Professional Documents
Culture Documents
Sesion 3
Analisis Exploratorio de Datos
soporte 5m 5m
3.93
9 119
81
140
75
106 215
75
34
91
t
Compsitos
Cabe recordar que las estimaciones nunca son perfectas y estn afectadas por
errores que pueden incidir en el clculo de los recursos o de las reservas
unidades
geolgicas
etc. En general, cada
Herramientas exploratorias
Objetivos
Estudiar la cantidad, calidad y ubicacin
para realizar la estimacin de recursos y reservas
de
que
puedan
los
cada
surgir
datos
disponibles
unidad
geolgica,
en
fase
la
de
Tipo de roca
Granodiorta cascada
Diorta
Brecha de turmalina
Brecha de polvo de roca
Brecha de polvo de roca y turmalina
28
29
Brecha monolito
Brecha de turmalina - monolito
alteracin
leyes, densidad, potencia, etc.
Tipos de despliegue: secciones; plantas; vistas 3D; mapas con escala de colores,
codificados por indicador, por smbolos, etc.
polgonos de influencia
mtodo de las celdas
curvas tonelaje-ley
El clculo de estas herramientas debe tomar en cuenta los ponderadores de
desagrupamiento.
media
[% Cu]
desv. estndar [%
Cu]
0 50
0.55
0.27
50 100
0.96
0.46
100 150
1.23
0.81
150 200
1.13
0.57
200 250
1.15
0.82
250 300
0.94
0.52
300 350
0.82
0.42
350 400
0.73
0.47
media
[% Cu]
desv. estndar [%
Cu]
0 50
0.93
0.83
50 100
1.39
1.08
100 150
1.18
0.74
150 200
0.96
0.48
200 250
0.90
0.48
250 300
0.97
0.41
300 350
1.04
0.39
350 400
1.04
0.50
400 450
1.09
0.53
450 500
1.16
0.69
500 550
0.55
0.28
550 600
0.52
0.23
rango [m]
media
[% Cu]
desv. estndar [%
Cu]
0 25
0.91
0.48
25 50
0.95
0.45
50 75
0.95
0.51
75 100
1.00
0.65
100 125
1.03
0.73
Problemas prcticos
Estacionaridad (1)
La estacionaridad se refiere a una homogeneidad en el espacio de las
caractersticas de la variable en estudio: media, dispersin, continuidad, etc.
Implica que las propiedades estadsticas de los datos son representativas del total
del campo.
Estacionaridad (2)
En general, se tiende a considerar que la variable regionalizada no tiene un
comportamiento estacionario, por la presencia de zonas de altas leyes y otras de muy
bajas leyes.
Ahora bien, el concepto de estacionaridad es una propiedad del modelo
geoestadstico, no de la variable regionalizada misma. Por ende, es una decisin del
usuario considerar si se cumple o no la hiptesis de estacionaridad (ni verdadera ni
falsa, pero juiciosa o no).
una
hiptesis
de
estacionaridad
es localmente constante y vara
local:
el
valor
lentamente en el
no
es
incompatible
con
la
planteada en el formalismo geoestadstico
el
histograma
hiptesis
de
de
los
datos
estacionaridad
Muestreo preferencial
Un muestreo es preferencial si privilegia las zonas de alta ley. Hay que tener
cuidado en el estudio geoestadstico de tales muestreos, pues los estadsticos
experimentales ya no son representativos del campo entero
desagrupar las muestras
el tener un muestreo
variogrfico de los datos
un
efecto
proporcional)
de recursos y reservas.
A menudo, las fronteras modeladas son ms suaves (o sea, menos errticas) que las
fronteras verdaderas; los errores geomtricos pueden ser localmente muy importantes e
implican incertidumbre en los tonelajes de mineral.
si
es
necesario,
agrupar
el mtodo es auto-justificativo
las fronteras entre rangos de leyes suelen ser blandas
los resultados son sensibles a los rangos de leyes escogidos
Variables categricas
Codifican una propiedad del yacimiento (tipo de roca, unidad geolgica...) no
confundir con una variable regionalizada tradicional.
Compsitos (1)
Un mismo conjunto de datos no debe contener muestras de soporte distinto. Por
ende, es necesario llevar las muestras a compsitos de la misma longitud
(generalmente, igual a la altura del bloque de seleccin minera o a un submltiplo de esta altura).
Mientras ms largo el compsito, menos dispersos y menos errticos los valores.
