Upload
orlando-chura-torres
View
63
Download
3
Embed Size (px)
DESCRIPTION
es algo factible
Citation preview
CONTENIDO :
• Autocorrelación • Variables regionalizadas • Introducción al análisis variográfico geoestadístico • La varianza de estimación o extensión • El concepto de Anisotropía • El krigeage
COMPARACION ENTRE UNA DATA ESTRUCTURADA (TRAMO A) Y OTRA AL AZAR (TRAMO B)
)(hγf(x)
x h
HISTOGRAMA VARIOGRAMA 1 2 3 4
6 5
5 4 3
1
2 1
3.08 2.75
2 4 6
1
1
1 2
2 4
5
3 6
3
4 5
TRAMO A
TRAMO B 3.08 2.75
2 4 6 x h
f(x)
2
)(hγ
x
FUNCION VARIOGRAMA: Forma de cálculo
Es la función probabilística que representa el patrón de distribución de una variable regionalizada
OMNIDIRECCIONAL
x + h
x
h
2
2
1 γ ( ) h Xi + h
i
n h
n h
Z Z = −
−
−
− ∑ Xi
VARIABLE REGIONALIZADA:
• V.R. es cualquier variable que fluctúa en el espacio (geo-referenciada) o en el tiempo.
• Tiene dos características fundamentales: • Gran variabilidad local.- Dientes de sierra • Presenta una “estructura” y tendencia a mayor escala
• Ejemplos típicos: • Leyes de Au, Ag, Cu, Fe, As, etc. • Potencia de una veta o manto • La variación del precio de Au en el tiempo • Humedad • Porosidad y permeabilidad • Toneladas procesadas en Molinos • Contenido mineralógico (% de qz, ser, ARCs, cac, bt, etc.) • % de elementos u óxidos (Si, Ti, K, CaO, MgO, Fe2O3, etc.) • Recuperación de Au • Densidad de fracturamiento • BWI • Consumo de ácido (Kg/TM) • etc.
FUNCION VARIOGRAMA: Graficación
h : paso entre las muestras C0 : efecto de pepita a : alcance C : sill C + C0 : meseta s2 : varianza estadística
DEPENDENCIA ESTRUCTURA
INDEPENDENCIA ALEATORIEDAD
C0
a
C
h
γ ( )h
meseta s2
GEO ESTADISTICA
EJEMPLO DE CALCULO Y TRAZADO MANUAL DE UN VARIOGRAMA
[d1]2 [d2]2 [d3]2 [d4]2 [d5]2 [d6]2 [d7]2 [d8]2
0.641.44 0.160.16 0.64 1.00 0.040.04 0.04 0.64 0.16 0.160.36 0.16 1.44 0.64 4.002.56 1.00 2.25 1.69 2.89 1.446.25 0.81 2.25 0.00 0.00 0.254.00 0.25 1.21 0.25 0.49 0.09 1.69 0.497.29 0.49 10.24 2.56 4.84 4.00 5.76 1.448.41 0.04 4.84 0.09 1.69 0.49 0.16 0.250.25 5.76 0.09 2.89 0.64 0.64 0.81 0.160.36 0.01 9.00 0.09 5.29 0.04 0.04 0.643.61 1.69 3.24 1.21 2.56 0.16 1.96 0.251.21 9.00 5.76 8.41 0.00 7.29 4.41 10.249.61 17.64 37.21 30.25 36.00 9.61 33.64 14.444.84 0.81 4.00 15.21 10.9 14.4 0.81 12.964.41 18.49 1.44 0.01 3.24 1.44 2.89 1.441.96 12.25 32.49 6.76 2.25 0.16 0.04 0.090.81 0.25 6.76 23.04 2.89 0.36 1.69 0.49
S[dh] 2 57.57 69.49 123.9 93.30 77.83 40.41 53.90 42.892(n-h) 36 32 28 26 22 16 10 8(h) 1.60 2.17 4.42 3.59 3.54 2.53 5.39 5.36
γ ( )( )
h x hZ xZn h
= + −∑−
2
2
dh = Zx+h - Zx
