7/31/2019 clase 2 diseo de tajo 2011
1/43
DISEO DE MINAS ATAJO ABIERTO
HUANCAYO 2011
UNIVERSIDAD NACIONAL DEL CENTRO DEL PERU
FACULTAD DE INGENIERIA DE MINAS
7/31/2019 clase 2 diseo de tajo 2011
2/43
EVALUACION DE
RESERVAS
METODOS GEOESTADISTICOS
7/31/2019 clase 2 diseo de tajo 2011
3/43
IDEA BASICA DE LA APLICACIN DE LAS TECNICASGEOESTADISTICAS
Leyes de lostestigos de los
sondajes
YACIMIENTODISTRIBUCIONESTADISTICA
DE LAS LEYES
CORRELACIONESPACIAL
VARIOGARMAS
KRIGING DEBLOQUES
VALOR MEDIOESTIMADO Z
KRIGING
Z= ESTIMADORLINEAL OPTIMO DE
UN BLOQUE O UNPUNTO, BASADOEN LOS VALORESCIRCUNDANTES Y
EN ELVARIOGRAMA
7/31/2019 clase 2 diseo de tajo 2011
4/43
7/31/2019 clase 2 diseo de tajo 2011
5/43
Ejemplo, Se ha tomado en un yacimiento, dos conjuntos de muestras
en los que cada muestra est separada de la siguiente una distanciadeterminada y que los resultados obtenidos en el anlisis de leyes sonlos siguientes:
Conjunto 1: 3%, 5%, 7%, 9%, 8%, 6%, 4%, 2%
Conjunto 2: 9%, 3%, 8%, 2%, 6%, 5%, 7%, 4%
En la estadstica clsica ambos conjuntos tienen la misma media y lamisma varianza (en si son los mismos datos), pero se puede observasque tiene una diferencia espacial, que se manifiesta por las diferenciassucesivas entre la muestras contiguas:
Conjunto 1: 2, 2, 2, 1, 2, 2, 2
Conjunto 2: 6, 5, 6, 4, 1, 2, 3
De acuerdo a este concepto surge la idea de variable regionalizada
7/31/2019 clase 2 diseo de tajo 2011
6/43
7/31/2019 clase 2 diseo de tajo 2011
7/43
APLICACIONES A LA GEOSESTADISTICA
El examen de semivariogramas pueden ser tiles para determinar:
1. El tamao ptimo de la muestra
2. Es esquema de muestreo ptimo
3. La densidad ptima de muestreo
4. El rea de influencia de cada muestra, que puede ser circular,elptica, esferoidal o elipsoidal.
5. La naturaleza de la mineralizacin
7/31/2019 clase 2 diseo de tajo 2011
8/43
CALCULO DEL SEMIOVARIOGRAMA EXPERIMENTAL
La funcin variograma o semivariograma, define la correlacinespacial entre los valores muestreados.El variograma o semivariograma se obtiene calculando, para cadadistancia de separacin entre las muestras.Lag en una determinada direccin, la diferencia al cuadrado de los
valores de dichas muestras.Es decir para cada separacin h se calcula el valor de y(h)mediante la frmula:
y(h) = (1/2N) . [ f(x1) (fx1+h)]2
Donde:N : Nmero de pares de datosf(x1) : El valor de la variable regionalizada en el punto i(fx1+h) : El valor de la variable regionalizada tomada a una distancia h
7/31/2019 clase 2 diseo de tajo 2011
9/43
CALCULO DEL SEMIOVARIOGRAMA EXPERIMENTAL
Y(h) = (1/2N) . [ f(x1) (fx1+h)]2 LAG: Espaciado con que secalculan las diferencias alcuadrado entre muestras
Ejemplo: LAG1 incluye lasmuestras adyacentes A y B. B yC. C y D. etc.
La distancia que representa elLAG,1 es el intervalo mnimo del
muestreo.
