You are on page 1of 55

Curso Geoestadistica

ESTADISTICA GEOESTADISTICA
MODELAMIENTO GEOLOGICO
DE BLOQUES

1.5 Kms.

Curso Geoestadistica
INDICE

CONCEPTOS BASICOS ESTIMACION (Compositos, Estacionaridad, Modelos)

ESTIMACIONES (NN, ID, Kriging)

CATEGORIZACION (Medidos, Indicados, Inferidos)

REPORTES (Validación, Curva Tonelaje-Ley, Gtcomp)

Curso Geoestadistica

CONCEPTOS BASICOS ESTIMACION (Compositos,
Estacionario, Modelos)

ESTIMACIONES (NN, ID, Kriging)

CATEGORIZACION (Medidos, Indicados, Inferidos)

REPORTES (Gtcomp, Curva Tonelaje-Ley)

 Ley espacial
 Esperanza matemática (Probabilidades)
o momento de primer orden
E Z ( x 0 )   m ( x 0 )

Momentos de segundo orden:
 

 Varianza  2 ( x )  E Z ( x )  m ( x )  2

 Covarianza C ( x1 , x 2 )  E  Z ( x1 )  m( x1 )Z ( x 2 )  m( x 2 ) 
 E Z ( x1 ) Z ( x 2 )  m( x1 ) m( x 2 )
 Variograma 1
 *( h ) 
2 N h 
 ( z ( xi )  z ( x j )) 2
xi  x j  h
 Correlograma
C ( x1 , x 2 )
 ( x1 , x 2 ) 
 2 ( x1 )   2 ( x 2 )

TÉCNICAS DE ESTIMACIÓN

PRINCIPIOS DE ESTIMACIÓN

• Controles e ingresos geológicos fundamentales (‘GEO’ en
GEOestadística)

• Proporcionar estimados precisos e insesgados: globales y
locales. Estimados para estudios de factibilidad confiables
y para diversos requerimientos de planificación minera (a
corto, mediano y largo plazo)

• Impacto directo sobre $$$$

Compósitos Un mismo conjunto de datos no debe contener muestras de soporte distinto. menos dispersos y menos erráticos los valores. Mientras más largo el compósito. igual a la altura del bloque de selección minera o a un sub-múltiplo de esta altura). . es necesario llevar las muestras a compósitos de la misma longitud (generalmente. Por ende.

Estacionaridad (1) La estacionaridad se refiere a una “homogeneidad” en el espacio de las características de la variable en estudio: media. dispersión. continuidad. . etc. Implica que las propiedades estadísticas de los datos son representativas del total del campo. El considerar la hipótesis de estacionaridad facilita la elaboración de modelos geoestadísticos. en especial en lo que se refiere al análisis variográfico.

pero juiciosa o no). . se tiende a considerar que la regionalización no tiene un comportamiento estacionario. es una decisión del usuario considerar si se cumple o no la hipótesis de estacionaridad (ni verdadera ni falsa. el concepto de estacionaridad es una propiedad del modelo geoestadístico. no de la variable regionalizada misma. Por ende. Ahora bien. Estacionaridad (2) En general. por la presencia de zonas de altas leyes y otras de muy bajas leyes.

lognormal)  no es incompatible con la hipótesis de estacionaridad planteada en el formalismo geoestadístico  se puede tomar en cuenta este efecto de dos maneras: • meseta del variograma que varía en el espacio • transformación logarítmica de los datos . Efecto proporcional La dispersión de los valores es mayor en las zonas de altas leyes que en las zonas de bajas leyes  este efecto es frecuente cuando el histograma de los datos es asimétrico (por ejemplo.

la mineralización y/o la alteración existente. según la litología. Unidades geológicas Se suele dividir el yacimiento en varias zonas o “unidades geológicas” (UG). agrupar varias unidades de propiedades similares  modelar la extensión de las unidades geológicas en el yacimiento: ¿modelo determinístico o probabilístico? . si es necesario. También se puede incluir criterios metalúrgicos en la definición de dichas unidades  verificar estadísticamente la pertinencia de la división.

