Documente Academic
Documente Profesional
Documente Cultură
HUANCAYO 2012
EVALUACION DE RESERVAS
METODOS GEOESTADISTICOS
CORRELACION ESPACIAL
VARIOGARMAS
Z= ESTIMADOR LINEAL OPTIMO DE UN BLOQUE O UN PUNTO, BASADO EN LOS VALORES CIRCUNDANTES Y EN EL VARIOGRAMA
La estadstica clsica considera slo la magnitud de los datos y no toma en cuenta ningn aspecto relacionado con la posicin del dato .
La geoestadstica considera no solo el valor del punto, si no tambin la posicin de ese punto dentro del cuerpo mineralizado y su relacin con otras muestras
Ejemplo, Se ha tomado en un yacimiento, dos conjuntos de muestras en los que cada muestra est separada de la siguiente una distancia determinada y que los resultados obtenidos en el anlisis de leyes son los siguientes: Conjunto 1: 3%, 5%, 7%, 9%, 8%, 6%, 4%, 2% Conjunto 2: 9%, 3%, 8%, 2%, 6%, 5%, 7%, 4%
En la estadstica clsica ambos conjuntos tienen la misma media y la misma varianza (en si son los mismos datos), pero se puede observas que tiene una diferencia espacial, que se manifiesta por las diferencias sucesivas entre la muestras contiguas: Conjunto 1: 2, 2, 2, 1, 2, 2, 2 Conjunto 2: 6, 5, 6, 4, 1, 2, 3 De acuerdo a este concepto surge la idea de variable regionalizada
VARIABLE REGIONALIZADA
Es aquella cuyo valor en un punto dentro de un yacimiento es funcin de su magnitud y de su soporte (volumen, forma y orientacin) Ejemplos de variables regionalizadas de un yacimiento: ley o contenido de un metal/mineral, espesor del cuerpo mineralizado, el peso especfico o la densidad aparente, parmetros fsicos como la porosidad, etc..
APLICACIONES A LA GEOSESTADISTICA
El examen de semivariogramas pueden ser tiles para determinar:
1. El tamao ptimo de la muestra 2. Es esquema de muestreo ptimo 3. La densidad ptima de muestreo 4. El rea de influencia de cada muestra, que puede ser circular, elptica, esferoidal o elipsoidal. 5. La naturaleza de la mineralizacin
: Nmero de pares de datos : El valor de la variable regionalizada en el punto i : El valor de la variable regionalizada tomada a una distancia h
LAG: Espaciado con que se calculan las diferencias al cuadrado entre muestras Ejemplo: LAG1 incluye las muestras adyacentes A y B. B y C. C y D. etc. La distancia que representa el LAG,1 es el intervalo mnimo del muestreo.
LAG: Espaciado con que se calculan las diferencias al cuadrado entre muestras Ejemplo: LAG2 requiere que se calcule las diferencias al cuadra entre muestras alternativa A y C. B y D. C y E. etc. Y as sucesivamente
Ejemplo: 1 Se tienen 4 taladros de muestreo en una direccin determinada, calcular: a) el variograma, b) var. relativo y c) el var. logartmico
a) VARIOGRAMA
(10-20)2 + (50-60)2 Y(2)= ---------------------------- = 50 2x2 (10-60)2 Y(3)= ---------------= 1250 1x2
y(h)
y(h) = (1/2N) . [ f(x1) (fx1+h)]2 (10-50)2 + (50-20)2 + (20-60)2 Y(1)= ------------------------------------------ = 683.3 2x3
b) VARIOGRAMA RELATIVO
h
1 2 3
Y(h)
683.3 50 1250
X
35 35 35
X2
1225 1225 1225
Y(h)/x2
y(h)/x 2
1 0,8
c) VARIOGRAMA LOGARITMICO
Z(X)
= 10
50
20
60
2.96 4.09
(2.30-3.91)2 + (3.91-2.96)2 + (2.96-4.09)2 Y(1)= ----------------------------------------------------- = 0,81 2x3 (2.30-2.96)2 + (3.91-4.09)2 Y(2)= ------------------------------------ = 0,11 2x2
(2.30-4.09)2 Y(3)= ---------------= 0.31 1x2
y(h)
Ejemplo: 2 Se tienen 4 taladros de muestreo en una direccin determinada, calcula: a) el variograma, b) var. relativo y c) el var. logartmico
(10-50)2 + (20-60)2 Y(2)= ---------------------------- = 800 2x2 (10-60)2 Y(3)= ---------------= 1260 1x2
1400 1200 1000
y(h) = (1/2N) . [ f(x1) (fx1+h)]2 (10-20)2 + (20-50)2 + (50-60)2 Y(1)= ------------------------------------------ = 183.3 2x3
y(h)
Los valores obtenidos de Y(h) se representan en un diagrama frente a sus correspondientes valores de h, definindose el correspondiente variograma.