7/31/2019 clase 2 diseo de tajo 2011
10/43
7/31/2019 clase 2 diseo de tajo 2011
11/43
Y(h) = (1/2N) . [ f(x1) (fx1+h)]2
El nmero mximo de LAGs .,es decir, de distancias n para
calcular el Y(h) sueleestablecerse en la mitad de ladistancia muestreada.
Longitudes mayores generanpocos pares de muestras por loque estadsticamente no es
representativo.
CALCULO DEL SEMIOVARIOGRAMA EXPERIMENTAL
7/31/2019 clase 2 diseo de tajo 2011
12/43
Ejemplo: 1 Se tienen 4 taladros demuestreo en una direccin determinada,calcular: a) el variograma, b) var. relativoy c) el var. logartmico
(10-50)2 + (50-20)2 + (20-60)2
Y(1)= ------------------------------------------ = 683.32 x 3
y(h) = (1/2N) . [ f(x1) (fx1+h)]2
(10-20)2 + (50-60)2Y(2)= ---------------------------- = 502 x 2
(10-60)2
Y(3)= ---------------= 1250
1 x 2
0
200
400
600
800
1000
1200
1400
1 2 3
h
y(h)
a) VARIOGRAMA
7/31/2019 clase 2 diseo de tajo 2011
13/43
b) VARIOGRAMA RELATIVO
X1 = (10 + 50 +20 +60)/4 = 35X2 = (10 + 50 + 20 + 60))4 = 35
X3 = (10+60)/2 = 35
h Y(h) X X2
Y(h)/x2
1 683.3 35 1225 0.56
2 50 35 1225 0.041
3 1250 35 1225 1.020
0,2
0,4
0,6
0,8
1
1,2
1 2 3
h
y(h)/x2
7/31/2019 clase 2 diseo de tajo 2011
14/43
c) VARIOGRAMA LOGARITMICO
Z(X) = 10 50 20 60Ln(z(x)) = 2.30 3.91 2.96 4.09
(2.30-3.91)2 + (3.91-2.96)2 + (2.96-4.09)2
Y(1)= ----------------------------------------------------- = 0,81
2 x 3
(2.30-2.96)2 + (3.91-4.09)2
Y(2)= ------------------------------------ = 0,112 x 2
(2.30-4.09)2
Y(3)= ---------------= 0.311 x 2
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1 2 3
h
y(h)
7/31/2019 clase 2 diseo de tajo 2011
15/43
(10-20)2 + (20-50)2 + (50-60)2
Y(1)= ------------------------------------------ = 183.32 x 3
y(h) = (1/2N) . [ f(x1) (fx1+h)]2
(10-50)2 + (20-60)2Y(2)= ---------------------------- = 8002 x 2
(10-60)2
Y(3)= ---------------= 1260
1 x 2
0
200
400
600
800
1000
1200
1400
1 2 3
h
y(h)
Ejemplo: 2 Se tienen 4 taladros demuestreo en una direccin determinada,calcula: a) el variograma, b) var. relativo yc) el var. logartmico
7/31/2019 clase 2 diseo de tajo 2011
16/43
EJEMPLO DE SEMIVARIOGRAMA
Lag (h)
(h)
Los valores obtenidos deY(h) se representan en undiagrama frente a suscorrespondientes valores de
h, definindose elcorrespondiente variograma.
La velocidad delincremento de Y(h) con el
Lag es un reflejo de lavelocidad a la cual lainfluencia de una muestradisminuye con al distancia
CALCULO DEL SEMIOVARIOGRAMA EXPERIMENTAL
7/31/2019 clase 2 diseo de tajo 2011
17/43
EJEMPLO DE SEMIVARIOGRAMA
Lag (h)
(h)
Nos da una definicinadecuada de la denominadazona de influencia.
La distancia en la que Y(h)se hace constantecorresponde al punto en elque la covarianzacov(h)entre muestrasadyascentes disminuye
hasta cero.
Esta distancia define ellmite de la zona deinfluencia de una muestra.
