Scribd Logo
Upload

Welcome to Scribd!

  • Apunte Revision MANDIA PDF

    Uploaded by

    Zato Collado Leal
    15 views25 pages

    Original Title

    Apunte_Revision_MANDIA.pdf

    Copyright

    © © All Rights Reserved

    Available Formats

    PDF or read online from Scribd

    Did you find this document useful?

    Is this content inappropriate?

    Report this Document

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    15 views25 pages

    Apunte Revision MANDIA PDF

    Uploaded by

    Zato Collado Leal

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    of 25
    [2022 “Geonstitica Eval de Reservas Mins” ie Elvariograma y el semivariograma En vez de usar el covariograma o(h) como una medids de la relacién entre ‘muestra ubicadas a una distancia “h”, Matheron, en 1971, propuso el uso del variograma. Por definicién, el valor del variograma (2,(hi) para una distancia h dada en un cuerpo mineralizado Q es el valor esperado del cuadrado de la diferencia entre valores separados por una distancia h: 2h) = Et x(@) —x(#h)P} La funcién y{h) se conoce como el semivariograma: ah) = WE {[x(2) — x(zth)} El variograma representa una medida del error cuadritico medio (o varianza) de la estimacién de x(zth) por x(z). Si nosotros asumimos que una muestra en la Posicién z+h tiene el mismo valor que la muestra en la posicién z, nosotros ‘cometemos un error [x(z) - x(z+h)] cuyo valor cuadttico medio es 2y(h). Propiedades de 3h: 0) = 0 (esto s tedrico, aqu también hay efecto pepita) ‘(h) 2 0 (funcién positiva) “¥h) = ah (funcion simetrica) 10) = 5 See) Estimador del yh): ‘IMM2012"Groenicav Euluain deResmaeMinens” hae ‘Céleulo de y(h) para una linea muestreada regularmente: Sean n datos 21, 22,..%¥ sea b la distancia entre ellos. 2 os au % Zz el i. Sea h=b, entonces WGA He ~2) bate ze) ~ 2-(a=1) fi, Sea h=2-, entonces: Waa Hea 5F ttle)? bic 21-2) $b, entonces: J Hes) tat mz) (0-3) cb, (com K= 0,1, 2, Mel) entonces iii, Sea Luego graficamos 0), 1(b), 1(2b).. 0) b 2 3 kb al Por sobre un cierto valor de k, el sernivariograma empieza a tener comportamiento ‘anémalo, por lo que se recomienda calcular hasta un medio de la distancia méxima, 1MM2032"Goossadisicay Evluncin de Ress Miners” Si se cumple Ia hipétesis estacionaria de 2° orden, entonces el variograma y el covariograma se relacionan teéricamente como sigue: 2ath) = Etxtz) — x(a) = Ell) W) + (H—xCe*n))P) = E({(x(2) — WP} + Et(exceth) ~ WP} -2BA(CxC)— wee) — 2fh)= 210" -o(6)] Iuego: h)= oth) Teéricamente (0)=0; sin embargo en la préctica, el semivariograma presenta discontinuidades en el origen las cuales son igualesal efecto pepita N. N= limfy(h)] ‘Ejemplo; Ambas series tienen igual media (3.0) ¢ igual desviacién estdndar (1.49), seiets (i [213 T4 Ts] i) vr Serie 2; [i T4 Ti 3 TsT4 [2] | SEMIVARIOGRAMAS. aan eee geet a ert ies Interpretacién del semivariograma: rtamiento del semivario cn is Wy Caso 1: Leyes muy regulares y continuas: ‘Como se observa para una distancia b pequetia, las dos leyes son pricticamente iguales, lo que implica que para Jb] pequefio, (h) es préximo a cero; el grifico de ‘{h) en la vecindad del origen sera del estilo th) x l En este caso se dice que 1(h) tiene un comportamiente parabslico en el origen. ‘Caso 2: Leyes con regularidad y continuidad promedio: En este