Professional Documents
Culture Documents
La continuidad de las leyes: Existen casos desfavorables en los cuales las leyes son erráticas y otros más
desfavorables en los cuales las leyes son regulares.
𝟏
Donde, γ(h) es la semivarianza para todas las muestras localizadas en el espacio
𝛾(h)=𝟐 𝐸[𝑍(𝑥) − 𝑍(𝑥+h)] 2
separado por el intervalo de distancia h. Z(x) es el valor de la muestra en una
localización x. Z(x+h) es el valor de la muestra a la distancia de intervalo h desde x.
a) NOTACIÓN CONDENSADA.
Antes de estudiar ejemplos de variables regionalizadas, mencionemos que en geoestadística se utiliza la notación
condensada: un punto del espacio se representa por la letra x. Por ejemplo la ley en el punto x se representa por z(x).
Por consiguiente, z(x) puede significar:
En el espacio de dos dimensiones, sea Z(x1, x2) = Z(x) = Potencia mineralizada en un yacimiento de nitratos:
En el espacio de 3 dimensiones, sea Z(X1, X2, x3) = Z(x) = Ley del Cu en el punto X dentro de un depósito masivo.
En el espacio de tres dimensiones, sea z(x1, x2, x3) = z(x) = Densidad de la roca en un punto x dentro de un depósito minero:
Se llama campo a la zona en la cual se estudia la variable regionalizada. Para definir bien el campo (por ejemplo
los límites) para esto es necesario utilizar un modelo geológico adecuado.
¿QUÉ ES UN SOPORTE?
Es importante ya que en la minería se extraen bloques minerales de gran tamaño y no del tamaño de las muestras
puntuales, además la variabilidad espacial de muestras es diferente, dependiendo del tamaño del soporte.
Z(x) será entonces la ley del volumen de muestra localizado en el punto x.
En el caso en que los testigos que constituyen el sondaje son de tamaño irregular, es
necesario hacer una operación la cual consiste en regularizar o compositar el sondaje,
es decir disponer de datos (compósitos) de longitud constante.
Tanto la distribución estadística de los valores (histograma) como su correlación en el espacio (variograma) dependen
del soporte considerado. Este efecto de soporte tiene importantes consecuencias en la evaluación de yacimientos, pues
los datos disponibles (sondajes, pozos de tronadura) no tienen el mismo soporte que las unidades a estimar.
CAMBIO EN EL VARIOGRAMA
El paso de un soporte pequeño a un soporte mayor es una operación reguladora, que implica “suavizamiento” de
los mapas.
Cada compósito está caracterizado por sus coordenadas x, y, z, sus leyes, un código que indica el dominio o unidad
geológica y la identificación del sondaje, eventualmente otra información.
Se tiene así la base de datos de sondajes del depósito, la cual, en formato de texto, puede ser incorporada a cualquier
paquete computacional.
d) OBJETIVOS DE LA TEORÍA
La teoría de las variables regionalizadas se propone dos objetivos principales:
VARIOGRAMA
VARIOGRAMA
El Variograma se define como la media aritmética de todos los cuadrados de las diferencias entre pares de valores
experimentados separados una distancia (h) o lo que es lo mismo la varianza de los incrementos de la variable
regionalizada en (h).
El cálculo del variograma experimental es la herramienta Geoestadística más importante en la determinación de
las características de variables y correlación espacial del fenómeno estudiado
Por lo tanto podemos decir que el variograma es una función que constituye la herramienta fundamental de la
Geoestadística. Sean x y x + h dos puntos en el espacio:
RESUMEN:
La semivarianza es:
Por lo tanto la definición teórica de la función variograma γ (h) es la esperanza matemática siguiente:
(0)=0
(h)≥0
La última relación proviene del hecho que si dos
(-h)= (h) leyes z1 y z2 están a la distancia h, entonces (z1
- z2)2 = (z2 - z1)2
CALCULOS DE VARIOGRAMAS
a) PARA LINEA MUESTREADA REGULAR
• Para interpretar el gráfico del variograma distinguiremos el comportamiento para las distancias |h|
pequeñas y las distancias |h| grandes.
CONCEPTOS GENERALES
EFECTO PEPITA (Co): Representa una discontinuidad puntual del semivariograma en el origen. Puede ser debido a errores de
medición en la variable o a la escala de la misma. En algunas ocasiones puede ser indicativo de que parte de la estructura espacial
se concentra a distancias inferiores a las observadas.