CALCULO DEL SEMIOVARIOGRAMA EXPERIMENTAL
7/31/2019 clase 2 diseo de tajo 2011
18/43
El semivariograma experimental, posee numerosas zonas donde noexisten valores concretos.
nicamente existen valores definidos en aquellos lugares donde se ha
realizado el muestreo.
Por lo tanto es necesario definir el valor de la variable en puntosdonde el semivariograma experimental no ofrece informacinsuficiente.
Para ello es necesario construir un modelo que nos permita obtenerdicha informacin.
CALCULO DEL SEMIOVARIOGRAMA EXPERIMENTAL
7/31/2019 clase 2 diseo de tajo 2011
19/43
MODELO DE FUNCIONES ALEATORIAS
Ahora la pregunta es:
Qu modelos pueden utilizarse?
Para estimar las variables debemos describir como se ha producido enfenmeno.
En los procesos fsicos qumicos los datos pueden ser conocidos condetalle, en dichas situaiones los modelos determinsticos son los msapropiados.
Para Los Procesos Fsicos o Qumicos
7/31/2019 clase 2 diseo de tajo 2011
20/43
Por otro lado los procesos naturales cuyas pautas de comportamientono son bien conocidas, no se pueden aplicar modelos determinsticos.
Entonces hay que admitir la existencia de incertidumbre delcomportamiento de los fenmenos entre los puntos muestreados.
La mayor parte de estos fenmenos, son en realidad, el resultado finalde una combinacin de variables cuyas complejas interaccionesimpiden describir el fenmeno cuantitativamente.
Para Procesos Naturales
Entonces es imprescindible a modelos de funciones aleatorias
Por estas razones, los estudios de estimacin geoestadstica sebasan en modelos probabilsticos.
MODELO DE FUNCIONES ALEATORIAS
7/31/2019 clase 2 diseo de tajo 2011
21/43
Una variable aleatoria esaquella cuyos valores se
generan aleatoriamente deacuerdo con un mecanismo
probabilstico.
Variable Aleatoria
Ejemplo
El resultado de tirar un dado ,cuyas realizaciones se
reparten aleatoriamente entre 6posibilidades.
De igual forma , se define una funcin aleatoria como un conjunto devariables aleatorias que tienen alguna localizacin espacial y cuyadependencia una de otra, viene determinada por algn mecanismoprobabilstico. Este tipo de funciones aleatorias son las que utiliza laGeoestadstica.
MODELO DE FUNCIONES ALEATORIAS
7/31/2019 clase 2 diseo de tajo 2011
22/43
MODELO DE FUNCIONES ALEATORIAS
Y
X
h
h
h
BBC)
BBC)
BBC)
(a)
(b)
(c)
Funcin aleatoria muy errtica en distanciascortas y correspondiente realizacin
Funcin aleatoria menos errtica
Funcin aleatoria extremadamente continua
7/31/2019 clase 2 diseo de tajo 2011
23/43
MODELO DE FUNCIONESALEATORIAS
Y
X
Y
X
Y
X
Y
Si se restringe los datos a los siete valores mostrados,cualquiera de las opciones es posible, pues todaspasan por los valores. Se debe estudiar el procesoinvolucrado para optar la opcin que sea la msadecuada.