. . Variables categóricas Codifican una propiedad del yacimiento (tipo de roca..)  no confundir con una variable regionalizada tradicional. unidad geológica.

). nubes direccionales.. en especial: histograma.. etc. Nunca se debe eliminar un valor “atípico” sin razón (falla en el protocolo de medición. . Además. nubes de correlación entre variables. ningún test estadístico puede indicar si un valor es “aberrante” o no. en la transcripción del dato. Valores atípicos Es posible detectar valores “atípicos” por medio de varias herramientas.

. sobre todo si provienen de fuentes distintas. Datos imprecisos (1) Es frecuente que todo o parte de las mediciones contengan imprecisiones. debido al protocolo de muestreo o de análisis químico  las técnicas geoestadísticas permiten tomar en cuenta estas imprecisiones. siempre que hayan sido previamente cuantificadas  la evaluación de recursos pierde precisión en presencia de errores de medición  es recomendable estudiar la calidad de las mediciones.

Datos imprecisos (2) Ejemplo: comparación de las mediciones procedentes de dos campañas de sondaje distintas Aquí se puede agrupar las mediciones de ambas campañas .

Los modelos probabilísticos (1) ¿Por qué recurrir a modelos probabilísticos? Gran complejidad de las variables regionalizadas. en especial en las ciencias de la tierra  una descripción determinística es inconcebible .

. Los modelos probabilísticos (2) Límites de la estadística clásica Se considera las observaciones como resultados (realizaciones) independientes de una misma variable aleatoria.

 la interpretación clásica carece de realismo . Los modelos probabilísticos (3) La independencia entre valores impide una previsión precisa de un valor no muestreado.

de modo de tomar en cuenta sus dependencias espaciales. . Los modelos probabilísticos (4) El modelo geoestadístico Se considera “interacciones” entre las observaciones. Se podrá estimar el valor en un sitio no muestreado gracias a su interacción con los sitios circundantes.

) La interacción entre dos valores ( resorte) se cuantifica por una herramienta estadística llamada variograma. anisotropía. . etc. Los modelos probabilísticos (5) La interpretación geoestadística es satisfactoria. puesto que las variables regionalizadas presentan dos aspectos complementarios • un aspecto “aleatorio” causante de las irregularidades locales • un aspecto estructural que refleja las características globales del fenómeno (continuidad.

Curso Geoestadistica CONCEPTOS BASICOS ESTIMACION (Compositos. Estacionario. Inferidos) REPORTES (Gtcomp. Modelos) ESTIMACIONES (NN. ID. Curva Tonelaje-Ley) . Indicados. Kriging) CATEGORIZACION (Medidos.

Puede ser: POLIGONAL o NN PROMEDIO INVERSE DISTANCES KRIGEAGE. EN GENERAL: Z  *  i 1. n i * z i .

 1) MEDIA ARITMETICA:Se basa en lo siguiente “para estimar la ley media de un conjunto se promedian las leyes de los datos que están dentro del conjunto” Su fórmula general:  zj zs   N .

 2) Polígonos o Nearest Neighbor (NN):El método se basa en “asignar a cada punto del espacio la ley del dato más próximo.Para estimar una zona se ponderan las leyes de los datos por el área de influencia sj”  Su fórmula es la siguiente: sjz j zs   s .

 Polígonos:  Inverso de la distancia La ley del punto n(x) z (x )  corresponde a la de la p  1 d z ( x)  n ( x ) 1 muestra más cercana   1 d p D z(x) d .

3) INVERSO DE LA DISTANCIA:Se basa en “asignar mayor peso a las muestras cercanas y menor peso a las muestras alejadas a s”  Se consigue al ponderar las leyes  Su fórmula es: zi n di z { } n i 1  1 d  j j .

 POLIGONO  1  PROMEDIO 1 i  n  ID 1  di i  1  i 1. n d i   1.3  KRIGEAGE .

.

Ejemplo .

.

.

