Upload
christianrivas
View
58
Download
0
Embed Size (px)
DESCRIPTION
vfvfvfv
Citation preview
UNIVERSIDAD NACIONAL DANIEL ALCIDES CARRION
FACULTAD DE INGENIERA DE MINASESCUELA DE FORMACIN PROFESIONAL MINAS
CAPTULO IIING: MONTALVO CARHUARICRA, Nelson
Aplicaciones del Modelo de
Variograma
Aplicaciones
Definir la variabilidad de un yacimiento.
a) Concepto de soporte
b) Varianza de dispersin (c/distintos soportes)
c) Varianza de estimacin
Estimacin de leyes por Kriging.
1. Soporte: es el trmino que se usa en la geoestadstica para describir el volumen en
funcin del cual se define una ley.
2. A medida que aumenta el tamao de la muestra (o del soporte de la muestra), la
varianza de las leyes resultantes disminuye.
3. El cambio en la varianza debido al cambio en el volumen se denomina la relacin
volumen-varianza.
4. Existe un tamao mnimo de bloque que se puede seleccionar ya sea como mineral o
estril. El tamao del bloque se denomina la unidad minera selectiva o UMS.
5. A medida que aumenta la UMS la varianza aumenta.
Ejemplo: un rea con sondajes en una cuadrcula regular de
aproximadamente 8 metros. En esta rea, se definen las leyes de bloque
en soportes diferentes calculando el promedio de las leyes de los
sondajes dentro de cada bloque. Los tamaos de soporte seleccionados
son bloques de 30 x 30 y 50 x 50 en el plano. En todos los casos se usa
una dimensin vertical de 12 m, correspondiente a la altura del banco.
Conclusin
NO SE PUEDE ASEVERAR LAS RESERVAS EXPLOTABLES DE UN PROYECTO SIN FIJAR UN
TAMAO DE SOPORTE!
Varianza de Dispersin
Expresa la variabilidad de las Leyes
D 2 (0 / A ) = D 2 (v / A ) + D 2(0 / v )
D 2 : Varianza
0 : Muestras puntuales
V: Bloques
A : rea
Varianza de las muestras
puntuales en un rea=
Varianza de los Bloques del rea
Varianza de las muestras puntuales
en los bloques
+
Se demostr que la Varianza disminuye al aumentar el tamao
del soporte
El modelo de variograma se puede usar para predecir la varianza de leyes en un soporte de
cualquier tamao dentro de cualquier volumen.
VI es reemplazado por las leyes de los datos individuales y el trmino m es reemplazado por la ley
media del bloque y la varianza de dispersin se interpreta como la varianza de las leyes de
muestra dentro del bloque.
.1. En la primera expresin, la diferencia al cuadrado media se computa en
todos los pares de puntos que definen el volumen v.
D v v v z x z xi j2 20( / )
_( , ) ) ( ))
1
2 n ( (
2j=1
n
i=1
n
Basado en esta relacin se puede expresar cualquier varianza de dispersin entrminos de la funcin de variograma
Se puede ver de la similitud de ambas expresiones que la varianza de dispersin de las
leyes de muestra dentro de un volumen es igual al medio de la funcin de variograma en
funcin del volumen. Se puede escribir matemticamente:
1. Mientras que la varianza de dispersin expresa la variabilidad de las leyes, la varianza de estimacin
expresa la variabilidad asociada con una
2. Estimacin o, en otras palabras, expresa la varianza de los errores de estimacin.
3. La varianza de estimacin es una medida de la dispersin de los errores aleatorios, ya que se requiere
que el estimador no tenga ningn sesgo y, por lo tanto, el error sistemtico ser cero.
4. Se puede definir la varianza de estimacin para cualquier tipo lineal de estimador, no solamente para
el estimador de kriging.
5. La caracterstica relevante del estimador de kriging es que el kriging proporciona el estimador
(ponderador) que minimiza la varianza de estimacin. As que, la varianza de estimacin ser ms
pequea cuando se aplica el kriging.
Varianza de Estimacin
La precisin describe el error
aleatorio o las fluctuaciones
en torno al valor verdadero
mientras que la exactitud
describe el error sistemtico o
el sesgo.
Tipos de erroresSistemticos y Aleatorios
El error de estimacin para un punto (E), ser la diferencia entre Z*, (la
verdadera ley del punto), y la Ley (Zx) que es resultado de su clculo a
travs de leyes xi afectados por un coeficiente Ki .
= Z* - Zx = Z* - (xi . Ki )
Si el estimador no tiene sesgo (error sistemtico nulo), la distribucin de
los errores debera seguir una distribucin normal.
El estimador usado tiene la forma :
donde los representan las ponderaciones asignadas a cada dato. La
nica restriccin para las ponderaciones es que sumen uno,
v i
i
n
iz x z x*
( ) ( }
1
La varianza de estimacin va a depender de las distancias estadsticas (Y),
promedio entre los datos y el bloque. Puesto que el modelo de variograma
es una funcin creciente, el error de estimacin aumenta o diminuye con las
distancias desde las muestras al centro del bloque.(es lo que expresa el 1er
trmino de la frmula) .
