeo y el decrecimiento de las leyes en el tiempo. No se indican las
escalas de las leyes.
33
34
Captulo III
El variograma
El variograma es una funcin que constituye la herramienta fundamental de la
geoestadstica.
Sean x y x + h dos puntos en el espacio:
(h ) =
G
1
G 2
E Z (x + h ) Z (x)
G 1
(diferencias ) 2 de leyes en puntos
(h ) = Promedio
G
2
que
estn
a
la
distancia
h
35
Esta ecuacin es la que hay que adaptar en cada situacin prctica (mallas regulares e
irregulares en el espacio de n dimensiones, n = 1, 2, 3).
Las propiedades de (h), que se deducen fcilmente de la definicin son:
(0) = 0
( h) 0
G
(h ) = (h )
La ltima relacin proviene del hecho que si dos leyes z1 y z2 estn a la distancia h,
entonces (z1 - z2)2 = (z2 - z1)2
a)
36
i)
( z2 z1 ) 2 + ( z3 z2 ) 2 + ... + ( z N z N 1 ) 2
(b) =
2( N 1)
ii)
Sea h = 2b:
( z3 z1 ) 2 + ( z4 z2 ) 2 + ... + ( z N z N 2 ) 2
(2b) =
2( N 2)
iii)
Sea h = 3b:
( z4 z1 ) 2 + ( z5 z2 ) 2 + ... + ( z N z N 3 ) 2
(3b) =
2( N 3)
iv)
37
N k
1
(kb) =
( zi + k zi ) 2
2( N k ) i =1
se llevan a un grfico:
38
Para una distancia b pequea, las dos leyes de la figura son casi iguales, lo que implica
que para h pequeo, (h) es prximo a cero; luego el grfico de (h) en una
vecindad del origen ser como en la figura:
39
Figura III.7: Leyes con continuidad promedio. La variable es continua pero no es derivable.
En este caso, para una distancia pequea, la diferencia de leyes es significativa; luego
el grfico de (h) en una vecindad del origen ser:
40
Si la equidistancia entre datos b es menor que la escala de variacin d de las microestructuras, el variograma en una vecindad del origen ser:
41
El nombre efecto de pepita proviene del estudio de los depsitos de oro. Consideremos
por ejemplo un testigo en un depsito de oro:
42
43
Por muy pequea que sea la distancia b, las leyes de dos puntos a esta distancia son
prcticamente independientes. El grfico de (h) ser:
(0) = 0, (h) = C si h 0.
Este caso se presenta si en un campo S, se ponen pepitas al azar, como en la figura
III.15:
44
Se dice que existe una deriva o tendencia. Al hacer el clculo se observar que (h)
siempre crece:
45
46
Figura III.21: Variograma de un fenmeno estacionario sin periodicidades, con alcance y meseta.
47
Se observa que a partir de una cierta distancia, del orden a = 6 unidades, la funcin
El alcance proporciona una medida de la zona de influencia de una muestra porque dos
muestras cuya distancia es mayor que el alcance son prcticamente independientes:
48
Dos muestras cuya distancia sea inferior al alcance a estn correlacionadas entre s.
En el caso de un fenmeno de transicin, la meseta C tiene una significacin
estadstica si consideramos el resultado siguiente, el cual se puede demostrar
utilizando el modelo matemtico de las funciones aleatorias:
C =2
en que 2 es la varianza estadstica de los datos utilizados en el clculo de (h). En la
prctica, esta relacin terica es slo aproximada.
Ejemplo: La figura III.24 muestra un sondaje en el depsito de carbn de Puentes de
Garca Rodrguez (Espaa). Se trata de un sondaje vertical con N = 80 muestras. La
equidistancia entre las muestras es b = 5 metros. El carbn se representa en rojo y el
estril (la tosca) se representa en amarillo:
49
Figura III.24: Sondaje vertical en una mina de carbn. Los nmeros superiores representan la potencia
real de los mantos.