Derivando e igualando a cero. se obtiene el sistema de kriging simple:  C ( x1  x1 )  C ( x1  x n )   1   C ( x1  x 0 )                  C (x  x )  C (x  x )      C (x  x )   n 1 n n   n  n 0  n n Z ( x 0 )      Z ( x  )   1      m *  Y por lo tanto:  1  1 n  KS 2 ( x 0 )  C ( 0 )    C ( x   x 0 )  1 .KRIGING SIMPLE Z  *  i 1. n i * zi  El kriging minimiza esta varianza de estimación para obtener los ponderadores.

1)   2  C( 2.2) C( 2.2  0.3)  C(0.1)  1  C( 2.3)    C(0.(h) .1) C( 3.2)   3  C( 2.2)   3  C( 3.2)  1  C( 3.1) C(1.3  En notación matricial  C(1.1)  C( 2.3)    1   C(0.1)   2  C( 3.3  0.1)   2  C(1.3)  C(0.KRIGING SIMPLE  Hay tres ecuaciones para determinar los tres ponderadores:  1  C(1.2) C(1.2)   3  C(1.3)  2.3  1.2) C( 3.3)  Recordar que C(h) = C(0) .3)  3  C(0.2)   2    C( 3.1  0.3)  C(0.1) C( 2.2  1.

Geology – Modeling / 1 july 2009 .

Geology – Modeling / 1 july 2009 .

a.KRIGING ORDINARIO  En la mayoría de los casos la media es desconocida  Kriging Ordinario: estimador lineal que no considera la media conocida n Z * (u0 )     Z (u )  1  Requiere imponer la condición de insesgo: n E [ Z * (u0 )  Z (u0 )]    E [ Z (u )]  E [ Z (u0 )]      n   1 m m  1 n    1   1 m  1  Los ponderadores se encuentran planteando: n n n min Var Z * (u0 )  Z (u0 )        C (u  u  )  C (0)  2   C (u  u  )  1  1  1 n s.    1 1 .

KRIGING ORDINARIO  O en términos de variograma:   ( x1  x1 )   ( x1  x n ) 1   1    ( x1  x 0 )                   (x  x )   (x  x ) 1        (x  x )   n 1 n n  n  n 0       0        1 1 1  n Z * ( x 0 )     Z ( x )  1 y n  KO 2 ( x 0 )     ( x   x 0 )    1 .

Curso Geoestadistica CONCEPTOS BASICOS ESTIMACION (Compositos. Modelos) ESTIMACIONES (NN. Indicados. Curva Tonelaje-Ley) . Kriging) CATEGORIZACION (Medidos. ID. Estacionario. Inferidos) REPORTES (Gtcomp.

INTRODUCCIÓN  Códigos internacionales sugieren que la clasificación de recursos y reservas incluya la cuantificación de incertidumbre.  Analizar y discutir las consecuencias de utilizar ciertos criterios geoestadísticos a través de un caso práctico.  Objetivo del trabajo:  Revisar los criterios utilizados comúnmente en la categorización. .

• Código Chileno (2003) Técnicas subjetivas: • Grado de continuidad geológica de la mineralización (juicio del experto).CÓDIGOS INTERNACIONALES Códigos disponibles: Objetivo: • Circular 531 USGS (1980) • CIM Guidelines (1996) Definir el grado de confianza en • JORC Code (1999) la estimación de la cantidad y • SAMREC Code (2000) • NI 43-101 – CSA (2001) calidad del recurso. . • Cantidad de información disponible y su configuración geométrica y • Grado de continuidad espacial de las leyes.

CÓDIGOS INTERNACIONALES Recurso Mineral: Medidos Confianza Geológica • Interés económico intrínseco Indicados • Características definidas vía conocimientos geológicos Inferidos .

legales. económicos. sociales y gubernamentales . metalúrgicos.CÓDIGOS INTERNACIONALES Recurso Mineral: Medidos Confianza Geológica • Interés económico intrínseco Indicados • Características definidas vía conocimientos geológicos Inferidos Reserva Minera: • Económicamente explotable Financiera Confianza • Incluye dilución y pérdidas por Probadas factores de extracción. ambientales. de Probables mercados.