100 metros
5 3 6 4 2 1 1 2 4 3 2
1
γ 100 = 2𝑥10 22 + 32 + 22 +22 +12 +02 +12 + +22 +12 +12 = 1.45
γ 200 ?
γ 300 ?
γ 400 ?
γ 500 ?
Variograma
4.0
3.5
3.0
distancia γ(h)
γ(h)
2.5
100 1.45
200 2.39 2.0
300 3.06
1.5
400 3.64
500 3.17 1.0
0.5
0.0
0 100 200 300 400 500 600
Distancia
b) PARA LINEA MUESTREADA IRREGULAR.
a) Fijemos la dirección θ del vector h; que sea por ejemplo θ = 90º, es decir, la dirección NS. El vector h sólo puede
ser:
Calculemos 𝛾(ℎ1) = 𝛾𝑁𝑆(10).
Al aplicar el algoritmo hay que considerar las diferencias (𝑧𝑖 − 𝑧𝑗)2 cuando ambos datos 𝑧𝑖 𝑦 𝑧𝑗 están definidos. La
figura muestra las diferencias que hay que calcular:
Luego:
Se obtiene entonces:
DEMUESTRELO POR UN 7
Gráfico de 𝛾(ℎ):
Se observa una clara anisotropía que nos indica que el fenómeno es más regular en la dirección EW que en la NS.
(Esto se puede comprobar al mirar como varían las leyes en esas direcciones mostradas anteriormente).
Cálculo del Variograma para una malla regular bidimensional
Cálculo del Variograma para una malla regular bidimensional
Cálculo del Variograma para una malla regular bidimensional
Cálculo del Variograma para una malla regular bidimensional
En la siguiente imagen consideremos el pixel como variable regionalizada.
Las siguientes son las ecuaciones usadas en la estimación de los semivariogramas, covariogramas y
correlogramas:
43
EJEMPLO DE CALCULO DE SEMIVARIOGRAMA, COVARIOGRAMA Y CORRELOGRAMA .
1 n( h)
x1
n(h) i 1
x( zi )
1 n( h)
s2
2
i
n(h) 1 i 1
( x ( z h) x 2 )) 2
5.- Covariograma: Covarianza entre los primeros y segundos muestras separados a una
distancia h
1 n( h)
Sh
n(h) 1 i 1
( x( zi ) x i ) * ( x( z i h) x 2 ))
Variograma
18
16
14
12
10
8
6
4
2
0
0 0.5 1 1.5 2 2.5 3 3.5
COMPORTAMIENTO DEL VARIOGRAMA PARA DISTANCIAS PEQUEÑAS
Estudiaremos el comportamiento de la función γ (h) para | h |pequeño, para lo cual analizaremos cuatro casos
hipotéticos:
El fenómeno tiende a repetirse de manera estacionaria (es decir, varía de manera homogénea y sin deriva):
Dos puntos cuya distancia sea superior a a = 6 unidades son prácticamente independientes en ley.
El objetivo de ajustar un modelo teórico es disponer de una ecuación, la cual se utilizará en los cálculos posteriores. En
general, los paquetes computacionales trabajan exclusivamente con el modelo teórico.
Para tener un buen ajuste, hay que considerar que uno de los
objetivos finales es la estimación de leyes de bloques (modelo de
bloques), dentro de una cierta vecindad restringida de manera de no
considerar demasiadas muestras para estimar la ley de cada bloque:
Modelo tridimensional de bloques. Existen tres
unidades geológicas (a bloque completo)
Sin embargo, la teoría demuestra que estas condiciones no son suficientes: En efecto, se puede probar que 𝛾(ℎ)
pertenece a una familia Ω de funciones (llamadas funciones de tipo negativo condicional) y la elección del modelo
debe quedar restringida a esta familia Ω.
Elegir un modelo en la familia garantiza la coherencia de los cálculos (no se obtienen, por ejemplo, varianzas
negativas). Por consiguiente, sólo hay que utilizar los modelos que describiremos a continuación (o bien
combinaciones de ellos, las cuales consisten en sumar dos o más modelos).
Modelo esférico: Es uno de los modelos más importantes. A menudo, el variograma de las leyes de cobre en un
depósito de cobre porfídico corresponde a este modelo.
Su ecuación es:
Su formula es:
Modelo cúbico: Tiene un comportamiento parabólico en el origen pero su alcance es finito e igual a a; su ecuación
es:
Modelo Potencia: Este depende de C y el exponente ϴ. Su ecuación es:
Esta familia de variogramas no presenta meseta. Un caso particular importante es cuando α = 1: γ(h)
es una recta, se llama variograma lineal.