1 si x carbn
z ( x) =
0 si x carbn
i) Clculo de la media:
1
m=
N
z
i =1
40
= 0.5
80
Este resultado nos indica que la mitad del sondaje es carbn y la otra mitad estril.
ii)
Clculo de la varianza:
1
=
N
2
80
i =1
N
50
iii)
Clculo de (h):
Se obtiene fcilmente:
(5)
iv)
0.12
(10) =
0.20
(15) =
0.24
(20) =
0.25
(25) =
0.25
Grfico de (h):
51
b)
52
Figura III.27: componentes del vector h. En este dibujo no es el azimuth sino el ngulo de coordenadas
polares
i)
Fijemos la direccin del vector h; que sea por ejemplo = 90, es decir, la
direccin NS. El vector h slo puede ser:
53
(diferencias)2 posibles: (zi - zj)2 cuando ambos datos zi y zj estn definidos. La figura
muestra las diferencias que hay que calcular:
Figura III.29: Parejas posibles para calcular gama de 10 metros en la direccin NS (hay 36 vectores).
Luego:
(h2) = 0.0987
(27 parejas)
(h3) = 0.1888
(21 parejas)
54
ii)
ser:
Figura III.31: Parejas posibles para calcular gama de 10 metros en la direccin EW (hay 36 vectores).
Se obtiene entonces:
55
(h1) = 0.0146
(36 parejas)
(h2) = 0.0330
(33 parejas)
(h3) = 0.0431
(27 parejas)
La prctica demuestra que, para estudiar las estructuras basta con calcular (h)
iii)
Figura III.32: Clculo de gama de h en la direccin de 45. La distancia entre parejas es ahora 14.41
metros.
Figura III.33: Clculo de gama de h en la direccin de 135. La distancia entre parejas contiguas (el
paso) es 14.41 metros.
56
Grfico de (h):
Figura III.34: Variograma anistropo. La variacin de las leyes es ms regular en la direccin EW que en
la NS.
Se observa una clara anisotropa que nos indica que el fenmeno es ms regular en la
direccin EW que en la NS. (Esto se puede comprobar al mirar como varan las leyes
en esas direcciones: ver la figura III.26)
57
58
59
Observamos que (h) es casi el mismo segn las direcciones: podemos concluir que el
fenmeno es istropo.
En este caso se justifica calcular el variograma promedio, llamado variograma
omnidireccional, el cual se puede obtener, en este caso, mediante un promedio
ponderado de los valores del variograma (ponderacin por el nmero de parejas N'):
(h)
10.00
14.41
20.00
28.28
30.00
4.17
5.73
8.31
11.60
11.94
60
61
1
z ( x) =
0
si x granos (negro)
si x granos (blanco)
62
Figura III.45: Aproximadamente istropo, con fronteras difusas. Presencia de efecto de pepita
63
Figura III.48: Fallas. La figura se obtuvo dibujando rectas al azar, se obtienen as polgonos. Cada
polgono se pinta de negro si al tirar una moneda sale cara, en caso contrario se deja igual..
64
Figura III.49: Variograma de una imagen (agua). Observar que la variable regionalizada es estacionaria
en la direccin este-oeste, mientras que en la norte-sur tiene una deriva, la cual se manifiesta solo para
grandes distancias: Se dice que la realizacin es localmente estacionaria en la direccin NS.
65
Figura III.50: Compsitos proyectados en una planta de la Extensin Norte de Mina Sur. El ancho del
cuerpo es del orden de 400 metros en la direccin EW.
Ejercicio:
Los datos de la figura corresponden a una zona dentro del yacimiento de nitratos-yodo
de Lagunas. Encontrar la funcin (h) hasta h = 250 m. segn las direcciones:
= 0, 45, 90, 135.
66
Figura III.51: Leyes de NaNO3 Oficina Lagunas. Profundidad del sondaje = 2 metros.
67
c)
68
Lo ms probable es que no encontremos ningn o muy pocos pares de datos que estn
exactamente a la distancia h1. Es necesario entonces introducir aproximaciones para
el clculo de (h).
Aproximacin : Mtodo de los sectores. Se basa en la aproximacin siguiente:
Dos puntos estn aproximadamente a la distancia h si una vez fijado el primero, el
segundo cae en la zona de la figura:
69
El paso en una direccin dada se puede determinar como la distancia entre datos
aproximadamente contiguos en esa direccin.
El mtodo de aproximacin presenta problemas:
diferencias en el clculo.
Algunos paquetes computacionales definen otro tipo de zona para evitar este problema
(mtodo del lpiz):
70
En este caso hay que definir tres parmetros: , y d (d se llama a veces ancho de
banda).
Hay que tener presente que es necesario conocer bien el variograma en una vecindad
de h=0 (los puntos ms cercanos al origen), luego, en algunas situaciones no se
justifica este mtodo del lpiz.
