UNIVERSIDAD DE SANTIAGO DE CHILE

FACULTAD DE INGENIERÍA
DEPARTAMENTO DE INGENIERÍA EN MINAS

INFORME FINAL
LABORATORIO
ESTIMACIÓN DE RECURSOS MINERALES

Docente
Danitza Aburto

Ayudante
Andrés Sánchez

Autores
Ignacio Tapia
Marcela Toledo

Fecha
11 de enero de 2014

1

correspondiente a una de estas unidades. se trabajó con 598 muestras las cuales cumplieron con los requisitos de la influencia del compósito y pertenecen al sólido 1. haciendo nulos valores de leyes negativos. donde se realizan por medio de tres métodos: inverso a la distancia. se concluye que este método es más confiable y cercano al valor esperado. para la estimación solo se trabajará con el sólido 1. Por lo anterior. el cual está formado por dos unidades geológicas.25m y un tamaño de bloques de 10x10x10m. 2 . La base de datos contenía la información referente a 86 sondajes y 6568 muestras. Esto se corrobora al analizar el gráfico de las derivas de los métodos de estimación. eliminando sondajes que pudieran estar mal medidos. que obtuvo el menor error en la estimación. se determinó que la ley media del sólido en cuestión es de 60. y posteriormente se procedió a realizar el trabajo correspondiente con los softwares Vulcan e Isatis. siendo el kriging ordinario el método que más se acercó a este valor luego de realizar el ajuste correspondiente. en particular la deriva del kriging. vecino más cercano y kriging ordinario. también se consideró un compósito de 2. etc. por otro lado. al presentar el kriging ajustado. Para el análisis estadístico y posterior estimación de recursos. De esta forma se da paso a las estimaciones. estas bases de datos fueron filtradas.RESUMEN EJECUTIVO El siguiente trabajo presenta la estimación geoestadística de un cuerpo mineralizado de Fe. el método inverso a la distancia fue el que arrojó el valor más cercano antes de realizar el ajuste.274%Fe. Luego de ver las estadísticas entregadas por cada uno de los métodos de estimación.

..2............................ 12 5..............................................................................1........................................... 6 2.................................... Inverso a la distancia de orden 2 ................................ 5 2......................... 5 2........2.......................... VALIDACIÓN CRUZADA ..........................................1.... Largo alcance: ................................................................. Validación de la estimación........................................................................... 6 2...... 10 4......................................................................................3.. 4 2...........1....................................................................................................................... 7 3......................1........................................................................... 12 5.......1.......... 15 7.......................................................................................................................................................................... Análisis estadístico de la variable ..................................... Variografía ................................................................... 9 3.................................................................................................................. INTRODUCCIÓN ..................................1..................................... 5 2............................................................................................ Análisis del tamaño del compósito .......................... Generalidades ................................................................................................................. Localización .. 16 8.......................... 6 3.2...............2....2 Datos recibidos ........................................ ANÁLISIS EXPLORATORIO DE LOS DATOS (EDA)...........................3......... 14 6......................1...... ESTIMACIÓN ...............................................................4.......................................................................................4.................................................... 13 5............................................................. Datos entregados ............. 13 5.......................................................................................................................... 12 5................4..1........... Validación de la base de datos ............ RESULTADOS ....... Efecto pepa............Contenido 1...........................3....................................................... 6 3....................... Vecino más cercano (NN) ....... 6 3......... Kriging ordinario (KO) .............................................................. BIBLIOGRAFÍA .................................................................................................... 8 3......... COMPOSITADO Y FLAGUEO ................................................. BASE DE DATOS .................................................... 17 9........... 18 3 .............4................................................................................................... 5 2............2........ CONCLUSION ................ 9 3.......................... Número de muestras analizadas ....... Evolución espacial de las leyes ..............