caso, para una distancia pequefa, la diferencia de leyes es significativa; Iuego el grfico de y(h) en la vecindad del origen tiene un comportamiento: ah) Se dice que 1(h) tiene un comportamiento lineal en el origen Caso 3: Existencia de microvariaciones Si la equidistancia entre datos “b” es menor que la escala de variacion “a” de las ‘microestructuras, el variograma en una vecindad del origen se 0) eae . & a Aqui existe un crecimiento rapido hasta {h| = d (debido a la microregionalizacién) 'y Iuego un crecimiento més moderado (debido a la variacién a gran escala): se dice ‘que existe un efecto de pepta. C. se llama constante de pepta IMM2032Coesaiiticay Ealuaciin de Reso Mines? ‘Caso 4: Caso limite en el cual la irregularidad de las leyes es total: Ley b En este caso, por muy pequefia que sea la distancia “b", las leyes de dos puntos a ‘sta distancia son pricticamente independientes. El grfico de yh) ser at f Ix] Se dice que (h) presenta un efecto de pepita puro: )=0 uh) =C, sihe0, IMM2022“Geossaisica Evasion deResos Mines” es Cor nto del semiverio (hn) para distancias (Jh Caso 1: Leyes con crecimiento (decrecimiento) progresivo: [En este caso existe una derivada o tendencia.Sise calcula la funcin yh), se observard que ces siempre creciente, Caso 2: Leyes con pseudo-periodicidades. El fendmeno tiende a repetirse de manera estacionaria (es decir, no hay tendencia) ‘Se dice que el variograma presenta efecto de hoyo o de agujero. En la figura d=9 pruporciona tna medida del peewdo-pertode; 6 cs wom medida de la inteusdaa del efoto (sh ‘el fenbmeno es perfectamente periédico, entonces A=0). Caso 3: Fendmienos estacionario sin pseudo-periodicidades: ae : 10 Este caso es similar al anterior, con la diferencia que acé la magnitod A crece. La funcién, “1, queda de a siguiente forma: ‘Se observa que a partir de una cierta distancia, 6, la funcién y(t), permanece aproximadamente constante es decir, (6)= (7) = 1)" C- ‘Lo anterior quiere decir que da to mismo que la distancia que separa los puntos sea 6 67.0 ‘8.0:mis; es decir, dos puntos ubicados a una distancia a> 6 son pricticamente ‘© La magnitud g se llama alcance. ‘+ Laconstante € se llama meseta. La meseta C tiene una significacin estadstics, Si recordamos ol andliss matemdtico anterior: C= o. Donde c® Es la varianzaestadistica de los datos uilizados en el elculo de). Ea la prictica esta relacin es solo aproximada. El alcance proporciona una medida de la zona de influencia de una muestra. Hecaap eat eee ie Enon 1 di rt Relacén Independencia Independencia X 2 dimensiones: Sdimensiones: a * E> maimmeattine 2 Ejemplo: ‘Tenemos el siguiente muestreo: 7 co a * Fgura 65, Tres posbies modelos de semivaiogramas par os valores de a Figura 6.4 Figura 8.8, Reaizaciones corespondientes a os tres modelos de semivaiogramas de ta Fue, 1MM.2032“Grssadiica Evin de Retro Ming” lei Ejemplo: La siguiente figura muestra un sondaje en un yacimiento de carbén. El rmimero de datos es N=80 y la distancia entre muestras es b=Sm. Se define la varie regionatzae mf 1 sixescatén Uxy= Osi xno es carbon ms { : af Media de los datos = 0.5 (hay 40 unos y 40 ceros) t Este resultado nos indica que la mitad del sondaje es carbén y Ia otra estéil, 46 Varianza de tos datos = 0.25 CAleulo de yh): sas 5) =0.12; 28) = 025; 102 102 2 ae Se observa un alcance “a” del orden de 20 m y una meseta C = 0.25, la cual ‘coincide con la varianza estadistica de las muestras. El alcance “a” tiene una significacion geoldgica, en este caso corresponde al espesor promedio de tos rmantos de carbon (p = (31.6+24.8+...