El mtodo de los sectores se puede generalizar al espacio de tres dimensiones:
Figura III.57: Compsitos en el espacio de tres dimensiones, con leyes de cobre en mina Chuquicamata.
Comparar con la figuras I.11 y II.9.
71
La nube variogrfica.
Dada una cierta direccin, la nube variogrfica consiste en graficar, para una direccin
2
1
z ( xi ) z ( x j ) en funcin de la distancia entre
dada, el valor de todas las diferencias
2
los puntos xi y xj .
En la figura III.59 se ha representado la nube variogrfica correspondiente a leyes de
alcalinos en una mina de hierro, en la direccin de azimuth 45, con tolerancia angular
de 22.5. Se ha representado tambin el variograma experimental para un paso de 10
metros, con una tolerancia en distancia de 10 metros.
Esta herramienta permite detectar la influencia de algunos datos anmalos en el
clculo del variograma. Estos datos podran ser filtrados en la variografa.
72
Figura III.59: Nube variogrfica. El dato anmalo 1.51 es el responsable de las diferencias que estn en
la elipse de la derecha.
III.1
ii)
73
74
Figura III.61b: Modelo tridimensional de bloques. Existen tres unidades geolgicas (a bloque completo)
Figura III.62: Vecindad de estimacin. Para estimar el bloque de la figura solo se utilizan los compsitos
que estn dentro del crculo de radio R.
75
76
(0) = 0
( h) 0
G
G
(h ) = (h )
Sin embargo, la teora demuestra que estas condiciones no son suficientes: En efecto,
se puede probar que (h) pertenece a una familia de funciones (llamadas funciones
de tipo negativo condicional) y la eleccin del modelo debe quedar restringida a esta
familia . Elegir un modelo en la familia garantiza la coherencia de los clculos (no se
obtienen, por ejemplo, varianzas negativas).
Por consiguiente, slo hay que utilizar los modelos que describiremos a continuacin (o
bien combinaciones de ellos, las cuales consisten en sumar dos o ms modelos). No
es conveniente crear nuevos modelos, salvo el caso en que se demuestre
matemticamente que el modelo pertenece a . La condicin para que una funcin
g(h) pertenezca a la familia requiere conceptos avanzados de Matemticas y queda
fuera del alcance de este curso.
a)
El modelo potencia
77
(h) = h
b)
si h a
si h > a
(h) =
78
(h = h)
El alcance es a y la meseta es C.
79
Figura III.67: A la izquierda la base de datos en una planta (75000 pozos de tronadura), a la derecha el
variograma esfrico (en azul) y el experimental (puntos rojos). El alcance es del orden de 100 metros.
c)
si h a
si h > a
(h) =
80
d)
(h) = C (1 - exp(- h / ) )
La meseta es C; el alcance en teora es infinito pero en la prctica: si h>3, entonces
Figura III.69: Modelo exponencial o modelo de Formery. Este modelo se presenta a veces en leyes que
estn asociadas a fallas (ver la figura III.48, ver tambin la figura III.25). El alcance prctico es
aproximadamente iguala 3.
81
Figura III.70: Variograma vertical para el cobre, material quebrado remanente de la explotacin por
block-caving en mina Salvador. En azul el modelo exponencial, en rojo, los puntos experimentales.
e)
82
f)
El modelo gaussiano:
ecuacin es:
g)
si ha
si h>a
(h) =
83
( h) = 1 ( h) + 2 ( h)
En que 1 y 2 son modelos esfricos, de alcances respectivos de 10m y de 40m y de
mesetas respectivas de 0.5 y 0.5. Se dice que se tienen dos estructuras:
84
a)
Caso istropo:
85
(h) = omni(h)
En esta notacin:
h = (hx , hy )
h = ( hx , hy , hz )
| h |= hx 2 + hy 2
h = hx 2 + hy 2 + hz 2
Ejemplo: En el caso estudiado en las figura III.34, el modelo istropo ajustado es:
(h) = 0.417 | h |
o bien, con otra notacin:
(hx , hy ) = 0.417 hx 2 + hy 2
b)
Caso anistropo:
1 ( h) 2 ( h) ... k ( h)
En la prctica se distinguen dos tipos de comportamiento anistropos del variograma:
86
Anisotropa geomtrica:
Se produce cuando los diversos variogramas pueden reducirse a un variograma
istropo mediante una transformacin lineal de las coordenadas. El caso ms comn
en la prctica es cuando los variogramas presentan un mismo valor de meseta pero
diferentes alcances:
(h) = 1 (| h ' |)
en que
87
Las frmulas de
( h) = ( ) | h |
se procede de manera anloga, utilizando la elipse de pendientes o de inversos de
pendientes.