la ley de hierro de los bloques de un yacimiento de hierro.1. obtener una óptima estimación. La geoestadística consiste en el estudio de fenómenos regionalizados y entrega herramientas esenciales para realizar la estimación de variables regionalizadas. Para lograr los objetivos expuestos anteriormente. INTRODUCCIÓN El presente trabajo se realiza como informe final para el laboratorio de Estimación de Recursos Minerales. es por lo anterior que esta disciplina se emplea para realizar reportes que tratan sobre recursos recuperables de algún yacimiento en cuestión. para comprobar la estimación y la elección del mejor método. se cuenta con tres bases de datos que contienen la información necesaria para realizar este estudio. Vulcan e Isatis. así como realizar la estimación por medio del método inverso a la distancia. El principal objetivo a conseguir en este trabajo. así como también se tiene a disposición tres perfiles correspondientes a las dos unidades geológicas que forman el yacimiento. para realizar cálculos y filtros necesarios. así como también el perfil correspondiente a la topografía de este. y se enfoca en estimar. Finalmente. 4 . se realizará una validación cruzada con el fin de determinar si las elecciones efectuadas fueron correctas y se comparará las curvas tonelaje-ley obtenidas para cada uno de los métodos de estimación empleados. realizando posteriormente una comparación entre los tres métodos para determinar cuál de estos es mejor. consiste en hacer reportes tonelaje/ley en forma de tablas y de curvas. También se trabajará con dos softwares. y así. por medio de la geoestadística. vecino más cercano y kriging ordinario.

El material entregado para la realización de este proyecto fue el siguiente:  Tres planillas Excel llamadas collar.1. ID2 y NN. sólido 1 y sólido 2. También fue recibida la información necesaria sobre ambas unidades. Datos entregados Para el desarrollo del presente proyecto. depth. se recibió una base de datos que contenía los datos de los sondajes realizados a un cuerpo mineralizado con dos unidades geológicas. o Survey: Hole_id.  Compósito de 2.1. Los datos entregados por el mandante para la realización del proyecto fueron los siguientes:  Estimar sólido 1. o Assay_fet: Hole_id.2 Datos recibidos La cantidad de sondajes cuya información fue recibida se adquirió del Excel assay_fet. Por otro lado. estos fueron:  Vulcan 8. se utilizó para hacer el compositado de los sondajes. así como también la de la topografía del sector a estudiar. Por otro lado.  Isatis 2013: Este software se utilizó para llevar a cabo un análisis geo estadístico de la base de datos exportada desde Vulcan. esta base entregó la información del número de sondajes.2. En este proyecto. 2. BASE DE DATOS 2.  Tamaño de los bloques de 10x10x10m. 5 . inclination y azimuth.1. la cantidad de muestras por sondaje.0: Software empleado en la industria minera para el modelamiento y visualización 3D.1. el largo de los sondajes y la ley de hierro presente en la muestra.  Tres perfiles en formato DXF correspondientes a la topografía. to. depth. también se empleó para realizar la validación cruzada de la estimación y para obtener las curvas tonelaje/ley. para el desarrollo se utilizaron dos softwares. Generalidades 2. east. soporte y fet. este análisis consistió en realizar una estimación por medio de los métodos KO. from.25m. el flagueo de los compósitos y para realizar el modelo de bloques a utilizar. north y rl. assay_fet y survey. cada una de estas contenía las siguientes variables: o Collar: Hole_id.