(h) La velocidad del incremento de Y(h) con el Lag es un reflejo de la velocidad a la cual la influencia de una muestra disminuye con al distancia
Lag (h)
EJEMPLO DE SEMIVARIOGRAMA
(h)
Lag (h)
Por lo tanto es necesario definir el valor de la variable en puntos donde el semivariograma experimental no ofrece informacin suficiente.
Para ello es necesario construir un modelo que nos permita obtener dicha informacin.
Por otro lado los procesos naturales cuyas pautas de comportamiento no son bien conocidas, no se pueden aplicar modelos determinsticos.
La mayor parte de estos fenmenos, son en realidad, el resultado final de una combinacin de variables cuyas complejas interacciones impiden describir el fenmeno cuantitativamente.
Entonces hay que admitir la existencia de incertidumbre del comportamiento de los fenmenos entre los puntos muestreados. Entonces es imprescindible a modelos de funciones aleatorias Por estas razones, los estudios de estimacin geoestadstica se basan en modelos probabilsticos.
Variable Aleatoria
Una variable aleatoria es aquella cuyos valores se generan aleatoriamente de acuerdo con un mecanismo probabilstico.
De igual forma , se define una funcin aleatoria como un conjunto de variables aleatorias que tienen alguna localizacin espacial y cuya dependencia una de otra, viene determinada por algn mecanismo probabilstico. Este tipo de funciones aleatorias son las que utiliza la Geoestadstica.
Ejemplo
(a)
h Funcin aleatoria muy errtica en distancias cortas y correspondiente realizacin BBC)
(b)
h Funcin aleatoria menos errtica
X
BBC)
(c)
h Funcin aleatoria extremadamente continua
(a)
X Y Y (b)
X Y
Si se restringe los datos a los siete valores mostrados, cualquiera de las opciones es posible, pues todas pasan por los valores. Se debe estudiar el proceso involucrado para optar la opcin que sea la ms adecuada.
(c)
MODELOS DE SEMIVARIOGRAMAS
1. MODELO EXPONENCIAL
Este modelo va ascendiendo lentamente hasta alcanzar la meseta a un valor constante. Existen dos posibles esquemas: FORMERY Y(h) = C[1 exp(-[h/a])] + C0
Donde: C : Valor comprendido entre el efecto pepita C0 y la meseta. h : Distancia BBC) a : Representa el alcance o rango 0.96
1.0
GAUSSIANO
FORMERY
0.25
MODELOS DE SEMIVARIOGRAMAS
2. MODELO ESFERICO O MATHERNON
Es el que mejor se ajusta cuando se trata de variables mineras (p.e. ley o espesor) Presenta una curva de del semivariograma que aumenta rpidamente del LAG para posteriormente, ascender ms lentamente hasta alcanzar una zona plana a valores de LAG altos
BBC )
COVARIANZA
MESETA
SEMIVARIOGRAMA C
MODELOS DE SEMIVARIOGRAMAS
2. MODELO ESFERICO O MATHERNON
MODELOS DE SEMIVARIOGRAMAS
2. MODELO ESFERICO O MATHERNON
Y(h) = C0 + C[1.5(h/a) 0.5(h/a)3 para h < a Y(h) = C0 + C para h < a
(h)
En este caso la evaluacin del yacimiento se debe realizar por cualquier mtodo clsico
MODELOS DE SEMIVARIOGRAMAS
3. MODELO LINEAL
Este modelo se presenta cuando, al representar Y(h) frente a los LAgs, se obtiene una lnea recta: Y(h) = p.h + k
B2
(h)
h=L/3
BBC ) 160
h
0 10 20
h
0 10 20
1 C0=0,4 h 0 9 13 20 40 60 80
BBC )
C2
C1
C0 h a1 a2 a3
Ocurre cuando se combinan conjuntos de datos no relacionados (p.e. dos fases de mineralizacin con diferentes caractersticas.