Modelo efecto popita: Este modelo representa a un fenómeno completamente aleatorio, en el cual no hay
correlación espacial. No importa cuán cerca se encuentren los valores de las variables, siempre serán no
correlacionados.
LOS MODELOS DE VARIOGRAMAS MAS USADOS
c
Esférico
Exponencial
Gaussiana
AJUSTE EN EL ESPACIO DE DOS O TRES DIMENSIONES
Un Variograma es isótropo si es idéntico en todas las direcciones del espacio. En caso contrario, existe anisotropía,
la cual indica que la variable regionalizada posee direcciones preferenciales en cuanto a su continuidad.
Sin embargo, en la práctica se dispone de un conjunto de variogramas 𝛾1(ℎ), 𝛾2(ℎ), . . . 𝛾𝑘(ℎ) correspondientes a
las direcciones 𝛼1, 𝛼2, . . . , 𝛼𝑘.
Se cumple que:
γ(h) = γomni(|h|)
En esta notación:
Ejemplo: En este caso, el modelo isótropo ajustado es:
b) Caso anisótropo: En este caso los variogramas direccionales son en general diferentes:
En la práctica se distinguen dos tipos de comportamiento anisótropos del variograma:
Anisotropía Geométrica: existe cuando en las direcciones analizadas hay una misma meseta y diferentes
alcances.
Anisotropía zonal: Existe cuando hay un cambio de meseta dependiendo de la dirección.
Se define entonces el modelo de anisotropía zonal como un
modelo anidado (o imbricado), es decir:
a) Desarrolle gráficamente y determine mediante las fórmulas de los variogramas teóricos (Exponencial) a
qué modelo corresponden, cual es la ecuación de cada uno de ellos.
b) Determinar si existe anisotropía o no, de qué tipo, explique. (Realizar grafico de variograma)
d) Escriba la ecuación del variograma omnidireccional, calcule utilizando éste los valores para
10,20,30,40,50,60 [m].
INTERPRETAR LOS VARIOGRAMAS
Variogramas en cortes pulidos de minerales. La variable regionalizada z(x) (indicador) se define como:
En los gráficos, el variograma EW es de color rojo y el NS de color azul. En este caso de dos estados (negro y
blanco), si se considera que z(x) es la realización de una función aleatoria Z(x), entonces se dice que Z(x) es un
conjunto aleatorio.
APROXIMADAMENTE ISOTROPICO
ANISOTROPICO CON PERODICIDADES
APROXIMADAMENTE ISOTROPICO
CON EFECTO PEPITA.
En la siguiente imagen consideremos el pixel como variable regionalizada.
N= Nº de datos
No se conoce la ley media de V : Zv
En la práctica , se estima la Ley media desconocida por una fórmula lineal del tipo:
1 2 ...... n 1
zˆv zv
Se sabe que:
n
2
E E i z xi z x dx
2 1
La varianza del error de estimación es :
i 1 V v
n
2
E2 v / V 2 (v,V ) (V ,V ) (v, v)
N N=efecto pepita
Al desarrollar la expresión obtenemos:
n n=número de muestras
Antes de explicar cómo se calculan los términos en forma numérica, observamos que el error de estimación depende de:
N : Número de datos
87
CASO EJEMPLO
En un bloque de 100 x 50 [m] debe calcularse la varianza de estimación utilizando 5 muestras ubicadas en el bloque.
Suponiendo que la variable regionalizada es representada por un modelo de variograma esférico, con una Meseta
C= 83, un alcance de a=150 [m] y un efecto pepita Co= 0.
VARIOGRAFÍA
3 h 1 h
3
(h) 5 78sph(150) h 150 (h) 5 78 * h 150
2 150 2 150
83 h 150
83 h 150
Solución
(v, V ) 32,556
(v, v) 32,697
(V , V ) 26,193
E2 v / V 2 (v,V ) (V ,V ) (v, v)
N
n
E2 v / V 2 * 32,556 26,193 32,697
0
5
E2 v / V 6,221
EL KRIGEADO
KRIGING
El Kriging atribuye un peso i a las muestras Z(xi). Estos pesos se calculan de manera de minimizar la varianza
del error cometido.
El interés de Kriging proviene de su misma definición:
Al minimizar E2 estamos seguros de obtener la estimación más precisa posible de V o equivalentemente, de
sacar el mejor provecho posible de la información disponible.
De acuerdo a lo anterior, el Kriging define el estimador con la condición de insesgado:
zˆk 1 * z( x1 ) 2 * z( x2 ) .... n * z( xn )
1 2 ..... n 1
Su esperanza es nula.