esta se incrementó levemente. Luego de realizar esta reducción en la base de datos.26%Fe (min: 4%Fe y max: 70. al ser el compósito de 2.06%Fe).El número de sondajes entregados fue de 86.394%. a media varió de 36. muestras perdidas o sin análisis químico. Localización Para determinar el área de trabajo para realizar el modelo de bloques.2. se buscó en la base de datos “collar” los valores máximos y mínimos de las coordenadas norte. como se mencionó anteriormente. mientras que la cantidad total de muestras fue de 6568. se utilizó un total de 598 muestras. las muestras con datos -99 en la ley de hierro fueron consideradas nulas en los siguientes análisis. este y profundidad. Análisis del tamaño del compósito Como se mencionó anteriormente. cabe señalar que las muestras con un valor de ley -99 fueron considerados nulos ya que lo más probable es que para estos casos. esta influencia fue considerada del orden del 50%. la reducción en la cantidad de estas se detalla más adelante en la validación de la base de datos.394% con las 5211 muestras consideradas.1. las 5211 muestras seleccionadas para el posterior análisis fueron seleccionadas por la influencia del compósito designado (2. 3. se obtuvo una media de 36. este sondaje fue borrado para así eliminar posibles sesgos que afecten la estimación final. ya que es muy probable que estos sean datos sin información.1. no se haya encontrado un valor para la ley de hierro. se seleccionaron solo las muestras con un valor menor a 3.25m).375 no fueron consideradas. Número de muestras analizadas Para realizar el análisis y obtener la estimación solicitada. ANÁLISIS EXPLORATORIO DE LOS DATOS (EDA) 3. se observó que el sondaje RCH80 no corta la topografía dada. por lo cual las muestras con soporte igual o sobre 3. se realizó un análisis de la variable soporte. 2. Por último. Al momento de visualizar los sondajes en Vulcan.3. si se considera la ley con las muestras antes de realizar el filtro al soporte. los límites determinados para el proyecto fueron los siguientes: 6 . con una ley de hierro promedio de 36. esto debido a que se consideró un 50% de influencia del tamaño del compósito. en donde.260% a 36. Validación de la base de datos En primer lugar. por otro lado. el número de muestras se redujo a 5211. 2.375m.25m.2. Luego de realizar el filtro. 2. debido a que no es posible comprobar con la gente de topografía si el sondaje está bien medido.

Análisis estadístico de la variable Para realizar la estimación solicita solo se utilizará el sólido 1. 3. las coordenadas fueron:  Coordenada X:  Coordenada Y:  Coordenada Z: Luego. Vista en planta de sondajes Las ilustraciones anteriores muestran la distribución de los sondajes utilizados para la realización de este proyecto. 20000)  Profundidad: (-200.2. fue necesario definir la extensión del modelo de bloques para cada coordenada. la ilustración 3. a partir de este punto se generó el modelo de bloques. Muestra el histograma generado con los datos correspondientes al sólido 1. 65) Al momento de crear el modelo de bloques fue necesario definir coordenadas para el punto de referencia de éste. esto se realizó tomando en consideración que los bloques del modelo tienen una dimensión de 10x10x10.  Norte: (35000. datos que se emplearán para la posterior estimación: 7 . la extensión del modelo determinada fue:  Extensión coordenada X: 1200  Extensión coordenada Y: 1600  Extensión coordenada Z: 220 Ilustración 1. 37000)  Este: (18000. Vista 3D sondajes Ilustración 2.

Como se observa en la Ilustración 3. un mínimo de 38. esto quiere decir que la cola posee las menores leyes. Estadísticas básicas de ley de Fe.3. XZ e YZ: Ilustración 4.716 69. sólido 1.849 60. y en la Ilustración 3.357 Tabla 1. La Tabla 1.274 4. los datos analizados presentan una media de 60.849% y una desviación estándar de 4. Histograma de ley de Fe correspondiente al sólido 1.357.274%Fe. muestra las estadísticas básicas que presenta el histograma anterior: Variable N° de muestras Mínimo Máximo Media Desviación FeT 598 38. máximo de 69. Ilustración 3. Como se observa en la Tabla 1. para la obtención de estas estadísticas se emplearon 598 muestras. Evolución espacial de las leyes Las Ilustraciones a continuación muestran la distribución espacial de las leyes de Fe en los perfiles XY. que el graficar los datos muestre esta distribución quiere decir que la base de datos con la cual se trabajará posee una buena calidad. Derivas ley de Fe perfil XY 8 . los datos poseen una distribución log-normal.. 3.716%.