EL KRIGEAJE
Es una tcnica utilizada en la evaluacin de yacimientos para estimar el valor de una variable regionalizada en un punto o en un bloque a partir de de unos factores de ponderacin que trabajan semejante como lo hacen en le inverso de la distancia. Ese valor se caracteriza por ser el mejor estimador lineal insesgado de la variable. Mejor: variancia de estimacin mnima
KRIGEAJE PUNTUAL
Para obtener el valor de la variable, se calcula a travs de un sistema de ecuaciones, denominadas ecuaciones de krigeaje, en las que las incgnitas para resolver el sistema se obtiene a partir del semivariograma modelizado. Ejemplo de sistema de ecuaciones para una estimacin de 4 puntos: K1Y1,1 + K2Y1,2 + K3Y1,3 + K4Y1,4 + u=Y0,1
K1 + K2 + K3 + K4 = 1
DONDE:
Ki = factores de ponderacin (Z* KiZi, siendo Z* el valor estimado Zi los valores conocidos para llevar a cabo la estimacin) Yi,j = valores del semivariograma, obtenidos a partir dela ecuacin del modelo correspondiente para una distancia i a j. u = valor denominado parmetro de Lagrange Y0,,j = valor de semivariograma en el punto a estimar.
Ejemplo: Se tiene un conjunto de 4 muestras de un yacimiento de zinc cuyas leyes son: X1= 8,2%, X2=9,6%, X3=13,1% y X4=6,4%. El semivariograma a considerar se ajusta un modelo tipo esfrico con alcance = 250 m, C0 =17 y C=66. Calcular, utilizando el krigeaje, el valor de la ley en el punto X0.
Solucin: tenemos que resolver el sistema de ecuaciones de krigeaje para cuatro puntos:
K1Y1,1 + K2Y1,2 + K3Y1,3 + K4Y1,4 + u=Y0,1 K1Y2,1 + K2Y2,2 + K3Y2,3 + K4Y2,4 + u=Y0,2
En principio habra que obtener 16 valores de Y(h) en las ecuaciones del modelo esfrico. Sin embargo esta cantidad disminuye notablemente por dos razones:
a) La matriz es simtrica, por tanto y2,1,Y1,3= Y3,1, etc. b) Las distancias entre algunos Y(h) son similares (Y1,2 =Y2,4) Para calcular los Y(h) necesarios se tendr.
Y1,2=Y2,1=Y1,4=Y4,1 = Y(2002+1002)1/2 = 66(3/2)((2002+1002)1/2)/250-(1/2)((2002+1002)1/2)3/2503)+17 = 81.94 Y1,3=Y3,1 = Y(2002+1502)1/2 = = 76.02 Y2,3=Y3,2=Y3,0=Y0,3 = Y(1002+502)1/2 = = 58,02 Y2,4=Y4,2 = Y(3002+1002)1/2 = = 83,00 Y3,4=Y4,3 = Y(2002+502)1/2 = = 80,13 Y0,1= Y(100) = = 54.48 Y0,2= Y(200)= =79.30
Sustituidos estos valores de Y(h) en las ecuaciones de krigeaje, obtiene un sistema de 5 ecuaciones con 5 incgnitas, cuya resolucin ofrece los siguientes resultados: K1 = 0.393; K2 = 0,022; K3= 0,329 y K3 = 0,256 Por lo tanto, el valor de la variable ley para en Zinc en el punto X0 ser: G(X0) = (0,393*8,2) + (0,022*9,6) + (0,329*13.1) + (0,256*6,4) G(X0) = 9,38 %