Académique Documents
Professionnel Documents
Culture Documents
CURSO
: INGENIERIA AMBIENTAL
CICLO
DOCENTE
ALUMNO :
CAJAMARCA - PERU
2015
P g i n a 1 | 27
P g i n a 2 | 27
DEDICATORIA
P g i n a 4 | 27
AGRADECIMIENTO
P g i n a 5 | 27
Tabla de contenido
1.
INTRODUCCIN................................................................................................ 5
2.
OBJETIVOS....................................................................................................... 6
2.1
OBJETIVO GENERAL:................................................................................. 6
2.2
OBJETIVOS ESPECFICOS..........................................................................6
3.
FUNDAMENTO TEORICO................................................................................... 7
4.
CONCLUSIONES............................................................................................. 23
4.1
CONCLUSION GENERAL..............................................................................23
4.2
CONCLUSIONES ESPECFICOS....................................................................23
5.
BIBLIOGRAFA................................................................................................ 24
P g i n a 6 | 27
1. INTRODUCCIN
El termino geoestadistica surge de la combinacin del carcter aleatorio que presentan
las variables a estudiar con el carcter geolgico que, indudablemente, poseen. Estos
mtodos, desarrollados por Matheron y la escuela de minas de Pars a partir de
comienza de los aos sesenta, ofrecen, en principio, una ptima evaluacin de las
reservas de un yacimiento. Si bien sus comienzos se sitan, como se ha comentado, en
la dcada de los sesenta, su problemtica es anterior, pudindose centrar en los trabajos
de Sichel (1949) y Krige (1951), quienes trabajaban en las minas de oro de Sudfrica y
observaban el carcter lognormal de las distribuciones de las leyes en oro, intentando
buscar soluciones a la estimacin de las reservas de los yacimientos aurferos,
estimaciones que llevan implcito, como es lgico, el menor error en la prediccin. De la
minera, la Geoestadstica se ha exportado a numerosas ramas de la ciencia, estando,
en la actualidad, presente en campos como la Meteorologa, Hidrogeologa, Edafologa,
Agricultura, etc.
En la figura se muestra la idea bsica de la aplicacin de las tcnicas geoestadistica a la
evaluacin del yacimiento. A partir de los datos obtenidos en el anlisis de los sondeos,
y tras un estudio de tipo de distribucin que presentan, se lleva a cabo el clculo de los
semivariogramas experimentales, lo que permite, a travs de la tcnica del krigeaje,
realizar una estimacin, bien puntual (krigeaje puntual) o bien por bloques (krigeaje de
bloques), de las variables involucradas, normalmente ley y/o potencia.
2. OBJETIVOS
2.1
OBJETIVO GENERAL:
Conocer los diferentes modelos de variogramas utilizado en la geoestadistica.
2.2
OBJETIVOS ESPECFICOS
P g i n a 7 | 27
3. FUNDAMENTO TEORICO
APLICACIONES DE LA GEOESTADISTICA
Los mtodos geoestadsticos y, en concreto, el examen de los semivariogramas,
pueden ser tiles para determinar, aspectos como:
distancia determinada y que los resultados obtenidos en el anlisis de las leyes han
sido los siguientes:
Conjunto 1: 3%, 5%, 7%, 9%, 8%, 6%, 4%, 2%
Conjunto 2: 9%, 3%, 8%, 2%, 6%, 5%, 7%, 4%
Aplicando la estadstica clsica, ambos conjuntos de datos presentaran la misma
media y varianza (en si son los mismos datos), pero se pueden observar
rpidamente que tienen una marcada diferencia espacial, que se puede poner de
manifiesto por las diferencias sucesivas entre las muestras contiguas:
Conjunto 1: 2, 2 ,2 1, 2, 2, 2
Conjunto 2: 6, 5, 6, 4, 1, 2, 3
Estos incrementos pueden, por tanto, utilizarse para poner de manifiesto la
existencia de una relacin espacial en los valores de la variable.
De acuerdo con este concepto surge la idea de la variable regionalizada, que es
aquella cuyo valor en un punto dentro de un yacimiento es funcin de su magnitud y
de su soporte (volumen, forma y orientacin). Ejemplos tpicos de variables
regionalizadas, que pueden ser empleadas en el estudio geoestadstico de un
yacimiento, son la ley o contenido de un metal/mineral, el espesor del cuerpo
mineralizado, el peso especfico o densidad aparente, parmetros fsicos como la
porosidad, etc.
