Académique Documents
Professionnel Documents
Culture Documents
GEOSTATISTIQUE MINIERE
Questions traitées:
peut-on prédire le comportement d’une variable
à partir d’une ou plusieurs autres variables.
Problème de régression, quelle est la meilleure
équation de prédiction?
Moyenne arithmétique:
Variance (écart-type):
Kurtosis: obtenu à partir du moment centré
d’ordre 4 et
Le coefficient de Skewness:
avec m2 le moment d’ordre 2
• Distribution symétrique: le coefficient de
skewness est nul.
• Pour des fonctions de distributions asymétriques,
la valeur du Skewness est positive, si la partie
”épaisse” de la distribution se situe dans la
direction positive, et elle est négative dans le cas
contraire. FACULTE POLYTECHNIQUE DE LUBUMBASHI BNB
Coefficient de variation: mesure de dispersion
des observations d’une variable quantitative
d’intervalle.
C’est une mesure neutre.
Sans unité, il permet de comparer facilement la
dispersion des variables différentes.
Ruashi III 862 0.04 22.80 3.49 11.23 4.95 0.96 1.36
l1 g1
l2 g2
lg
g i i
l3 g3
l
Minéralisation
i l4 g4
l5 g5
ln gn
FACULTE POLYTECHNIQUE DE LUBUMBASHI
Stérile
BNB
Lorsque la densité varie beaucoup: pondération sur
les densités
En MCO, on fait la composition par gradin, bench
compositing
g
li g i
H
Le choix de la longueur de régularisation doit être
dans le sens d’augmenter le support et non de le
réduire
225 205.50
V
A 2 A
1 2
2 A3 ... An
L
2
FACULTE POLYTECHNIQUE DE LUBUMBASHI
3. Méthode des sections
1. Obtenir une série de sections parallèles avec les forages
projetés sur les sections
(Marcotte, 2004)
Méthode des distances inverses
Exemple de calcul pour la pondération par les distances inverses
au carré
AM 176
0.50
AM3
0.64
AM 282
0.48
d3(66m) AM 297
0.69
d4(78m) d2(52m)
AM 154 d5(92m)
0.43
d6(64m) d1(32m)
AM 148
0.58
AM267
0.75
d i r
i n
i
d r
i 1
B.D.
Extension
i=1
où est le multiplicateur de Lagrange.
Le minimum est atteint lorsque toutes les dérivées
partielles par rapport à chacun des lambda et par
rapport à « mu » s’annulent. Système de krigeage:
λ γ x , x j - μ = γ( v , x i ) ; i = 1...N
N
j i
j=1
• X-Validation :
• Le palier ne peut être validé (sa modification n’affecte pas les λK (u)
• Les valeurs de γ(h) inférieures à la plus petite interdistance
n’interviennent pas dans les calculs => le comportement à l’origine
et l’effet pépite ne peuvent être réellement testés.
• Les échantillons peuvent ne pas être représentatifs => le modèle de
γ(h) qui donne la meilleure x-validation n’est pas nécessairement
celui qui donne la meilleure estimation aux points inconnus.
• Les erreurs de x-validation peuvent être dues au caractère inadapté
de l’hypothèse de stationnarité, de l’algorithme choisi, etc… plutôt
qu’au modèle de γ(h).
Histogramme des
teneurs réelles
Histogramme des
teneurs krigées
REEL
KRIGE
• Le Krigeage peut être biaisé
localement
Le krigeage respecte une condition de non-biais
global. Cela ne signifie pas pour autant un non-biais
local. Autrement dit certains points sont surestimés,
d’autre sous-estimés, mais en moyenne cela se
compense.
MERCI POUR VOTRE
ATTENTION