CUANTIFICACIÓN DE INCERTIDUMBRE Criterios geológicos: • Continuidad geológica del depósito .

CUANTIFICACIÓN DE INCERTIDUMBRE Criterios geológicos: • Continuidad geológica del depósito Criterios geométricos: • Disposición espacial de los datos • Densidad de sondajes y radios de búsqueda .

CUANTIFICACIÓN DE INCERTIDUMBRE Criterios geológicos: • Continuidad geológica del depósito Criterios geométricos: • Disposición espacial de los datos • Densidad de sondajes y radios de búsqueda Criterios geoestadísticos: • Continuidad espacial de las leyes  anisotropía • Abundancia y redundancia de los datos .

CUANTIFICACIÓN DE INCERTIDUMBRE Criterios geológicos: • Continuidad geológica del depósito Criterios geométricos: • Disposición espacial de los datos • Densidad de sondajes y radios de búsqueda Criterios geoestadísticos: • Continuidad espacial de las leyes  anisotropía y efecto pepa • Abundancia y redundancia de los datos .

CATEGORIZACIÓN DE RECURSOS Y RESERVAS • Corroborar interpretación geológica Estudio Exploratorio de Datos • Verificar continuidad en geología y leyes .

CATEGORIZACIÓN DE RECURSOS Y RESERVAS • Corroborar interpretación geológica Estudio Exploratorio de Datos • Verificar continuidad en geología y leyes • Existencia de efecto Análisis de Continuidad Espacial proporcional • Validez de hipótesis para transformación Gaussiana .

CATEGORIZACIÓN DE RECURSOS Y RESERVAS • Corroborar interpretación geológica Estudio Exploratorio de Datos • Verificar continuidad en geología y leyes • Existencia de efecto Análisis de Continuidad Espacial proporcional • Validez de hipótesis para transformación Estimación y Simulación • Medida del error .

DISCUSIÓN Y CONCLUSIONES  Subjetividad de metodologías de clasificación es un problema  JORC ha impuesto la necesidad de cuantificar la incertidumbre en la estimación  Técnicas geoestadísticas pueden usarse. pero debe cuidarse que la metodología no perjudique o favorezca el proyecto  Varianza de kriging y varianza relativa de simulación son criterios similares  Estandarización de la categorización es difícil producto de la diversidad en la geología y configuraciones de muestreo  Resulta importante definir estándares y facilitar la transición de los criterios actualmente utilizados a otros reconocidos por los códigos .

para una producción trimestral. para una producción mensual.CATEGORIZACIÓN DE RECURSOS/RESERVAS  Recursos medidos: aquellos cuya ley está en el intervalo definido por +/-15% del valor estimado.  Recursos inferidos: todos los otros bloques razonablemente estimados.  Recursos indicados: aquellos cuya ley está en el intervalo definido por +/-15% del valor estimado. 80% del tiempo. 80% del tiempo.  Reservas Probadas  Reservas Probables .

00% -5. La Quinua Sur Drill Hole Spacing Study Metal for 80 x 80 Pattern 20.00% -15.00% Difference from Simulation 5.00% -10.00% 0.00% Models Year1 Year2 +/-15% .00% 10.00% 15.00% -20.

00% 15.00% 0.00% -10.00% -20.00% 10. LA Quinua Sur Drill Hole Spacing Study Metal for 100 x 100 Pattern 20.00% -15.00% Difference from Simulation 5.00% -5.00% Models Year1 Year2 +/-15% .

LQ_Sur ET .

Indicados. Kriging) CATEGORIZACION (Medidos. Modelos) ESTIMACIONES (NN. Estacionario. ID. Inferidos) REPORTES (Curva Tonelaje-Ley. Gtcomp) . Validaciones. Curso Geoestadistica CONCEPTOS BASICOS ESTIMACION (Compositos.

CURVA TONELAJE-LEY Geology – Modeling / 1 july 2009 .