n = 19
h=1 h=2 h=3 h=4 h=5 h=6 3.2
4.0
2.8
3.2
3.0
3.6
2.0
4.5
2.5
5.2
2.3
2.8
2.2
4.1
5.2
8.3
6.1
4.0
2.6
3.5
0
1
2
3
4
5
0 1 2 3 4 5 6 7 8
experimental
ajuste
g(h)
a = 12 mC0=0.25
AJUSTE DEL VARIOGRAMA A FUNCIONES TEORICAS
h
γ α α( ) ;h ph= > 1
γ α α( ) ;h ph= <1
0exp1)( CahCh +−−=
γ
(h) = C
(h) = C + Co h > a
h a + Co 3h h3
2a 2a3
)(hγ
EJEMPLO DE VARIOGRAMAS
)(hγ
)(hγ
h 25 75 50
15
0
30
Au (gr/TM)2
h
Cu (%) 2
10
20
160 80
0.4
0.8
1.2
1.6
100 200 0
Potencia (m)2
PORFIDO Cu-Au El Galeno
)(hγ
Au DISEMINADO EN VULCANITAS Andacollo IV Región - Chile
VETA PATRICK W Huarón
h Variograma experimental
Ajuste teórico
VARIANZA DE EXTENSION O ESTIMACION
σ γ γ γE V v v V2 2 2 2= − −( , ) ( ) ( )
Toda estimación de reservas implica una EXTENSION;que no es otra cosa que asignar a un volumen V el valor conocido de uno o mas volúmenes v (muestras o compósitos).
Esta operación siempre involucra una error:
Valor real - Valor estimado.
La geoestadística tiene una herramienta para estimar a priori este error
VARIANZA DE EXTENSION O ESTIMACION:
No depende de los valores reales, sólo depende de la configuración geométrica y del Variograma experimental, debidamente ajustado a modelos teóricos.
CONFIGURACION DE DIFERENTES BLOQUES PARA UNA MISMA MALLA REGULAR
100
m
100 m
a l
l
1 0.3 3 0.2 0.1 0.01
0.5 0.6 2 5 6 10
0.06
0. 1
0.02
0.03
0. 2
0. 3
0. 5
1.0
0.04
C σ
02
para a =170 para a = 50
l
l
l
MODELOS ESFERICOS PARA LA ESTIMACION DE VARIANZAS DE EXTENSIONES ELEMENTALES Modificado a partir de JOURNEL & HUIJBREGTS (1978)
RELACION ENTRE LA PRECISION Y EL COSTO ASOCIADO A DIFERENTES MALLAS DE PERFORACION
E V v V V v v2 2σ γ γ γ= − −( , ) ( , ) ( , )
10
200
50
30
100 70.5 50 141 METROS
COSTOS RELATIVOS 8 4 16 2 1
200
50
100
ERROR
VARIANZA DE ESTIMACION
• Una peligrosa simplificación o idealización es suponer que una distribución de valores es ISOTROPA.
• Prácticamente todos los fenómenos geológicos son DIRECCIONALES
• El análisis variográfico en varias direcciones nos confirma que casi todos los yacimientos son ANISOTROPOS, es decir que tienen patrones de distribución diferentes en cada dirección
• Esto tiene relación directa con: • Los “flujos de mineralización” • Los procesos geológicos o naturales de concentración o
enriquecimiento de minerales son “direccionados” • La forma como se apila un Pad
EL CONCEPTO DE ANISOTROPIA
EJEMPLO DE REGIONALIZACION ISOTROPA
γ ( )h
h 0
1
2
3
4
5
0 1 2 3 4 5 6 7 8 9
NE-SW
NW-SE
ajuste
C 0 = 0.5
a=420 m
VARIOGRAMAS EN VARIAS DIRECCIONES
TUFO SUPERIOR
TUFO MINERALIZADO
TUFO INFERIOR
ARENISCA, CONGLOM.
