Informe de N001

Planeamiento de minado
Dirigido a : Ing. Rubn Zuloaga Canda
Elaborado por : Yulissa Acua Huachaca
Alumna de Pre Grado
Fecha : 31 de Mayo del 2017
Asunto : Plan de trabajo - Geoestadstica

1. Resumen

1.1. GEOESTADSTICA

La geoestadstica es una ciencia que utiliza la informacin recogida de la superficie terrestre,

expresada en cifras, para conocer la mayor o menor probabilidad de existencia y distribucin
de yacimientos mineros. Ello permite, a la vez, estimar el mejor modo de llevar a cabo los
sucesivos procedimientos extractivos.

Su herramienta bsica se denomina variograma. Se emplea para medir la relacin entre

muestras espacialmente diferentes y para proyectar estimadores de los puntos que no
participaron en el muestreo.

1.2. CMO FUNCIONA?

Una vez recogida la informacin que va a utilizarse, se decide qu modelos de estimacin se

usarn. Existen dos grandes modelos actualmente utilizados: el kriging (o krigeaje), que se
subdivide en ordinario, simple y de indicadores, y el kriging puntual y de bloques. Esto en
honor al ingeniero sudafricano Danie Krige, que comenz a desarrollar la geoestadstica
durante su trabajo en las minas de oro de Witwatersrand.

En el campo de la minera, lo que busca el kriging en trminos generales es interpolar un valor

(como la elevacin, porosidades o presencia de contaminantes, por ejemplo) de un lugar que
an no ha sido observado en base a observaciones realizadas en ubicaciones cercanas.
As, la geoestadstica puede realizar evaluaciones de reservas mineras, es decir, la estimacin
de parmetros a partir de un nmero relativamente pequeo de perforaciones y muestras
diversas.

ntimamente relacionadas a los modelos de estimacin estn los modelos de simulacin. Esto
debido a la necesidad de una mayor precisin de la informacin obtenida del kriging.

FACULTAD DE INGENIERIA | ESCUELA DE MINAS | SEMESTRE 2017 - I 1

Informe de N001
Planeamiento de minado
2. Desarrollo del informe

2.1. KRIGEAJE

El krigeaje o krigeado (del francs krigeage) es un mtodo geoestadstico de estimacin de

puntos. Utiliza un modelo de variograma para la obtencin de los ponderadores que se darn
a cada punto de referencias usados en la estimacin. Esta tcnica de interpolacin se basa
en la premisa de que la variacin espacial contina con el mismo patrn. Fue desarrollada
inicialmente por Danie G. Krige a partir del anlisis de regresin entre muestras y bloques de
mena, las cuales fijaron la base de la geoestadstica lineal.

2.2. INTRODUCCIN

El kriging puede ser entendido como una prediccin lineal o una forma de inferencia
bayesiana. Parte del principio: puntos prximos en el espacio tienden a tener valores ms
parecidos que los puntos ms distantes. La tcnica de kriging asume que los datos recogidos
de una determinada poblacin se encuentran correlacionados en el espacio. Esto es, si en un
vertedero de residuos txicos y peligrosos la concentracin de zinc en un punto p es x, ser
muy probable que se encuentren resultados muy prximos a x cuanto ms prximos se est
del punto p (principio de geoestadstica). Sin embargo, desde una cierta distancia de p,
ciertamente no se encontrarn valores prximos a x porque la correlacin espacial puede
dejar de existir.

Se considera al mtodo de kriging del tipo MELI (Mejor Estimador Lineal Insesgado) o ELIO
(Estimador Lineal Insesgado ptimo): es lineal porque sus estimaciones son combinaciones
lineales ponderadas de los datos existentes; y es insesgado porque procura que la media de
los errores (desviaciones entre el valor real y el valor estimado) sea nula; es el mejor (ptimo)
porque los errores de estimacin tienen una variancia (variancia de estimacin) mnima.

2.3. TIPOS DE KRIGING

2.3.1. Kriging simples

Asume que las medias locales son relativamente constantes y de valor muy semejante a
la media de la poblacin que es conocida. La media de la poblacin es utilizada para
cada estimacin local, en conjunto con los puntos vecinos establecidos como
necesarios para la estimacin.

2.3.2. Kriging ordinario

FACULTAD DE INGENIERIA | ESCUELA DE MINAS | SEMESTRE 2017 - I 2

Informe de N001
Planeamiento de minado
Las medias locales no son necesariamente prximas de la media de la poblacin,
usndose apenas los puntos vecinos para la estimacin. Es el mtodo ms
ampliamente utilizado en los problemas ambientales.

2.3.3. Cokriging

Es una extensin de las situaciones anteriores en las que dos o ms variables tienen
una dependencia espacial y esa variable se estima que no se muestra con la intensidad
con la que otros son variables dependientes, con estos valores y sus dependencias
para estimar la variable requiere.

2.4. CONCEPTOS MATEMTICOS

El mtodo de Kriging utiliza diversas teoras explayadas en la estadstica. En tanto, para que
esta teora estadstica se vea ms clara en el mbito de aplicacin; se explican algunos
conceptos.