EW:
NS:
(h) = 1 (h ') = 1 ( hx 2 + k 2 hy 2 )
(h) = 0.0015 hx 2 + 12.96hy 2
88
Anisotropa zonal
En este caso la anisotropa no puede ser reducida por una transformacin lineal simple
de las coordenadas.
89
G
G
(hx , hy , hz ) = 1 (| h |) + 2 (| hz |)
En que:
G
| h |= hx 2 + hy 2 + hz2
90
Captulo IV
El error de estimacin
z(xi)
ley en el punto xi
N = N de datos
No se conoce la ley media de V: zV
En la prctica, se estima la ley media desconocida por una frmula lineal del tipo:
91
zV = 1 z ( x1 ) + 2 z ( x2 ) + ... + N z ( xN )
En que los i verifican la condicin de insesgado:
1 + 2 + ... + N = 1
Los pesos i dependen del mtodo de estimacin utilizado:
i =
1
N
media aritmtica
i =
Si
S
polgonos
1
dik
i = N
1
k
i =1 d i
inverso distancia
= zV zV
en que
92
= zV zV
Debido a que zv es desconocido, entonces es desconocido. Renunciamos entonces
a conocer el error en signo y magnitud.
93
Figura IV.4: Ley normal, regla de los dos sigma. Es el caso ms utilizado en la prctica.
94
0.68
P(m - 2 m + 2)
0.95
P(m - 3 m + )
0.997
Estudio de mE:
En trminos tericos:
mE = E()
Este valor es nulo porque los errores se compensan (siempre que el mtodo de
estimacin verifique la condicin de insesgado = 1).
Luego:
mE = 0
Estudio de E2
En trminos tericos:
E2 = E ( mE ) 2 = E 2
E2 = E 2
La Geoestadstica demuestra que se puede calcular numricamente el valor de
Luego, el problema est resuelto.
E2 .
(i)
95
P[ - 2E 2E ] = 0.95
(ii)
P[ - 3E 3E ] = 0.997
(iii)
zV = zV 2 E
P [ k k ] 1
1
k2
P [ 2 2 ] 0.75
P[ k k ] 1
4
9k 2
P[ 2 2 ] 0.89
E = E2 .
96
E2
o de la desviacin
Clculo de E2 :
Sabemos que:
E2 = E ( 2 ) = E ( zV zV ) 2
Por otra parte:
N
zV =
zV =
1
V
i =1
z ( xi )
z ( x)dx
(La ley real desconocida se calcula, en el caso de ser posible, por el promedio de las
leyes de todos los puntos x dentro de V). La integral anterior puede ser simple, doble o
triple. Luego el error es la diferencia entre una sumatoria y una integral:
= i z ( xi )
i =1
1
z ( x)dx
V V
2
E
1
= 2 i
V
i =1
x
x
dx
(
,
)
i
V2
V
( x , y ) dxdy
V V
97
i =1 i =1
( xi , x j )
Antes de explicar cmo se calculan los trminos en forma numrica, observamos que
E2 depende de:
98
xi
(h)
Trmino (xi, xj): Representa el valor de (h) siendo h el vector que une los
puntos xi y xj:
99
i)
1
Trmino V ( xi , x) dx : Representa el valor medio de la funcin (h) (h es el
V
vector que une xi con x), siendo x un punto variable dentro de V:
G
1
1 k
( xi , x)dx (h j )
VV
k j =1
Esta aproximacin es mejor cuando el nmero k de puntos dentro de V es ms grande.
La prctica recomienda un nmero mnimo de puntos dentro de V de manera de
obtener una precisin aceptable:
100
i)
Si V es bidimensional:
k 36 ptos.
ii)
Si V es tridimensional:
k 64 ptos.
iii)
Trmino
1
V2
( x, y)dxdy
VV
1
V2
1
(
,
)
x
y
dxdy
V V
k2
101
G
(hij )
k
i =1 j =1
a)
proporciona: 2 E = 3.02
Luego:
zV = 38 3.02
(con 95% de confianza)
102
b)
Luego:
zV = 35 2.84
En este caso se utiliz un solo dato (contra 2 del caso anterior) y sin embargo se
obtuvo un error menor. La razn de esta aparente paradoja es que en el caso a) se
utiliz mal la informacin de los sondajes, atribuyndoles a ambos el mismo peso 0.5.
