Facultad de Ciencias e Ingeniera
Especialidad: Ingeniera Geolgica
Curso: GEM322 Geoestadstica
Semestre 2015-2
M. Sc. Samuel Canchaya Moya
[email protected]Facultad de Ciencias e Ingeniera
Especialidad: Ingeniera Geolgica
Curso: GEM322 Geoestadstica
Semestre 2015-2
Introduccin a la Geoestadstica
M. Sc. Samuel Canchaya Moya
2
52 aos de
Geoestadstica
1963
George F. P. M. Matheron
Fuente: en.wikipedia.org
3
Curso Internacional de Geoestadstica
2008-2009
MODULO I: 5 al 8 de Noviembre 2008. Miguel Zulueta (Consultor
en Geoestadstica) Introduccin a la Geoestadstica. Las variables
regionalizadas. El variograma. Varianzas: de extensin, estimacin
y dispersin. El krigeage: puntual y de bloques. La varianza de
krigeage. Introduccin a la estimacin de recursos. Entregables en
una estimacin de recursos.
MODULO II: 8 al 10 de Diciembre 2008. Daniel Guibal (Director
Tcnico de SRK Consulting-Australia) Muestreo y base de datos.
Modelamiento geolgico 3D. Variografa avanzada. Anisotropa a
travs de mapas de variogramas, variogramas de indicadores.
Optimizacin del muestreo. Optimizacin del krigeage.
Introduccin a mtodos no-lineales. El efecto del soporte.
Clasificacin de recursos: cdigos internacionales.
Miguel Zulueta
Daniel Guibal
MODULO III: 16 al 17 de Marzo del 2009. Andr Journel
(Catedrtico de la Univ. de Stanford USA) Simulacin Condicionada
aplicada a Minera. Simulacin de variables continuas: simulacin
gaussiana secuencial, simulacin por bandas rotantes. Simulacin
de variables categricas. Aplicaciones prcticas.
Andr Journel
Daniel Guibal
Grado de Ing. Civil de Minas Escuela Nacional Superior de Minas
de Nancy-Francia y Master en Ciencias, en Matemticas y Geoestadstica en Centro de Geoestadstica de Fontainebleau-Francia.
25 aos experiencia, especialista en: Geoestadstica, Estimacin
de Reservas y Simulacin; Geoestadstica No-Lineal, Optimizacin de Tajos Abiertos,
Simulacin Condicional. Ha trabajado en: Centro de Geoestadstica de Fontainebleau Francia (1972-1982), Empresa Estatal Minero Per (1974-1976) y como consultor en
Australia desde 1983 (Siromines y Geoval); actualmente es Director Tcnico de SRK
Consulting Australia.
Ha realizado diversos trabajos y estudios para empresas y consorcios mineros en:
Australia, Sudamrica, Europa y Japn. Sus ms recientes trabajos incluyen: Simulacin
multivariable del yacimiento de Fe Pilbara (Hamersley); Revisin de los Recursos de Cu
en la Divisin Norte de Codelco (Chile); Revisin detallada de la prctica de la
Geoestadstica en Olimpic Dam (Australia); Evaluacin y Due diligences de: Inco,
Newcrest, Worsley Alumina, Alcoa, etc.
Miembro activo de la Aus. I. M. M. y de la Asociacin de Geoestadstica de Australasia.
5
Dr. Dominique Franois Boungaron
1974 Grado de Ing. Civil de Minas Escuela Nacional Superior de Minas
de Nancy-Francia
1978 Doctor en Mining Science and Techniques en la Escuela de Minas de Paris y la
Universidad de Nancy.
1976: Inici sus actividades profesionales en MINERO PERU, como experto extranjero
voluntario.
1978 a 1984 Investigador en el Centro de Geoestadstica de Fontainebleau-Francia
Famoso por las correcciones que realiz a la famosa frmula de Pierre Gy:
Solucionando sus dificultades de aplicacin, sobre todo para el caso del oro. Ha
publicado con Pierre Gy las modificaciones propuestas. Se dice que Gy lo ha designado
pblicamente como su sucesor cientfico.
Consultor Internacional de Geoestadstica, con notables trabajos en INCO Ltd. Copper
Cliff Ontario Canad. Vicepresidente de Geoestadstica de Mineral Resource
Development Inc. San Mateo-California por 7 aos.
Actualmente es Presidente de AGORATEK INTERNATIONAL
Vicepresidente de la 6ta. Conferencia Mundial de Muestreo y Mezclas que se realiz en
Lima-Per, 19 al 22 de Noviembre del 2013; Hotel Marriot.