2.5. SEMIVARIANCIA Y SEMIVARIOGRAMA

Una semivariancia es la medida del grado de dependencia espacial entre dos muestras. La
magnitud de la semivariancia entre dos puntos depende de la distancia entre ellos, implicando
en semivariancias menores para distancias menores y semivariancias mayores para
distancias mayores. El grfico de las semivariancias en funcin de la distancia a un punto es
llamado de semivariograma. A partir de una cierta distancia, la semivariancia no ms
aumentar con la distancia y se estabilizar en un valor igual a la variancia media, dando a
esa regin el nombre de meseta, silo o patamar (sill)[cita requerida]. La distancia entre el
inicio del semivariograma al comienzo del silo recibe el nombre de rango. Al extrapolar la
curva del semivariograma para la distancia cero, podemos llegar a un valor no nulo de
semivariancia. Ese valor recibe el nombre de efecto pepita (Nugget Effect).

2.5.1. MODELOS DE VARIOGRAMA

FACULTAD DE INGENIERIA | ESCUELA DE MINAS | SEMESTRE 2017 - I 3

Informe de N001
Planeamiento de minado
En el Mtodo de Kriging normalmente son usados cuatro tipos de variogramas: usadas
las siguientes variables:

2.5.1.1. Lineal

Este modelo no presenta silla y es muy simple. Su curva puede ser representada
por:

= +

2.5.1.2. Esfrico

Una forma esfrica es la ms utilizada en el silo. Su forma es definida por:

3
+ [1.5 ( ) 0.5 ( ) ] , <
={
+ , >

2.5.1.3. Exponencial

La curva de variograma exponencial respeta la siguiente ecuacin:

= + (1 )

2.5.1.4. Gaussiano

Una forma gaussiana es dada por:

2
+ (1 2 ) , <
={
+ , >

2.6. MTODO DE KRIGING

2.6.1. Determinacin del semivariograma

FACULTAD DE INGENIERIA | ESCUELA DE MINAS | SEMESTRE 2017 - I 4

Informe de N001
Planeamiento de minado
Tomando como base una simulacin de un sistema de dos dimensiones (2 D) que
contienen un nmero finito de puntos donde es posible una medicin de cualquier
tamao. Luego de la adquisicin de estos datos, se iniciar la interpolacin Kriging
buscando alcanzar una mayor resolucin. El primer paso es construir un
semivariograma experimental. Para tal, se calcula la semivariancia de cada punto en
relacin a los dems y se ve en un grfico de la semivariancia por la distancia.

1 2
( = ) = ( )
2
=1

A partir de ese grfico se estima el modelo de variograma que mejor se aproxima a la

curva obtenida. El efecto pepita puede estar presente en el semivariograma
experimental y debe ser considerado. Determinado el modelo de semivariograma a ser
usado, se inicia la fase de clculos. Siendo el semivariograma una funcin que depende
de la direccin, es natural que presente valores diferentes conforme la direccin,
recibiendo este fenmeno el nombre de anisotropa. Un caso de semivariograma
presente una forma semejante en todas las direcciones del espacio, va a depender de
h, dicindose que es una estructura isotrpica, i. e., sin direcciones privilegiadas de
variabilidad.

2.6.2. Clculo de los Pesos

Considere, para el clculo del kriging, la siguiente frmula:

(, ) =
=1

Donde es el nmero de muestras obtenidas, es el valor obtenido en el punto y

es el peso designado al punto . A fin de obtener los pesos de cada uno de los puntos,
para cada uno de ellos se realiza un calculo de 1 , 2 , , . Tal procedimiento
depende del tipo de kriging que esta siendo utilizado. Hacemos hincapi en la siguiente
notacin:

( )

2.6.3. Kriging ordinario

En ese caso es utilizada la media local de los puntos mostrados. Por consiguiente, debe
normalizarse la media de los pesos. Consecuentemente, se tiene un resultado ms
preciso del Kriging Simple. El uso ser de las siguientes ecuaciones para determinar los
valores de los pesos en el p-ensimo punto:

FACULTAD DE INGENIERIA | ESCUELA DE MINAS | SEMESTRE 2017 - I 5

Informe de N001
Planeamiento de minado

2.6.4. Kriging Simples

Para este caso, utilizar la media de todos los dados. Implicando, por tanto, que no se
normalice en la ubicacin promedio de los pesos, como en el anterior. As, tenemos casi
la misma ecuacin, excepto por la exclusin de y por la ltima ecuacin. La
caracterstica principal de este mtodo es la generacin de grficos ms lisos y ms
estticamente suaves. Cabe sealar que este caso es menos exacto que el caso
anterior. Los valores de los pesos para el p-simo punto sern dados por:

2.6.5. Obtencin de Punto Interpolado

Cuando llegamos a los valores de 1 1 + 2 2 + + , se calculan los valores de :

= 1 1 + 2 2 + +

De esa manera, se calcula el valor interpolado para todos los puntos deseados. Se
resalta que solamente deben ser utilizados los valores adquiridos arriba.

2.6.6. Interpolando Otros Puntos

La obtencin del valor interpolado en otro punto requiere la repeticin de todos los
clculos realizados a partir de la obtencin del modelo de variograma. De esa forma,
para aumentar la resolucin que se pretenda, se debe recurrir a mtodos matemticos
para la resolucin computacional.

3. Referencias

Alfaro, M.A., 2007, Estimacin de Recursos Mineros, 125 p.

Martinez, A., 2005, Desarrollo actual de la geoestadstica en el mundo, 21p.
Universidad Nacional de Colombia, Introduccin a la geoestadstica, 94 p.
https://es.wikipedia.org/wiki/Krigeaje
https://mine-class.com/sirve-la-geoestadistica/

FACULTAD DE INGENIERIA | ESCUELA DE MINAS | SEMESTRE 2017 - I 6