W E
)(hγ
h
E - W N - S VERTICAL
DISTRIBUCION ANISOTROPA
CUBICACION DE CUERPOS TABULARES O VETAS
• Bloques o paneles irregulares
Chimenea
Elipse de influencia:
20
10
Tramo muestreado
Galería
20
10
20
10
EJEMPLO COMPARATIVO DE ESTIMACION DE VALORES:
•En base a valores (realizaciones) conocidos…estimar valores en otros puntos o lugares o posiciones (en el tiempo y espacio)
•En base a información de muestras de volumen v (muestras) asignar o estimar valores de volúmenes mayores V (paneles, bloques, etc.)
ESTIMACION POR PROMEDIO ARITMETICO SIMPLE
6
1 5
P 4
P* = 4.0 P* =
A
B
D C
4 6+5+4+1
ESTIMACION POR EL METODO DEL INVERSO DEL CUADRADO DE LA DISTANCIA:
R
P*ICD = 3.67
6
4 P
5 1
A
B
D
C
R = 70 RADIO DE INFLUENCIA
d (1/d) (1/d)2 Ley PA 90 6
PB 20 0.050 0.0025 0.81 4
PC 50 0.020 0.0004 0.13 1
PD 65 0.015 0.0002 0.06 5
0.095 0.0031 1.00
P*ICD = 0.81x4 + 0.13x1 +0.06x5 = 3.67
λifuera de R
ESTIMADOR LINEAL:
SISTEMA DE MATHERON:
Z : Variable en estudio Z* : Valor estimado de Z : Ponderadores
: Variograma promedio cuando M recorre la muestra i
y N la muestra j
: Variograma promedio cuando M recorre el panel P y
N recorre independientemente la muestra i
µ : Parámetro de Lagrange
∗=∑Ζ Ζi iλ
j
j ij ij
j
j
n
n=
= −
=
=
∑
∑
1
1
1
λ µ
λ
γ γ
γ pi
λ λ( ) ( )h MN=
γ ij
λ λ( ) ( )h MN=
λi
ESTIMACION POR KRIGEAGE:
6
4
5
1
ANISOTROPIA
P
A
B
D
C
R = 80 r = 40
γAAλA + γABλB +γACλC + γADλD + µ = γAP
γBAλA + γBBλB +γBCλC + γBDλD + µ = γBP
γCAλA + γCBλB +γCCλC + γCDλD + µ = γCP
γDAλA + γDBλB +γDCλC + γDDλD + µ = γDP
λA + λB + λC + λD = 1λA = 0.20
λB = 0.10 P*K = AλA + BλB + CλC + DλD
λC = 0.15 P*K = 3.10λD = 0.55
ERROR DE ESTIMACION = 2
K = ∑ γiP λi + γPP - µ
h
γ ( )h
VARIOGRAMA:
EFECTO DE
PEPITA PURO
γ ω( )h h= 1λ 2λ 3λ 4λZ1 Z2 Z4
S1 S2 S3 S4
ω COMENTARIOS:
0.25 0.25 0.25 0.25
0 0.50 0.50 0
0.07 0.43 0.43 0.07
MEJOR ESTIMADOR:
LEY MEDIA
UNICO CASO DE VALIDEZ DE LOS METODOS CLASICOS
REGULARIDAD
MEDIA
VARIOGRAMA
LINEAL
GRAN
REGULARIDAD - 0.03 0.53 0.53 - 0.03
LOS DOS PUNTOS MAS CERCANOS AL
SEGMENTO ESTIMADO TIENEN MAS PESO
NO INTERVIENEN LOS PUNTOS LEJANOS
PROPIEDAD CARACTERÍSTICA DEL VARIOGRAMA LINEAL