Su varianza es pequeña.
93
El interés práctico más importante del krigeado, proviene,
no del hecho que asegura la mejor precisión posible, sino
más bien porque permite evitar un error sistemático.
En la mayoría de los depósitos mineros, se deben El color amarillo representa mineral (con ley 1) y el
seleccionar, para la explotación, un cierto número de blanco estéril (con ley 0). Los círculos representan los
bloques, considerados como rentables y se deben datos.
abandonar otros bloques considerados no-explotables
Se observa que, en general, es necesario utilizar datos
externos al bloque.
Si esta selección se realizara considerando exclusivamente las
muestras interiores a cada bloque, resultaría necesariamente (en
promedio) una sobre-estimación de los bloques seleccionados.
Minimizar la función A = x2 + y2 si x + y = 1.
2
k 2
yy 1 y1 2 y 2
n
2 k 2 yy i yi
i 1
n
Z i Z i
*
i 1
= Multiplicador de Lagrange
EJEMPLO 1
En el caso del yacimiento isótropo de la figura, estudiado anteriormente:
λ1 = 0.77
λ2 = 0.23
⇒ ZV = 0.77 x 35 + 0.23 x 41 = 36.38
2 σE = 2.37
⇒ ZV = 36.38 ± 2.37 (con 95% de confianza)
CASO PRACTICO
En un yacimiento isótropo calcule la ley con un 95 % de confianza. Se sabe que el bloque posee dimensiones
de 3 x 3 [m] y el variograma representado se ve a continuación.
Discretice el bloque en 4 partes.
Variograma
Ley
1 3 mt
*
x2 X1=0,5
* X2=0,7
x1 3 mt
Formulas y ecuaciones
k (V ,V ) 1 ( x1 ,V ) 2 ( x2 ,V )
2
n
Z * i Z i 2
i 1
( x1 ,V )
distancia semi vario
d1 0.75 0.75 1.061 0.530
d2 0.75 2.25 2.372 1
d3 2.25 0.75 2.372 1
( x1 ,V ) 0,883 3 mt d4 2.25 2.25 3.182 1
suma 3.530
* semi(x 1,V) 0.883
x1 3 mt
distancia semi vario
d1 0.75 0.75 1.061 0.530
( x2 , V ) d2 0.75 0.75 1.061 0.530
d3 0.75 0.75 1.061 0.530
d4 0.75 0.75 1.061 0.530
( x2 ,V ) 0,530 * 3 mt
suma 2.121
x2 semi(x 2,V) 0.530
(V ,V )
(V ,V )
1
(1,V ) (2,V ) (3,V ) (4,V )
4
(1,V ) (2,V ) (3,V ) (4,V )
1
(V ,V ) (4 * 0,625)
4
(V ,V ) 0,625
1 ( x1 , x1 ) 2 ( x1 , x2 ) ( x1 ,V )
1 ( x2 , x1 ) 2 ( x2 , x2 ) ( x2 ,V )
1 2 1 INCOGNITAS:
0,207
1 0,324
1 * 0 2 *1 0,883 2 0,676
1 *1 2 * 0 0,530
1 2 1
RESUMEN DE RESULTADOS
k (V ,V ) 1 ( x1 ,V ) 2 ( x2 ,V )
2
k 0.226
2
k 0.476
Z *V 1 * x1 2 x2
Z *V 0.324 * 0.5 0.676 * 0.7
ZV*
0.635
ZV*
0.635 2 * 0.476 0.635 0.952
ZV*
0.635 0.952
EJEMPLO PRACTICO
Se desea estimar la ley real de los bloques Y, Z, se sabe que sus dimensiones son de 20 x 20 [m]. La variable
regionalizada es estacionaria con un modelo de variograma isotrópico exponencial, con una meseta de 2,0, un
alcance de 60 [m] y un efecto pepita de 0,5. Discretice los bloques Y,Z en 4 partes.
La distancia de las muestras x1 y x2 es de 75 [m] y están en el centro de cada bloque. La leyes de las muestras son
las siguientes:
x1=300 (g/t)
x2= 500 (g/t)
b) h
( h) 1,5 0,5EXP(60) h 60 ( h) 1,5 0,51 EXP h 60
2,0 h 60 60
2,0 h 60
PARA BLOQUE Y
1 * 0,5 2 * 2 0,667
1 * 2 2 * 0,5 2
1 2 1
GRACIAS
Andrés López Cayupi
Ingeniero Ejecución en Minas
andres.lopez25@inacapmail.cl