6
Prof. Andr Journel
Ingeniero de Minas (1967) en la Escuela Nacional Superior de Minas
de Nancy Francia y Dr. Ing. (1974) y Dr. en Cienc. Mats. Aplicadas
(1977) en Univ de Geoestadstica de Nancy Francia. Ing. de Proys.
mineros en el Centro de Morfologa Matemtica de Francia
(1969-1973); Centro de Geoestadstica de la Escuela de Minas de
Paris (1973-1978). Univ. de Stanford - USA: Prof. Asociado (1978-1972): Prof. Principal (19922010) del Departamento de Ciencias de la Tierra de Ing. de Petrleo e Investigador y Director
(1986-2010) del Centro Stanford de Prediccin de Reservorios del Centro Stanford.
Entre 1998 y 2010 recibi ms de 30 disertaciones de Ph. D. y M.Sc.. Desde 1980 a la fecha:
miembro del Comit Cientfico del Congreso Mundial de Geoestadstica. Ha dictado decenas
de cursos y seminarios especializados sobre Geoestadstica y temas afines.
35 aos de experiencia profesional: Especialista en Planeamiento, Simulacin y Evaluacin de
Recursos Mineros; Modelamiento de Reservorios de Petrleo; Control y remediacin de la
Polucin; Prediccin Bayesiana: Anlisis de riesgo, Modelos de incertidumbre, etc; Estadstica
no-paramtrica y espacial Gaussiana. Co-autor del famoso libro: Mining Geostatistics. Mas de
80 publicaciones especializadas. Premios: 1989: Medalla de Krumbein, 1995: Teaching
Award (Esc. de Cienc. de la Tierra, Stanford), 1998: Medalla de Oro Lucas (AIME/SPE), etc.
7
Dos tendencias de la Geoestadstica actual
Francia, Europa,
Australia,
Univ. de Chile,
etc.
La Geoestadstica acadmica:
Bsicamente Estacionaria
Xavier Emery
La Geoestadstica Aplicada:
Bsicamente No-Estacionaria
Univ. Stanford USA
Univ. Alberta Canad
CAIG - Per
Andr Journel
Clayton Deutch
Daniel Guibal
8
Universidad Nacional de Ingeniera
Facultad de Ingeniera Geolgica y Metalrgica
Escuela de Geologa
AIG
MISIN:
Promover la Investigacin y Enseanza de las
Matemticas Aplicadas a la Geologa.
VISIN:
Ser Lderes en Matemtica Aplicada a la Geologa
CAIG: Principales Lneas de Investigacin
Anlisis de Riesgo con Simulacin Condicional - Abel Puerta
Efecto Proporcional (y Geoestadstica No Lineal) - S. Canchaya
Fractales Miguel Zulueta
Clasificacin de Recursos con Varianzas Heller Bernab
Training Images y Estadstica Multipoint (?)
Etc.
PRINCIPALES ACTIVIDADES RELACIONADAS:
o Intercambio Acadmico y Cientfico con Referentes mundiales relacionados
con los temas de investigacin.
o Promover cursos, talleres, conferencias y congresos relacionados con los
temas de investigacin.
o Ser semillero de nuevos especialistas y cientficos en Matemtica Aplicada
a Geologa.
o Promocin y Asesora de Tesis de Grado, Postgrado, etc.
o Publicaciones cientficas, edicin de manuales, textos, etc.
10
Facultad de Ciencias e Ingeniera
Especialidad: Ingeniera Geolgica
Curso: GEM322 Geoestadstica
Semestre 2015-2
Introduccin a la Teora de las
Variables Regionalizadas
M. Sc. Samuel Canchaya Moya
11
El concepto de autocorrelacin
Es de esperar que dos valores contiguos Z(xi) y Z(xi+h),
separados una distancia (o vector) h, estn relacionados
entre s: a esto se denomina: Autocorrelacin.
Lo cual quiere decir que sus valores sern dependientes
el uno del otro; esto debido a que casi siempre toda
variable tiene un patrn de distribucin (o estructura,
como se le llama en geoestadstica), ya que nada es al
azar en la naturaleza.
La herramienta geoestadstica para reconocer este patrn
de distribucin es el VARIOGRAMA
12
COMPARACIN ENTRE UNA DATA ESTRUCTURADA
(Tramo A) Y OTRA AL AZAR (Tramo B)
x
1
2
3
4
5
6
5
4
3
2
1
1
TRAMO A
2
4
3
6
1
5
1
3
2
1
4
5
TRAMO B
s2
HISTOGRAMA
VARIOGRAMA
(h)
f(x)
3.08
2.75
(h)
f(x)
3.08
2.75
Diagrama de variacin de leyes
Ley
Gran variabilidad local:
diente de sierra
x+h
Tendencia
Profundidad
14
3.5
3
Variable Regionalizada: (V.R.)
Variograma
2.5
2
1.5
1
0.5
Toda variable que flucta en:
0
el espacio (coordenadas) y/o en el tiempo.