(a)
(b)
(c)
7/31/2019 clase 2 diseo de tajo 2011
24/43
MODELOS DE SEMIVARIOGRAMAS
1. MODELO EXPONENCIAL
Este modelo va ascendiendo lentamente hasta alcanzar la meseta a un valorconstante. Existen dos posibles esquemas:
FORMERY
Y(h) = C[1 exp(-[h/a])] + C0
GAUSSIANO
Y(h) = C[1 exp(-[h2/a2])] + C0
Donde:C : Valor comprendido entre el efecto pepita C0 y la meseta.h : Distanciaa : Representa el alcance o rango
0 1.0 2.0 3.0
BBC)
1.0
0.25h/a
0.96
3
GAUSSIANO
FORMERY
7/31/2019 clase 2 diseo de tajo 2011
25/43
MODELOS DE SEMIVARIOGRAMAS
2. MODELO ESFERICO O MATHERNON
Es el que mejor se ajusta cuando se trata de variables mineras (p.e. ley o espesor)
Presenta una curva de del semivariograma que aumenta rpidamente del LAGpara posteriormente, ascender ms lentamente hasta alcanzar una zona plana avalores de LAG altos
MESETA
SEMIVARIOGRAMA
COVARIOGRAMA
COVARIANZA
C
C0
BBC)
Lag (h)a2a/3
7/31/2019 clase 2 diseo de tajo 2011
26/43
MODELOS DE SEMIVARIOGRAMAS
2. MODELO ESFERICO O MATHERNON
ZONA DEINFLUENCIA
GRAN SOLAPAMIENTOALTA COVARIANZA
SOLAPAMIENTO REDCUCIDOMENOR COVARIANZA
SIN SOLAPAMIENTOCOVARIANZA CERO
7/31/2019 clase 2 diseo de tajo 2011
27/43
MODELOS DE SEMIVARIOGRAMAS
2. MODELO ESFERICO O MATHERNON
Y(h) = C0 + C[1.5(h/a) 0.5(h/a)3 para h < a
Y(h) = C0 + C para h < a
Lag (h)
(h)
C = 0C0
Si el sevariograma muestrafluctuaciones aleatorias
alrededor de una lnea horizontal
Se tiene un efecto pepita puro
En este caso la evaluacin delyacimiento se debe realizar por
cualquier mtodo clsico
7/31/2019 clase 2 diseo de tajo 2011
28/43
MODELOS DE SEMIVARIOGRAMAS
3. MODELO LINEAL
Este modelo se presenta cuando, al representar Y(h) frente a los LAgs, seobtiene una lnea recta:
Y(h) = p.h + k
h=L/3
(h)
B2
Donde :p : Pendiente de la rectah : El LAGk : La interseccin en el eje X Y(h)
Este modelo suele estar presente en algunosyacimientos de hierro
CASOS PARTICULARES RESPECTO A LOS MODELOS
7/31/2019 clase 2 diseo de tajo 2011
29/43
CASOS PARTICULARES RESPECTO A LOS MODELOSDE SEMIVARIOGRAMAS
A. SEMIVARIOGRAMAS CON TENDENCIAS
Cuando existe ruptura de estacionariedad (cambio en la tendencia de la meseta)Se produce un una distancia superior al alcance ,
No tiene incidencia en la estimacin local de los bloques definidos para elyacimiento.
Cuando este tipo de semivariograma domina, es necesario utilizar la tcnicade Krigeage universal, en lugar de krigeage ordinario que se aplica en lassituaciones de estacionariedad.
DIEMNSIONES MAXIMASDE LOS BLOQUES A EVALUAR
COMPORTAMIENTOPARABOLICO
BBC)
(RANGO)a h
CASOS PARTICULARES RESPECTO A LOS MODELOS
7/31/2019 clase 2 diseo de tajo 2011
30/43
CASOS PARTICULARES RESPECTO A LOS MODELOSSE SEMIVARIOGRAMAS
B. SEMIVARIOGRAMAS CON EFECTO AGUJERO
Este efecto ocurre cuando se alternan reas con lata ley y reas con baja ley.
El resultado es una pseudoperiocidad, reflejada en una oscilacin desemivariograma alrededor de una aparente meseta
BBC)
h
0 10 20
160
CASOS PARTICULARES RESPECTO A LOS MODELOS
7/31/2019 clase 2 diseo de tajo 2011
31/43
CASOS PARTICULARES RESPECTO A LOS MODELOSSE SEMIVARIOGRAMAS
C. SEMIVARIOGRAMA COMPUESTO
Esta situacin aparece cuando se obtienen diferentes semivariogramas a lo largo dediversas direcciones del yacimiento.