La continuidad de una variable regionalizada a lo largo de un depsito puede variar
segn la direccin, convirtiendo a la variable en anistropa, frente al comportamiento
istropo cuando esto no ocurre, es decir, no se observan variaciones en la
continuidad con la direccin. Este hecho tiene su importancia intrnseca, pues
generar semivariogramas diferentes segn la direccin que se considere.
P g i n a 9 | 27
Y*(h) = (1/2N) .
2
[f ( x i) f ( x i+h )]
xi
f ) es el valor de la variable
x i+h
f ) el valor de la variable regionalizada tomada a
P g i n a 10 | 27
P g i n a 12 | 27
En este ejemplo, si se restringen los datos a los siete niveles valores mostrados,
cualquiera de las opciones de la Figura 6.6 es plausible, pues todas pasan por los
citados valores.
Por tanto, el objetivo de la persona dedicada a la seleccin del semivariograma es
estudiar el proceso involucrado para optar por la opcin que, en principio, sea la ms
adecuada.
P g i n a 13 | 27
6. MODELOS DE SEMIVARIOGRAMAS
Como se ha comentado anteriormente, el krigeaje necesita de la utilizacin de un
modelo de semivariograma, seleccionado a partir de los valores de y*(h), no siendo
posible el ajuste de cualquier modelo, pues este debe de cumplir de algunos
requisitos matemticos. En particular el modelo elegido debe ser condicionalmente
definido negativo, pues tiene que asegurar que el sistema de n+1 ecuaciones con
n+1 incgnitas tenga una y solo una solucin. Existen numerosos caminos para
conocer si el modelo elegido cumple esta propiedad matemtica (Isaaks y
Srivastava, 1989), pero lo mas til y rpido es seleccionar uno que este incluido en
la lista de modelos que cumplen la citada propiedad.
Aunque el ajuste de un modelo de un semivariograma experimental es la forma ms
comn de aproximacin al esquema de continuidad espacial, no es la nica ni
necesariamente a mejor. Existen numerosas situaciones en las que la seleccin del
modelo adecuado se debe basar principalmente en aproximaciones cualitativas. La
experiencia con conjuntos de datos semejantes puede constituir una gua mas
optima que el simple esquema mostrado por unas pocas y solitarias muestras. Mas
aun la posible existencia de un semivariograma aparentemente sin posibilidad de
modelizacin no debe obviar este proceso, pues, muchas veces, problemas como un
nmero insuficiente de muestras, errores en el muestreo, valores errticos, etc.,
pueden enmascarar el esquema de continuidad espacial. En resumen, la seleccin
del modelo a aplicar es un cuidadoso proceso en el que deben considerar todos los
aspectos involucrados.
Tal como se ha indicado, existe un grupo de modelos que constituyen la base ms
frecuente a la hora de optar por el modelo ms adecuado al semivariograma
experimental, todos ellos cumpliendo la condicin matemtica anteriormente citada.
Aunque este cumplimiento pueda parecer, en principio, una restriccin, no lo es
tanto, pues la combinacin de los diferentes modelos genera otros que tambin
cumplen dicha condicin, por lo que el abanico final es lo suficientemente amplio
como para satisfacer las necesidades requeridas. En otras palabras, cualquier
modelos, o combinacin de modelos, de los que a continuacin se van a citar,
permite ajustar todos los semivariogramas que puedan aparecer en el estudio de las
variables de carcter minero.
Los modelos a considerar se pueden agrupar en dos grandes categoras:
(a) los
que alcanzan en una meseta (modelos de transicin y (b) los que no alcanzan una
meseta
En el primer grupo se incluyen aquellos modelos en los que la curva asciende de
forma continuada hasta alcanzar un nivel, denominado meseta. La distancia a la que
P g i n a 14 | 27
alcanzan la meseta se denomina alcance o rango. Entre estos modelos, los mas
caractersticos son el exponencial y el esfrico o matheron. En el segundo grupo
estn los que van incrementndose a medida que la distancia aumenta, sin llegar a
alcanzar una meseta. Los as representativos son el lineal y el de wijsian. A
continuacin se van a describir todos ellos, centrndose, especialmente, en el
denominado esfrico o matheron, que es el que presenta un mayor nmero de
aplicacin en minera
Previamente hay que hacer constar que, tericamente, el valor del semivariograma
para una distancia cero debera ser cero. Sin embargo, muchas veces esto no
sucede, generando lo que se denomina efecto pepita (Co) (el nombre hace mencin
a la aparicin ms o menos errtica, de pepita de oro en algunos yacimientos
aurferos).