que corresponde a la evolución espacial de la ley de hierro en el perfil XZ.4. Luego en su último tramo tiende a decaer. La curva en el gráfico disminuye abruptamente en su primer tramo. 3. En la ilustración 4. Se aprecia que existe una leve tendencia de disminución de la ley en su tramo medio. En la ilustración 5. se aprecia una distribución de la ley que oscila entre los 55 y 66 aproximadamente. llegando a un punto máximo de ley que se encuentra alrededor de 66. pero aun así se mantiene en torno al valor 60.1. La densidad de puntos se encuentra entre 56 y 66. pero con una tendencia al aumento a lo largo de la gráfica.4. Efecto pepa El objetivo de este es determinar si existe un efecto pepa en los datos que haya que incluir en el variograma de largo alcance. se aprecia una evolución espacial de la ley en el perfil XY con un punto mínimo de 56 y un máximo de 61. Derivas ley de Fe perfil YZ Los datos fueron obtenidos en cortes cada 30 metros y el parámetro de medición de la ley es porcentual. Variografía Para este proyecto se realizaron dos variogramas. es por esto que este variograma se hace primero. esta tendencia se revierte aumentando. se parecía una curva con reiterados cambios de pendiente (positiva – negativa). uno para el efecto pepa y otro de largo alcance. Derivas ley de Fe perfil XZ Ilustración 6. el análisis de cada uno de estos se muestra a continuación: 3. los parámetros empleados para su realización fueron los siguientes: 9 . pero luego tiene a mantener su distribución en torno a 60 – 61. que corresponde a la evolución espacial de la ley de hierro en el perfil YZ. siendo este rango en donde se concentra la mayor cantidad de puntos. En la ilustración 6. Y ya en su tramo final. Ilustración 5.

perfil planta. se ajusta al modelo esférico obteniéndose la siguiente ilustración: Ilustración 7.5 El paso corresponde al largo del compósito.2. sólido 1.2689.25  Cantidad de pasos: 10  Tolerancia: 0. 10 . esto ya que el efecto pepa se produce por micro estructuras que no pueden ser visualizadas en un variograma de largo alcance. Cuando se obtiene este variograma. Mapa variográfico. Ilustración 8.  Paso: 2. el cual es de 2. El variograma del efecto pepa debe ser de corto alcance. Largo alcance: Luego de haber calculado el efecto pepa se determinó si es isótropo o anisótropo. 3. el cual debe ser incluído al momento de realizar el variograma de largo alcance.25m. se obtuvo que el efecto pepa presenta un valor de 4. la cantidad de pasos es 15 por defecto. Variograma efecto pepa ajustado al modelo esférico Para este caso.4.

269 5.Como se observa en la ilustración anterior. 11 . se está en presencia de una anisotropía.53 Meseta 4.421 Tabla 2 "Propiedades de las estructuras del ajuste variográfico largo alcance" El ajuste realizado al variograma se realizó de forma manual. estas poseen las siguientes características: Estructura 1 2 3 Tipo sph sph Sph Rango (m) .7 12.94 8.5 Cuando se crea el variograma de largo alcance es necesario agregar el efecto pepa obtenido anteriormente ya que este variograma no lo considera. Variograma de largo alcance ajustado al modelo esférico. luego de esto se ajusta el variograma obtenido al modelo esférico consiguiendo el siguiente: Ilustración 9. sólido 1 Para realizar el ajuste del variograma al modelo esférico. 232. el perfil de planta del mapa variográfico. Los parámetros para la construcción de este variograma son:  Paso: 50  Número de pasos: 10  Tolerancia: 0. por lo cual se emplearon las estructuras descritas anteriormente. se utilizaron 3 estructuras.