Esto significa que en vez de tener un rea de bsqueda istropa (crculo oesfera) se posee un zona elptica o elipsoidal
BBC)
h
0 10 20
Esto es evidente en yacimientos aluviales, donde se tiene alcance endireccin perpendicular al yacimiento.
A travs del yacimiento
A lo largo del yacimiento
Igual C0 y C
A2 >> a1
CASOS PARTICULARES RESPECTO A LOS MODELOS
7/31/2019 clase 2 diseo de tajo 2011
32/43
CASOS PARTICULARES RESPECTO A LOS MODELOSSE SEMIVARIOGRAMAS
D. ANISOTROPISMO DIRECCIONAL
Cuando la prolongacin de la lnea que une los dos o tres puntos delsemivariograma corta la meseta a una distancia mucho menor que lacorrespondiente.
Primer semivariograma: C0 = 0.40 (%ln)2, a1= 14m (ya que 2a/3 = 9) yC1= 1.95 0.4 = 1.55 (%ln)2
Segundo semivariograma: C0 = 0.40 (%ln)2, a2= 50m y C2= 1.95 0.6 (%ln)2
EL MODO COMPUESTO
Y(h) = C0 + C1[3h/2a1 (h/a1)3/2] + C2 [3h/2a2 (h/a2)3/2]
Para h < 14m : Y(h) = 0.4 + 1.55[3h/28 (h/14)3/2] + 0.60[3h/100 (h/50)3/2]
Para h entre 14 y 50 m : Y(h) = 0.4 + 1.55 + 0.60[3h/100 (h/50)3/2]
Para h > 50 m : Y(h) = 0.4 + 1.55 + 0.60 = 2.55
CASOS PARTICULARES RESPECTO A LOS MODELOS
7/31/2019 clase 2 diseo de tajo 2011
33/43
CASOS PARTICULARES RESPECTO A LOS MODELOSSE SEMIVARIOGRAMAS
D. ANISOTROPISMO DIRECCIONAL
BBC)
h0
1
2
3
9 13 20 40 60 80
2.55
Se produce en zonas mineralizadas ms ricas de una matriz demineralizacin dispersa.
Tambin son comunes en yacimientos aluviales de oro.
Refleja alcance corto los canales individuales y el ms largo la anchura
total de la zona de inters econmico
1.96
C0=0,4
CASOS PARTICULARES RESPECTO A LOS MODELOS
7/31/2019 clase 2 diseo de tajo 2011
34/43
CASOS PARTICULARES RESPECTO A LOS MODELOSSE SEMIVARIOGRAMAS
E. SEMIVARIOGRAMA EN DOS ESTADIOS
BBC)
ha1 a2 a3
Ocurre cuando se combinan conjuntos de datos no relacionados (p.e. dosfases de mineralizacin con diferentes caractersticas.
C0
C1
C2
7/31/2019 clase 2 diseo de tajo 2011
35/43
EL KRIGEAJE
Es una tcnica utilizada en la evaluacin de yacimientos para estimar elvalor de una variable regionalizada en un punto o en un bloque a partir de deunos factores de ponderacin que trabajan semejante como lo hacen en leinverso de la distancia.
Ese valor se caracteriza por ser el mejor estimador lineal insesgado de lavariable.
Mejor: variancia de estimacin mnima
Lineal: Combinacin lineal de la informacin
Insesgado: No hay sesgo en los errores
7/31/2019 clase 2 diseo de tajo 2011
36/43
KRIGEAJE PUNTUAL
Para obtener el valor de la variable, se calcula a travs de un sistema deecuaciones, denominadas ecuaciones de krigeaje, en las que lasincgnitas para resolver el sistema se obtiene a partir del semivariogramamodelizado.