Es evidente que el dato z(x1) debe tener mayor peso que el dato z(x2).
c)
Luego:
zV = 36.5 2.38
Como este error (con confianza del 95%) es menor que los dos anteriores, se elimina la
paradoja. Este ejemplo nos lleva a la conclusin que no basta con tener datos sino que
hay que utilizarlos bien (es decir, ponderarlos en forma adecuada). Sin embargo, nos
queda una inquietud (que responderemos en el captulo siguiente):
ponderacin de los datos que nos proporcione un error menor?....
103
Existe otra
Observaciones:
1.
E2 = 2 i
i =1
1
V
( xi , x ) d x
1
V2
( x , y ) d xd y
V V
i =1 i =1
E2 :
( xi , x j )
104
Captulo V
El Krigeado
V.1. Introduccin
En trminos mineros, el krigeado consiste en encontrar la mejor estimacin lineal
insesgada de un bloque o zona V considerando la informacin disponible; es decir, las
muestras interiores y exteriores a V.
105
El nombre krigeado proviene de los trabajos de Daniel Krige en las minas de oro
sudafricanas de la Rand Corporation, en los aos 50. La teora fue formalizada una
dcada ms tarde por el geomatemtico francs Georges Matheron.
Figura V.2: Dos bloques contiguos en la oficina Ossa (ver figura I.13). El color amarillo representa
mineral (con ley 1) y el blanco estril (con ley 0). Los crculos representan los datos. Se observa que, en
general, es necesario utilizar datos externos al bloque.
El inters prctico ms importante del krigeado, proviene, no del hecho que asegura la
mejor precisin posible, sino ms bien porque permite evitar un error sistemtico. En la
mayora de los depsitos mineros, se deben seleccionar, para la explotacin, un cierto
nmero de bloques, considerados como rentables y se deben abandonar otros bloques
considerados no-explotables. Daniel Krige demostr que, si esta seleccin se realizara
considerando exclusivamente las muestras interiores a cada bloque, resultara
necesariamente (en promedio) una sobre-estimacin de los bloques seleccionados. La
razn de este problema es que el histograma de las leyes reales de los bloques tiene
menos leyes extremas, ricas o pobres, luego tiene ms leyes intermedias que el
histograma calculado con las muestras interiores, y, si se calcula el efecto de una
seleccin sobre este ltimo histograma, los paneles eliminados sern en realidad
menos pobres que lo que se haba previsto, y los paneles conservados menos ricos
(figura V.2).
106
z K = 1 z ( x1 ) + 2 z ( x 2 ) + ... + N z ( x N )
1 + 2 + ... + N = 1
Los pesos
107
1 i
(i = 2, 3, . . . , 8)
2, 3 i
(i = 4, 5, . . . , 8)
6 0
Se dice que la muestra S5 hace pantalla a la muestra S6.
iv)
4 5 + 6 + 7 + 8
108
Figura V.5: Variograma lineal y pesos del krigeado. Se tienen 3 muestras. Se produce un
desagrupamiento
2
E
1
= 2 i
V
i =1
1
V ( xi , x ) dx V 2
( x , y ) dxdy ( x , x
V V
109
i =1 i =1
i =1
i = 1
A' / x = 2x - 2 = 0
A' / y = 2y - 2 = 0
A' / = -2(x + y - 1) = 0
Es fcil de ver que la solucin de este sistema es:
x = 0.5
110
y = 0.5
= 0.5
Luego el mnimo de A' de A es:
Ao = (0.5)2 + (0.5)2 = 0.5
Por lo general el parmetro carece de significacin fsica.
En el caso del krigeado hay que considerar la expresin:
A' = E2 + 2(1 + 2 + . . . + N - 1)
Se demuestra que al realizar N + 1 derivaciones se obtiene el sistema de ecuaciones
siguiente:
... +
N, )
Se demuestra que el sistema siempre tiene solucin (se supone que el modelo de (h)
es autorizado), salvo el caso en el cual existen dos (o ms) muestras diferentes con las
111
2
E
i =1
1
V
( x , x ) dx V ( x , y ) dxdy +
i
V V
Ejemplo 1:
En el caso del yacimiento istropo de la figura IV.10, estudiado anteriormente:
Figura: V.6: Bloque a krigear, en negro la ley de la muestra, en azul el nmero de la muestra.