Sus causas pueden ser muy variadas: errores de muestreo, fluctuaciones de la
variable a una escala menor que la de observacin, etc. Dado que su presencia es
bastante comn hay que acostumbrarse a trabajar con ella, lo que no
necesariamente significa un menoscabo en la utilidad y exactitud de la tcnica de
estimacin.
1. Modelo Exponencial:
Este modelo va ascendiendo lentamente hasta alcanzar la meseta a un valor
constante. Existen dos posibles esquemas: Formery y Gaussiano (Fig. 1.7). El
primero tiene la expresin:
[ h /a]
1exp +C o
( h )=C
a/
3.
P g i n a 15 | 27
P g i n a 16 | 27
h / a
1.5(h /a)0.5 +C o
( h )=C o+C
Para h < a
( h )=C o +C
P g i n a 17 | 27
3. Mtodo Lineal
Este modelo se presenta cuando al representar
( h )
4. Modelo de Wijsian
En este modelo, al igual que en el anterior,
( h )
se incrementa ms all
del valor de la varianza de los datos. En una primera observacin, parece ser
( h )
semejante al modelo lineal, pero si se representan los valores de
frente al logaritmo de h, entonces se obtiene una lnea recta. Tiene la
expresin.
( h )=3 [ ln(h/ L)+3 /2 ]
Donde
P g i n a 18 | 27
( h )
ecuaciones con
dos incgnitas. Este tipo de modelo tiene una aplicacin
ms restringida aun que el lineal, estando presente nicamente en algunos
yacimientos hidrotermales, principalmente de estao, y utilizando como
variable el espesor del cuerpo mineralizado.
P g i n a 19 | 27
c) Anisotropismo direccional
P g i n a 20 | 27
d) Semivariogramas compuestos
Cuando la prolongacin de la lnea que une los dos o tres primeros puntos del
semivariograma corta la meseta a una distancia mucho menor que la
correspondiente al alcance general del semivariograma, es muy probable que la
situacin corresponda a una mezcla de semivariogramas esfricos. En la Figura
1.15, correspondiente a un semivariograma para el ln Ni (%) , la tangente para los
dos o tres primeros puntos intercepta en el eje X (y*(h)) en un valor de 0.4 (%ln) 2,
mientras que la interseccin con la meseta principal, que se produce a 2.25 (%ln) 2 ,
tiene lugar a una distancia del lag de 13m, indicando que el alcance debera ser de
20m. Sin embargo, la curva principal no alcanza la meseta hasta un rango de 50 m,
por lo que se puede asumir la existencia de dos Semivariogramas esfricos, uno con
una meseta de 1.95 y el otro con una meseta de 2.55 y un alcance de 50 m. Los
parmetros definitorios de los semivariogramas serian:
-
Este tipo de estructuras pueden ser causadas, por ejemplo, por la presencia de
zonas mineralizadas ms ricas dentro de una matriz de mineralizacin dispersa.
Tambin son comunes en yacimientos aluviales de oro, reflejando el alcance ms
corto los canales individuales y el ms largo la anchura total de la zona de inters
econmico.
P g i n a 22 | 27
Como dice Clark (1979), las autoridades en el tema establecen que la forma de
combinar los semivariogramas, para obtener un nico semivariograma aplicable a
P g i n a 24 | 27
P g i n a 26 | 27
4. CONCLUSIONES
4.1
CONCLUSION GENERAL
Se lleg a conocer los diferentes modelos de variogramas utilizado en la
geoestadistica.
4.2
CONCLUSIONES ESPECFICOS
5. BIBLIOGRAFA
M. Bustillo Revuelta y C. Lpez Jimeno. (1997). Manual de Evaluacin y
Diseo de Exploracin Mineras. Madrid: Grficas Arias Montano.
Jimeno, M. B. (1997). Manual de Evaluacin y Diseo de Explotaciones
Mineras. Madrid, Espaa: Entorno Grafico.
P g i n a 27 | 27