Ejemplo de sistema de ecuaciones para una estimacin de 4 puntos:
K1Y1,1 + K2Y1,2 + K3Y1,3 + K4Y1,4 + u=Y0,1
K1Y2,1 + K2Y2,2 + K3Y2,3 + K4Y2,4 + u=Y0,2
K1Y3,1 + K2Y3,2 + K3Y3,3 + K4Y3,4 + u=Y0,3
K1Y4,1 + K2Y4,2 + K3Y4,3 + K4Y4,4 + u=Y0,3
K1 + K2 + K3 + K4 = 1
7/31/2019 clase 2 diseo de tajo 2011
37/43
K1Y1,1 + K2Y1,2 + K3Y1,3 + K4Y1,4 + u=Y0,1K1Y2,1 + K2Y2,2 + K3Y2,3 + K4Y2,4 + u=Y0,2
K1Y3,1 + K2Y3,2 + K3Y3,3 + K4Y3,4 + u=Y0,3
K1Y4,1 + K2Y4,2 + K3Y4,3 + K4Y4,4 + u=Y0,3
K1 + K2 + K3 + K4 = 1
DONDE:
Ki= factores de ponderacin (Z* KiZi, siendo Z* el valor estimado Zi los valoresconocidos para llevar a cabo la estimacin)
Yi,j = valores del semivariograma, obtenidos a partir dela ecuacin del modelocorrespondiente para una distancia i a j.
u = valor denominado parmetro de Lagrange
Y0,,j = valor de semivariograma en el punto a estimar.
Ejemplo de sistema de ecuaciones para una estimacin de 4 puntos:
7/31/2019 clase 2 diseo de tajo 2011
38/43
Ejemplo: Se tiene un conjunto de 4 muestras de un yacimiento dezinc cuyas leyes son: X
1
= 8,2%, X2
=9,6%, X3
=13,1% y X4
=6,4%. Elsemivariograma a considerar se ajusta un modelo tipo esfrico conalcance = 250 m, C0 =17 y C=66. Calcular, utilizando el krigeaje, elvalor de la ley en el punto X0.
7/31/2019 clase 2 diseo de tajo 2011
39/43
K1Y1,1 + K2Y1,2 + K3Y1,3 + K4Y1,4 + u=Y0,1
K1Y2,1 + K2Y2,2 + K3Y2,3 + K4Y2,4 + u=Y0,2
K1Y3,1 + K2Y3,2 + K3Y3,3 + K4Y3,4 + u=Y0,3
K1Y4,1 + K2Y4,2 + K3Y4,3 + K4Y4,4 + u=Y0,3K1 + K2 + K3 + K4 = 1
Solucin: tenemos que resolver el sistema de ecuacionesde krigeaje para cuatro puntos:
Conociendo, para calcular los Yi,,j, que las ecuaciones del modelo esfricoson:
Y*(h) = C0 + C[1.5(h/a) 0.5(h/a)3 para h < a
Y*(h) = C0 + C para h < a
7/31/2019 clase 2 diseo de tajo 2011
40/43
En principio habra que obtener 16 valores de Y(h) en las ecuaciones delmodelo esfrico. Sin embargo esta cantidad disminuye notablemente pordos razones:
a) La matriz es simtrica, por tanto y2,1,Y1,3= Y3,1, etc.
b) Las distancias entre algunos Y(h) son similares (Y1,2 =Y2,4)
Para calcular los Y(h) necesarios se tendr.
7/31/2019 clase 2 diseo de tajo 2011
41/43
7/31/2019 clase 2 diseo de tajo 2011
42/43
Sustituidos estos valores de Y(h) en las ecuaciones de krigeaje, obtiene unsistema de 5 ecuaciones con 5 incgnitas, cuya resolucin ofrece lossiguientes resultados:
K1 = 0.393; K2 = 0,022; K3= 0,329 y K3 = 0,256
Por lo tanto, el valor de la variable ley para en Zinc en el punto X0 ser:
G(X0) = (0,393*8,2) + (0,022*9,6) + (0,329*13.1) + (0,256*6,4)
G(X0) = 9,38 %
7/31/2019 clase 2 diseo de tajo 2011
43/43
ANALISIS GEOESTADISTICO CON SOFTWARE DEAPLICACIN GEOSTAT