+10.2/10 = 19.8 m). ‘Comentario: El semivariograma 4(h) es un promedio; este promedio es bueno cuando el nimero de parejas de datos es grande. Sin embargo, a medida que [h| crece, el nimero de parejas decrece: “Un variograma y(W) es significativo hasta una distancia dy igual ala mitad de la dimension del campo en la direccién de h”. CLASE N° El semivariograma (2° parte) Ciilenlo de y(b): para una malla regular bidimensional Hasta ahora hemos calculedo el semivariograma sélo para el caso unidimensional, ‘Supongamos la situacién siguiente: ez a i209 os +z ‘Dm Bae cb hen voter: by Para un éngulo ® dado tendremos distintos J] que nos permitirin construir el semivariograma, Las cuatro principales direeciones de biisqueda son: fd 3 rere : Ross Mics” me 2 ‘© Para 6 = 90°, es decir la direccién NS. El vector h puede ser: : hy hy Teo Caleulemos 7(h) = yxs(10). La siguiente figura muesira las parejas de datos a considerar en el célculo: wt De lo anterior se obtiene: ‘y(hi) = [(1.6-L4Y + (1.4-0.97 + (0.9-0.7 + (0.7-0.8) + (0.8-1.0) + (0.9-1.07 + (1.0-0.7)! + (0.7-0.99! + (1.2-1.5)! + (1.5.0.9) + (0.8-0.7)8 + (14-14)? + (14-0.7) + (0.7.0.7) + (0.7-0.7) + (1.2-1.1) + (LI-LOY + (1.0-0.97 + (0.9-0.6)? + (0.6-0.2)' + (I.1-1.1)? + (1.1-0.9) + (0.9-0.8) + (0.8-0.57 + (09-13) + (1.3-0.9) + (0.9-0.8) + (0.8-0.4)? + (0.4-0.1)° + (0.8-1.2) + (1.2.0.5) + (0.5-0.7) + (0.7-0.1) + (0.1-0.2)" + (1.0-0.6)' + (0.0-0.4))] / (2°36) = 0.0535 (36 parejas de datos) De la misma manera se obtiene: ‘y(hz) = 0.0987 (27 parejas de datos) ‘yhs) = 0.1888 (21 parejas de datos) 1002 GaveaticayEvalucin de Rests Minor” bie 3 ‘© Para 0=0°,es decir la direccién EW. El vector h puede ser: 10m 0m — hy —> by 2 Ly om ie hy — Se obtiene entonces: ‘y:) = 0.0146 (36 parejas de datos) (hz) = 0.0330 (33 parejas de datos) ‘fhs) = 0.0431 (27 parejas de datos) © Para @= 45° y 0 = 135°: ALYY ee En estas direcciones hay que tener presente que el médulo de h es miltiplo de 102. Los y(h) para las distintas direcciones se muestran a continuacién: Ew 4 ee x : 4 Los siguientes datos provienen de un banco de una mina de fier: so BoM MoM oo +z mt o= 45 ¥ To [42s [2 | 10_| ato | 28 [Tae | oar | ig 20_| sx {18 [20 | 340 [20 [2828 [1125] 14 30 [1050] 1s~[ 30 [12.08 [1s Pan as [153.448 Observamos que y(h) es casi el mismo segin las distintas direcciones. En estos ‘casos decimos que el fendmeno de la mineralizacién es ISOTROPO. aa bs he 7 ‘ En este caso se justifica calcular el semivariogama promedio, llamado semivariograme omnidireccional, c\ cual se puede obienet mediante un promedior pponderado de los valores del variograma (ponderacién por el mimero de parejas), 0 bien, este puede ser calculado directamente considerando sélo el {hj y no su ditecci6n. Ejemplo: Variogramas en cortes pulidos de minerales. La variable regionalizada 2{x) se define como 2(x) = I six pertenece al grano ee —J ow 02 be é To Xs 02 t ew an o¢ = ee 02 oo ax ‘© Céloulo de y(h) para una malla irregular. En la prictica es comin encontrar mallas de pozos irregulares, En estos casos es.

    You might also like