en el caso del flagueo se le dio un valor a cada sólido presente en la base de datos. Ilustración 10.1. Flagueo de compósitos Las dos ilustraciones anteriores muestran el resultado luego de realizar el flagueo y el compositado solicitado. al sólido 1 se le asignó 1. A continuación se presentan los resultados obtenidos para cada caso: 5. 5. Las estimaciones se hicieron con un modelo variográfico esférico con meseta 20 y alcance 200. COMPOSITADO Y FLAGUEO Durante el trabajo en Vulcan. Histograma estimación por inverso a la distancia . inverso a la distancia y vecino más cercano. esto se hizo con el fin de encontrar la mejor estimación para este caso.4. al sólido 2 se le asignó 2 y a las muestras fuera de estos sólidos se les asignó el número -99. por medio de Kriging ordinario. estos valores fueron utilizados posteriormente para poder trabajar con el sólido 1 como fue solicitado. Inverso a la distancia de orden 2 Al realizar la estimación por medio de este método se obtuvieron las siguientes estadísticas: 12 Ilustración 12. ESTIMACIÓN Se realizó la estimación de tres formas. Compósitos Ilustración 11. se realizó el compositado y el flagueo de los compósitos.

Histograma estimación por vecino más cercano Por medio de éste método se obtuvo una media de 59. el cual implica un erros en la estimación de 11. Kriging ordinario (KO) Cuando se hizo la estimación por medio de este método se obtuvieron las siguientes estadísticas: Ilustración 14. Vecino más cercano (NN) Al realizar la estimación por medio de este método.954%. Histograma estimación por KO Al realizar la estimación por medio de este método se obtuvo una media de 59.Para esta estimación se obtuvo una media de 60. lo cual significa que existe un error del 29.982%Fe.3.2%.162%Fe.2. 13 . 5. este valor implica que la estimación tuvo un error del 32%. se obtuvieron los siguientes datos estadísticos: Ilustración 13.2% 5.

2 se estimarán cada 30 metros.2%. Debido a lo anterior es que se determinó que los datos que posean un valor bajo 55. es por esto que se modificará la vecindad escogida para que los valores extremos que influyen en la estimación posean un peso menor. 5. se puede ver que generalmente el krigeado se encuentra entre los otros dos métodos de estimación. debido a eso y a la media obtenida se observa que se subestimó.4. 14 Ilustración 16.Para el caso del KO se observa que existen valores extremos que generan que la estimación realizada no sea precisa. pero esto se debe a la poca cantidad de datos en ese punto. Histograma estimación por KO ajustado El ajuste realizado a la estimación por KO generó que el error en la estimación se redujera a un 0. ya que el krigeado es el mejor estimador (se demuestra en el error) de entre los calculados. lo cual es un buen indicador. Validación de la estimación Si se observa el gráfico de las derivas. La aberración más grande se encuentra en la primera parte del gráfico. Derivas de los métodos de estimación . se tiene que el método de krigeado se encuentra entre los otros dos métodos. lo anterior es un buen indicador y corrobora el que el krigeado es el mejor estimador actualmente Al realizar el gráfico de las derivas. esta modificación generó las siguientes estadísticas: Ilustración 15.

con una desviación estándar de 1. a continuación se muestran las estadísticas correspondientes a la estimación realizada anteriormente: Ilustración 17. 15 .883 1.799 Tabla 3.257 -0.636.149.108 0.345 576 -0. esta es cercana a 1. esta posee un coeficiente de correlación de 0. 6.datos de la validación cruzada Se observa una disminución en la varianza del error.093 7. bajo esta nube se observa un histograma que posee una distribución bastante normal. lo cual significa que el programa hace un buen ajuste. VALIDACIÓN CRUZADA La validación cruzada se realiza para poder validar la estimación realizada.017 11. Comparando las estadísticas originales con las presentadas en la desviación estándar se tiene lo siguiente: N° datos Media Error Media Error Std Varianza Error Varianza Error Std 598 0. Gráficos de validación cruzada En la Ilustración 17 se observa en la parte superior izquierda la nube de correlación.070 0.