1 3 5 7 9 11 13 15 17 19 21 23 25 27
Distancia
Tiene dos caractersticas fundamentales:
Gran variabilidad local.- Dientes de sierra
Presenta una estructura o tendencia a mayor escala
Ejemplos tpicos:
Leyes de Au, Ag, Cu (CuT, CuSAc, CuSCN), Fe, As, etc.
Potencia de una veta o manto
Densidad, Humedad, Porosidad y Permeabilidad
Toneladas procesadas en Molinos o Chancadoras (Throughput)
Contenido mineralgico (% qz, ser, ARCs, cac, bt, calcopirita, pirita, etc.)
% de elementos u xidos mayores (SiO2, TiO2, K2O, CaO, MgO, Fe2O3, etc.)
Recuperacin de Au, de Cu, etc.
Densidad de fracturamiento
BWI, RQD, Resistencia Mecnica (MPa), etc.
Consumo de cido (Kg/TM), etc.
29 31 33 35 37
15
M. Sc. Samuel Canchaya Moya
El Variograma:
Definicin, estimacin, ploteo y ajuste a
funciones tericas.
16
Las tres hiptesis plausibles de la Geoestadstica:
La Hiptesis de Estacionariedad.- Dominios donde la media y la varianza son
probabilsticamente similares; as como la varianza y la covarianza slo dependen
de la separacin entre datos.
La Hiptesis Intrnseca.- En aplicaciones prcticas necesitamos introducir la
denominada hiptesis intrnseca, la cual establece que la function variograma
2(x,h) depende slo del vector de separacin h y no de la ubicacin x. Entonces
es posible estimar el variogram 2(x,h) a partir de la data disponible usando el
estimator 2*(h) que se define como:
1
2 (h)
n( h)
*
n(h)
[ Z ( x ) Z ( x h)]
i 1
La Hiptesis del Kriging Universal.- Asume que las funciones aleatorias se
pueden descomponer en una combinacin lineal de funciones determinsticas y un
componente aleatorio residual. Por lo tanto es la menos resttrictiva de las
hiptesis.
La hiptesis de
estacionariedad
M1
M2
D
La aplicacin de la geoestadstica
M4
M3
tradicional ser vlida, slo si se cumple con
la denominada Hiptesis de Estacionariedad.
Se dice que un dominio cumple con la Hiptesis de Estacionariedad,
cuando dentro de l la media y la varianza son las mismas cualquiera
sea la muestra que se tome para estimarlas.
En un dominio donde se cumpla la Hiptesis de Estacionariedad, el
variograma y la covarianza slo dependern de la separacin entre
datos.
Los dominios con el denominado EFECTO PROPORCIONAL son el
extremo opuesto a la condicin de estacionariedad.
Cuando no se cumple la mencionada hiptesis, hay que apelar al
Concepto de Krigeage Universal; as como a otras herramientas de la
Geoestadstica No- Estacionaria.
18
FUNCION VARIOGRAMA:
Forma de clculo
n h
Es la funcin probabilstica
que representa el patrn de
distribucin de una variable
regionalizada
2 (h)
ZX
i 1
i+h
ZX
n h
x+h
h
OMNIDIRECCIONAL
FUNCION VARIOGRAMA Representacin grfica
(h)
GEO
ESTADISTICA
meseta
s2
C
C0
a
DEPENDENCIA
ESTRUCTURA
h
C0
a
C
C + C0
:
:
:
:
:
s2
INDEPENDENCIA
ALEATORIEDAD
paso entre las muestras
efecto de pepita
alcance
sill
meseta
varianza estadstica
10
Ejemplo de clculo manual
de un variograma 1D
h=1
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
[d1]2
0.64
1.44
0.16
0.04
0.36
2.56
6.25
4.00
7.29
8.41
0.25
0.36
3.61
1.21
9.61
4.84
4.41
1.96
0.81
S[dh] 2 57.57
2(n-h) 36
(h) 1.60
h=2
h=3
h=4
[d2]2
[d3]2
[d4]2
h=5
(h)
meseta
h=6
[d5]2
[d6]2
[d7]2
[d8]2
experimental
0.16
0.64
0.04
0.16
1.00
0.81
0.25
0.49
0.04
5.76
0.01
1.69
9.00
17.64
0.81
18.49
12.25
0.25
69.49
32
2.17