LOS PONDERADORES DE Z1 Y Z4 SON NEGATIVOS
DEBIDO A LA EXTREMA CONTINUIDAD DE LA
MINERALIZACION
3/2
1/2
1
0
ESTIMACION DE LA LEY MEDIA EN EL TRAMO S2 A S3
γ ( )h
γ ( )h
γ ( )hh
h
h
Z3
VALORES DEL VARIOGRAMA EXPERIMENTAL CALCULADO A TRES DISTANCIAS DIFERENTES A LO LARGO DE UN TALADRO
( 1.50, 3.00 y 4.50 metros )
γ ( )h
0.0
2.0
4.0
6.0
8.0
10.0
12.0
14.0
16.0 17.0
1.5
4.6
7.6
10.6
13.7
16.7
19.8
22.8
25.8
28.9
31.9
35.0
38.0
41.0
44.1
47.1
DISTANCIA ENTRE MUESTRAS ( m )
SEM
I - V
ARIO
GR
AM
A E
XPER
IMEN
TAL
1.50 m 3.00 m 4.50 m
3.0
6.0
15.2
12.2
9.1
30.4
27.4
24.3
21.3
36.5
45.6
42.6
39.5
33.4
18.2
48.6
1.0
5.0
9.0
7.0
3.0
11.0
13.0
15.0
CALCULO DE UN VARIOGRAMA 2D
DIRECCION E-W : (2-2)2 + (2-4)2 + (4-5)2
(1-4)2 + (4-1)2 + (1-6)2 + (6-5)2
(2-2)2 + (2-1)2 + (1-3)2 + (3-6)2
(3-1)2 + (1-2)2 + (2-3)2 + (3-4)2
(4-7)2 + (7-3)2 + (3-2)2 + (2-5)2
(5-2)2 + (2-3)2 + (3-4)2
(2-4)2 + (2-5)2
(1-1)2 + (4-6)2 + (1-5)2
(2-1)2 + (2-3)2 + (1-6)2
(3-2)2 + (1-3)2 + (2-4)2
(4-3)2 + (7-2)2 + (3-5)2
(5-3)2 + (2-4)2
γ ( ) .200112
2 163 73=
×=
( )xZ x hZ− +∑ =
= =
2 97
100 9744
2 20γ ( ) .(2-5)2
(1-6)2 + (4-5)2
(2-3)2 + (2-6)2
(3-3)2 + (1-4)2
(4-2)2 + (7-5)2
(5-4)2
83.3102
69)300( =×
=γγ ( ) .400
2 44 25
34=
×=
(1-5)2
(2-6)2
(3-4)2
(4-5)2
DIRECCION N - S :
2 2 4 5
1 4 1 6 5
2 2 1 3 6
3 1 2 3 4
4 7 3 2 5
5 2 3 4
γ γ
γ γ
γ
( ) . ( ) .
( ) . ( ) .
( ) .
100 822 22 186 400 49
2 7 3 50
200 782 17 2 29 500 17
2 3 2 83
300 712 12 2 29
= × = = × =
= × = = × =
= × =
0.3 0.3
0.3 0.3
0.3
0.4
0.5 3.0 0.6
0.2
0.4
0.1
0.4
0.4
0.4
0.4
0.6
0.6
0.5 1.5
0.2
2.2
0.2
0.5 2.1 1.1
0.8 1.1
3.0 2.2 0.1
0.2 2.1 2.8 4.5 3.1
3.0 0.8 5.5
5.0 3.1 1.9 1.8
2.1 4.1 1.1
(0.4-0.1)2+(0.3-0.6)2 +(0.6-0.5)2 +….+ (0.4-0.2)2 = 55.17
(0.3-0.3)2+(0.6-0.2)2 +(2.2-0.2)2 +….+ (0.1-0.4)2 = 83.86 (0.3-0.5)2+(0.6-0.3)2 +(0.6-1.5)2 +….+ (0.1-0.3)2 = 86.36
3.1 + 4.5 + 5.5 + 5.0 + 1.8 = 3.98
Media aritmética simple
Inverso del cuadrado
de la distancia
a=100 4.3
a=150 4.7
0.3 0.3
0.3 0.3
0.3
0.4
0.5 3.0 0.6
0.2
0.4
0.1
0.4
0.4
0.4
0.4
0.6
0.6
0.5 1.5
0.2
2.2
0.2
0.5 2.1 1.1
0.8 1.1
3.0 2.2 0.1
0.2 2.1 2.8 4.5 3.1
3.0 0.8 5.5
5.0 3.1 1.9 1.8
2.1 4.1 1.1