RESULTADOS 18 69 18 69 16 68 16 68 14 67 14 67 Ley Media (%Fe) Ley Media (%Fe) Tonelaje (MMT) Tonelaje (MMT) 12 66 12 66 65 65 10 10 64 64 8 8 63 63 6 62 6 62 4 61 4 61 2 60 2 60 0 59 0 59 0 20 40 60 80 0 20 40 60 80 Tonelaje Base Ley de Corte (%Fe) Tonelaje Base Ley de Corte (%Fe) Ley de Corte (%Fe) Ley de Corte (%Fe) Ilustración 18. estimación KO 18 70 16 Ley Media (%Fe) 68 14 Tonelaje (MMT) 12 66 10 64 8 6 62 4 60 2 0 58 0 20 40 60 80 Tonelaje Base Ley de Corte (%Fe) Ley de Corte (%Fe) Ilustración 20. estimación NN En el gráfico inverso a la distancia la curva de ley de corte comienza a variar en el valor 56 al igual que la curva de tonelaje. La ley media que predomina es 60. Curva tonelaje vs ley. 16 . Curva tonelaje vs ley. al igual que la curva de tonelaje. En el gráfico vecino más cercano la curva de ley de corte comienza a variar en el valor 52 y la curva de tonelaje lo hace en el valor 48.15%.16% de Fe. La ley media en este punto comienza a aumentar hasta 68. disminuyendo a medida que aumenta la ley de corte y la ley media hasta 68.2%. Curva tonelaje vs ley. a diferencia de los otros gráficos esta aumenta una cantidad mínima. La ley media que predomina es de 59. En el gráfico kriging ordinario la curva de ley de corte comienza a variar en el valor 52. estimación inverso a la distancia Ilustración 19. La ley media que predomina es 60. 7.26% de Fe.98% de Fe. disminuyendo y aumentando la ley media hasta 68.51%.

a partir de información puntual se asume un comportamiento de muestras que se ubican a una mayor distancia que las muestras estimadas con un radio de búsqueda menor. Un dato más que se puede concluir de la información extraída de los gráficos de curva tonelaje ley es que a medida que aumenta la profundidad. Una vez realizada la estimación por medio de los tres métodos (KO. las leyes del cuerpo mineralizado en estudio también van aumentando 17 . también se confirma que el método de estimación más confiable fue el kriging ordinario. Estas características logran producir una disminución en la frecuencia de los datos extremos. esto debido a que la estimación que se obtenga por medio del kriging dependerá considerablemente de este ajuste. se está ampliando el volumen de estimación. ya que. de hecho. NN). La elección del kriging como el mejor estimador. el kriging fue el método de estimación que presentó un menor error con respecto a la media original.26%). Ya que se restringe la distribución de muestras dentro de la elipsoide de búsqueda si se aumenta el número de octantes a estimar. Otro caso es al momento de considerar un radio mayor de búsqueda. se puede concluir que el mejor método es el de kriging ordinario. También se puede mencionar que durante el análisis de estimación se concluyó que existe una relación entre los criterios de estimación y la cantidad de unidades estimadas. aproximadamente. desde 0m hasta un poco antes de los 6m. esto se debe principalmente a que es un estimador insesgado.8. donde su valor fue de 4. Esta condición genera un análisis menos confiable. (60. CONCLUSION Con respecto al gráfico de variograma de efecto pepa.269. se puede mencionar que posee un comportamiento lineal en las distancias pequeñas. luego del ajuste. debido a que este fue el que más se acercó a la ley media real del solido 1. IN. se pudo observar en las estadísticas presentes para cada una de las estimaciones realizadas. Además cabe señalar que el modelamiento de este variograma junto con el de largo alcance su modelamiento lo más exacto posible. de varianza mínima y lineal. Al observar el gráfico con las derivas y las curvas de tonelaje vs ley.

Xavier. Marco. 18 .  Apuntes cátedra “Estimación de recursos minerales”. BIBLIOGRAFÍA  Emery. Facultad de ciencias físicas y matemáticas. “Apunte de geoestadística”. Universidad de Chile. “Estimación de recursos mineros”. 2007.  Alfaro. 2007.9.