0.00
1.00
0.64
1.44
2.25
1.21
10.24
4.84
0.09
9.00
3.24
5.76
37.21
4.00
1.44
32.49
6.76
121.6
28
4.34
0.04
0.16
0.64
1.69
0.25
2.56
0.09
2.89
0.09
1.21
8.41
30.25
15.21
0.01
6.76
23.04
93.30
26
3.59
ajuste
C0=0.25
a = alcance
0.16
4.00
2.89
0.49
4.84
1.69
0.64
5.29
2.56
0.00
36.00
10.9
3.24
2.25
2.89
77.83
22
3.54
1.44
0.25
0.09
4.00
0.49
0.64
0.04
0.16
7.29
9.61
14.4
1.44
0.16
0.36
40.41
16
2.53
1.69
2.25
5.76
0.16
0.81
0.04
1.96
4.41
33.64
0.81
2.89
0.04
1.69
56.15
10
5.62
0.49
1.44
0.25
0.16
0.64
0.25
10.24
14.44
12.96
1.44
0.09
0.49
42.89
8
5.36
(h )
Z x h Z x
2(n h )
Ajuste del Variograma Experimental
a Funciones Tericas
(h) = C
(h)
3h
2a
h3
2a3
h*a
+ Co
(h) = C + Co
h>a
( h) ph ; 1
(h) = Co + mh
(h) ph ;
(h) C 1 exp ah C0
11
DIRECCION
E-W
(2-2)2 + (2-4)2 + (4-5)2
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
(1-1)2 + (1-1)2 + (1-1)2 + (1-6)2
(2-2)2 + (2-1)2 + (1-3)2 + (3-6)2
(5-2)2 + (2-3)2 + (3-4)2
(2-5)2
Z x Z x h 2
97
(1-6)2
(2-3)2 + (2-6)2
(2-6)2
(3-3)2 + (1-4)2
(3-4)2
(4-2)2 + (7-5)2
(4-5)2
(1200 )
69
2 9
3.83
( 400)
97
2.20
44
(2-4)2 + (2-5)2
(1600 )
11
2 3
(1-1)2 + (1-6)2
1.83
(2-1)2 + (2-3)2 + (1-6)2
( 400) 2 8222 1.86
(1600) 2 49 7 3.50
(3-2)2 + (1-3)2 + (2-4)2
(800) 2 78
2.29
17
(2000) 217 3 2.83
(5-3)2 + (2-4)2
(1200) 2 7112 2.29
(4-3)2 + (7-2)2 + (3-5)2
( 800 )
112
2 15
3.73
DIRECCION: N - S
Ajuste del Variograma
experimental a funciones
tericas
Parmetro
Lineal
Exponencial
C0
0.783
0.673
C0 + C
1.281
1.347
345.9
193.4
r2
0.845
0.900
RSS
0.061
0.040
C/[C0+C]
0.389
0.500
12
25
Combinacin lineal de variogramas: h i ih
i 1
Para modelar y/o ajustar estructuras imbricadas (nested structures)
2.5
2.5
1.5
1.5
0.5
0.5
1.2 2.4 3.6 4.8
7.2 8.4 9.6 10.8 12 13.2 14.4 15.6 16.8
1.3 2.6 3.9 5.2 6.5 7.8 9.1 10.4 11.7 13 14.3 15.6 16.9
4.5
4
3.5
Permite modelar la
anisotropa zonal
3
2.5
2
1.5
1
0.5
0
0
1.2 2.4 3.6 4.8
7.2 8.4 9.6 10.8 12 13.2 14.4 15.6 16.8
Ejemplo de Variogramas
(h) Au (gr/TM)
Yacimiento epitermal de
Au de alta sulfuracin
30
(h)
15
0
25
(h)
50
75
Cu (%) 2
20
10
Potencia (m)2
1.6
80
1.2
160
Prfido de Cu-Au
Veta polimetlica
0.8
0.4
Variograma
experimental
0
100
200
Ajuste terico
13
Ejemplo de variogramas de gangas y
minerales de alteracin:
27
28
Ejemplo de variogramas de Gangas
14
M. Sc. Samuel Canchaya Moya
El clculo automatizado
de los variogramas
29
Parmetros para el
clculo automatizado de
variogramas 2D
puntos aceptados
puntos descartados
Para cada direccin
se define una tolerancia
y se utilizan nicamente los puntos que se
encuentran entre las direcciones:
15
31
Combinacin de sector con banda
puntos aceptados
puntos descartados
b = ancho de banda
Aplicacin de los pasos h
clase de distancia h
clase de distancia 2h
clase de distancia 3h
16
Aplicacin de la configuracin de clculo
en el dominio establecido
Clculo de Variogramas 3D:
Bsqueda cnica de pares
Seccin transversal del
cono debe ser elptica para
involucrar anisotropa
h = ngulo horizontal
v = ngulo vertical
t = ngulo de tolerancia
34
17
Clculo Variogramas 3D:
Bsqueda cilndrica de pares
Seccin transversal del
cilindro debe ser elptica
para involucrar anisotropa
h = ngulo horizontal
v = ngulo vertical
t = ngulo de tolerancia
35
Clculo de Variogramas 3D:
Bsqueda de pares por capas
h = Tolerancia en direccin Z
36
18