Compsitos (2)
Los compsitos no deben cruzar fronteras duras entre unidades geolgicas distintas.
Es frecuente que se pierdan segmentos de la informacin inicial al compositar (en la
frontera de una unidad geolgica o al final del sondaje).
Compsitos (3)
Al compositar, se supone que las leyes son uniformes en cada testigo inicial, para
poder reconstituir el perfil de leyes de cada sondaje.
Aumentar la longitud de los compsitos tiene varios efectos.
reduce el nmero de datos
disminuye la dispersin de los valores (efecto de soporte):
las
tcnicas
geoestadsticas
permiten
tomar
estas
imprecisiones,
siempre
que
hayan
sido
cuantificadas
la evaluacin de
errores de medicin
recursos
pierde
precisin
de
en
las
en
cuenta
previamente
presencia
de
mediciones,
GEOESTADISTICA BASICA
Sesion 4
VARIOGRAMA
Anisotropia
Tamao de lag
2.
Numero de lag
3.
Tolerancia de lag
4.
Numero de direcciones
5.
Tolerancia de direcciones
Tamao de Lag
1m
5m
15m
30m
60m
150m
10
15
20
30
100
Tolerancia de Lag
Sin tolerancia
Tolerancia 1 Lag
Tolerancia 7 Lag
Numero de direcciones
3 Direcciones (6o)
6 Direcciones (45)
18Direcciones (10)
Tolerancia de direcciones
Tol 0 Direct
Tol 1 Direct
Tol 18 Direct
GEOESTADISTICA BASICA
Sesion 5
ANISOTROPIA Y VARIOGRAFIA
Anisotropia
Anisotropia
isotropia
GEOESTADISTICA BASICA
Sesion 7
KRIGEAGE, VECINDAD DE BUSQUEDA Y VALIDACION
Lineal
Insesgo
Optimo
Vecindad
Validacion cruzada
Como repaso breve se mostrara la data academica del proyecto Andina de Chile
Acontinuacion el desarrollo:
Variografia
Modelo de bloques
Validacion vecindad 5m
Datos
Vecino cercano
IDW 2
IDW 2.5
IDW 3
Krigeage
GEOESTADISTICA BASICA
Sesion 8
Clasificacion de recursos
GEOESTADISTICA BASICA
Sesion 9
Principios de simulacion gaussiana
Conceptos basicos
Decluster
Conceptos basicos
Anamorfosis
Para que sea realista, es deseable que cada mapa respete los valores
conocidos en los sitios de muestreo
simulacin condicional
consiste en reproducir la distribucin espacial a posteriori, i.e.
condicional
a los datos disponibles o local
La simulacin no condicional busca solamente construir mapas que tienen la
misma variabilidad que la variable en estudio, pero sin tomar en cuenta los
valores de los datos.
busca reproducir la distribucin espacial a priori
kriging
simulacin condicional
Modelo multi-Gaussiano
Algunos algoritmos
de simulacin de funciones
aleatorias multi-Gaussianas
Algoritmo secuencial
Principio
Consiste en estimar un primer bloque de ubicacin aleatoria con los datos
brindados y usar este bloque como dato real para estimar el siguiente bloque
de ubicacin aleatoria y repetir el proceso hasta generar un modelo
simulado, puede requerir uso de anamorfosis gausiana
Algoritmo secuencial
Pros
mtodo sencillo y fcil de ejecutar
permite realizar directamente simulaciones condicionales a un
conjunto
de datos: se considera estos datos como si fueran valores ya simulados
Algoritmo secuencial
Contras
Mtodo lento: el sistema de kriging se vuelve cada vez ms grande a
medida
que se desarrolla la simulacin
En la prctica, se restringe los valores condicionantes (datos iniciales +
valores previamente simulados) a los ms cercanos del sitio a simular, es
decir, se usa una vecindad mvil.
Fuente de imprecisin, que requiere ciertos trucos para minimizar sus
efectos:
aleatorizacin del orden de los sitios a simular, para evitar
artefactos
Algoritmo secuencial
Ejemplo
Principio
Simplificar el problema de la simulacin en espacios multidimensionales,
usando simulaciones unidimensionales y esparcindolas al espacio 2D o
3D
Funcin aleatoria en 1D
Esparcimiento a 2D
Aplicacin
Simulacin de una funcin aleatoria Gaussiana de variograma esfrico + pepa
en un dominio de 400 400: variogramas de 100 realizaciones
1000 rectas equi-distribuidas