El segundo trmino de la expresin involucra el promedio de la funcin del
variograma entre las ubicaciones de las muestras. Este trmino es negativo,
as que la varianza de estimacin disminuye a medida que este trmino
aumenta (datos distanciados). Si los datos se encuentran agrupados, las
muestras bsicamente investigarn el mismo punto en el espacio y, como
consecuencia, mucha de la informacin se har redundante (aumenta la
varianza de estimacin).
El tercer trmino examina el promedio de la funcin del variograma dentro del
bloque mismo. A medida que aumenta el tamao del bloque, tambin
aumenta ese trmino, reduce la varianza de estimacin.
KRIGEADOMTODO GEOESTADSTICO
La geoestadstica ofrece un mtodo de estimacin de reservas, usando
el variograma, llamado krigeado.
Se utiliza en la evaluacin de yacimientos para estimar el valor de una
variable regionalizada, en un punto o en un bloque, a partir del uso de
factores de ponderacin.
El mtodo se caracteriza por ser el mejor estimador lineal, insesgado de la
variable.
Mejor: por que los actores de ponderacin se determinan de tal forma, que la varianza
de estimacin es mnima .
Lineal: por que es una combinacin lineal de la
informacin.
Insesgado: por que en promedio el error es nulo.
Mtodo de Clculo: primero hay que determinar los factores de
ponderacin, para obtener el valor de la variable.
Krigeado Puntual
Variable buscadaZ *= W x Z variables dadas
Ponderador a determinar
[ C ] . [ W ] = [ D ]
Estos factores se calculan a partir de un sistema de ecuaciones, en que lasincgnitas para resolver se obtienen a partir del variograma.
C: varianza de los puntos conocidos (en funcin de la distancia).
D: varianza de los puntos conocidos y el punto a estimar.
1. Los factores de ponderacin (W).
2. Los factores que multiplican a W ; Yh de variables conocidas.
3. Los valores de Y0 del punto cuestin y los conocidos.
Resumiendo las ecuaciones estn formadas por tres tipos de
componentes:
La diferencia con inverso a la distancia es que en el Krig. Se utilizan las
distancias estadsticas, no la geomtricas.
Con efecto pepita puro No se puede usar Krig.
Con efecto pepita aumenta aumenta la varianza del Krig.
Con alcance aumenta disminuye la varianza del Krig.
Ejemplo de un krigeado (puntual)
Un conjunto de 4 muestras de un yacimiento de cinc, cuyas leyes son: X1 8,2% - X2
,9,6%- X3 ,13,15%- X4 ,6,3%. El variograma a considerar se ajusta a un modelo esfrico
con alcance 250 m; C0 17 y C 66. Calcular utlizando el krigeado el valor de X0.
El primer paso es calcular las distancias geomtricas existentes entre los
puntos conocidos y entre estos y el punto a estimar ?
Luego con el modelo de
Varianza o Covariaza (-C) y la
tabla de distancias, se calculan
las matrices [ C] y [ D].Se
transforman las distancias
geomtricas en estadsticas.
Calculados los valores de las matrices [ C] y [ D], el objetivo es obtener los
valores de los ponderadores W, que es la incgnita, para eso debe calcularse
la matriz inversa de C C -1
El siguiente paso para obtener los ponderadores W, es multiplicar cada
lado de la ecuacin por C -1 .
W = C -1 x D
El valor obtenido se le asigna a un
bloque y no a un punto.
Para determinar el valor de un bloque
se lleva a cabo una discretizacin del
rea en un conjunto de puntos ( x ej:
2x2;3x3 ; 4x4)
Krigeado de Bloques
Varianza Categora
0-0,0075 Reservas probables
0,0075-0,0135 Reservas posibles
>0,0135 Reservas inferidas
Los valores que se obtienen con el Krigeado, llevan los correspondientes valores de
la varianza de estimacin, lo que permite hacer un estudio de la bondad de
estimacin.
Estos valores pueden ser interpolados y confeccionar un mapa de isovarianzas.
1. El resultado se puede proporcionar por bloques o bien por isolneas a partir
de los bloques.
2. Para el clculo de reserva de cada bloque, se deber multiplicar su
superficie x potencia x densidad.
3. Las reservas totales se pueden determinar.
4. Estimando el tonelaje y el error de estimacin.
5. Estimando la ley media y el error de estimacin.
Bustillo Revuelta, M. y Lpez Jimeno, C., 1997: Manual de evaluacin y diseo de explotaciones
mineras. Madrid. ISBN 84-921708-2-4 .
ANNELS, A. E. (1991). Mineral deposit evaluation. A practical approach. Ed. Chapman & Hall,
London.
TULCANAZA,E. (1992). Tcnicas geoestadsticas y criterios tcnico-econmicos para la estimacin
y evaluacin de yacimientos mineros.. E.Tulcanaza, Santiago, Chile.
Jeff Sullivan 1998. Curso Geoestadstica para Minera. Codelco Santiago d e Chile.
Bibliografa