112
zV = 1 z ( x1 ) + 2 z ( x2 )
se obtiene, con la ayuda de un programa computacional:
1 = 0.77
2 = 0.23
Ejemplo 2:
En el caso del yacimiento anistropo estudiado anteriormente en la figura III.26, se
tiene el bloque siguiente :
113
zV = 1 z ( x1 ) + 2 z ( x 2 ) + 3 z ( x3 ) + 4 z ( x 4 ) + 5 z ( x5 )
1 = 0.47
2 = 0.20
3 = 0.20
5 = 0.08
4 = 0.08
2E = 0.12
zV = 0.61
zV = 0.61 0.12
Krigeado Puntual
En algunas ocasiones, en vez de estimar la ley media de un bloque V, interesa estimar
la ley en un punto x0 (problema de interpolacin).
Corresponde al caso particular en que el volumen V tiende a cero. Se obtiene el
sistema siguiente:
114
(x1, x0)
(x2, x0)
(xN, x0)
1
con la varianza:
2
E
(x , x
i =1
)+
Figura V.8: Krigeado del punto x0. Se puede generar una grilla de valores interpolados al hacer variar x0.
Esta tcnica tiene aplicacin en la cartografa automtica y en la simulacin de leyes.
115
Figura V.9: Krigeado puntual en una dimensin versus interpolador de mnimos cuadrados.
Esta propiedad no la tienen otros interpoladores tales como los mnimos cuadrados.
Propiedad de simetra
Si (h) es istropo, entonces datos que son simtricos respecto de V y con respecto a
los otros datos tienen pesos iguales.
116
1 = 1
2 = 4 = 6 = 8
3 = 5 = 7 = 9
Esta propiedad era til cuando se resolvan los sistemas de krigeado a mano
b.
Composicin de krigeados
117
z =
V1 z1 + V2 z2
V1 + V2
Figura V.12: Vecindad de estimacin. Para el krigeado no importa la agrupacin de datos al lado
izquierdo del bloque (el krigeado desagrupa la informacin). Cul radio tomar?
118
Figura V.13: En el espacio 3D hay que elegir los parmetros de bsqueda de manera de que se
produzca interpolacin entre los sondajes. En esta mina se observa que quedarn bloques mejor
estimados que otros y habr que categorizarlos en medidos, indicados e inferidos.
119
Radios de bsqueda (Rx, Ry, Rz). En primera aproximacin se pueden utilizar los
alcances del variograma en las direcciones (x, y, z), en una vecindad con forma
de elipsoide.
Figura V.14: Elipsoide de bsqueda. En algunas situaciones este elipsoide puede estar inclinado.
El centroide es el centro de gravedad del bloque.
Mnimo k de muestras para krigear. Sirve para controlar el caso en que solo una
muestra cae en la vecindad. Si, por ejemplo, se pone k = 2, solo se krigearn los
bloques que tengan dos o ms datos en la vecindad.
120
Los parmetros l y s deben ser utilizados con precaucin. Para no introducir artefactos,
es recomendable que estos valores sean altos, lo que hace que su uso no sea
interesante (ver figuras V.16, V.17 y V.18).
121
Figura V.16: Existencia de sondaje inclinado: Al usar octantes con l = 1, se utilizan exclusivamente los
compsitos 1 y 5. Luego, hay que usar un l mayor.
Figura V.17: Al usar un mximo s = 1 de compsitos por sondaje, slo se usan los compsitos 8 y 3
(casi a la misma cota que el bloque), sin tomar en cuenta la variacin en la vertical. Luego, hay que usar
un s mayor.
La figura V.18 ilustra un perfil de una mina estimado con octantes (mximo 2
compsitos) y con mximo de compsitos por sondaje (mximo 2 compsitos) y el
mismo perfil estimado con un mximo de 32 compsitos en la vecindad (sin octantes y
sin mximo de compsitos por sondaje)
122
Figura V.18: A la izquierda estimacin con octantes y mximo por sondaje (se produce el efecto
panqueque). A la derecha, sin restricciones. Todos los sondajes (no dibujados) son verticales. Los
compsitos tienen un largo igual a la altura del banco.
123
VI. Bibliografa.
M. Alfaro
M. Alfaro
M. Alfaro
M. Alfaro
H. Cramer
G. Matheron
G. Matheron
A. Journel y
Ch. Huijbregts
J. P Chils y
P. Delfiner
124