ELEMENTS DE

GEOSTATISTIQUE MINIERE

Par Bilez NGOY BIYUKALEZA

FACULTE POLYTECHNIQUE DE LUBUMBASHI

 1. INTRODUCTION
 L’ingénieur est souvent confronté à des masses
considérables des données

 Mesure des plusieurs variables pour chaque

observation: attributs, caractères, masse
volumique, teneurs, porosité,…
 Etude individuelle des variables, essentielle,
mais ne permet pas de retirer toute l’information
FACULTE POLYTECHNIQUE DE LUBUMBASHI
BNB
 Méthodes bivariables: diagramme binaire
(scatterplots): relation entre les variables
 Méthodes multivariables vont un peu plus loin,
cherchent les relations simultanées entre
plusieurs variables.

 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?

FACULTE POLYTECHNIQUE DE LUBUMBASHI

BNB
 Peut-on identifier ou interpréter, des facteurs
pouvant expliquer les variations observées dans
différentes variables, analyse factorielle?
Quelles sont les observations (ou les
variables) ayant des ressemblances au niveau
de leur comportement, classification
automatique?
Peut-on filtrer de nos données l’effet dû à des
facteurs indésirables, analyse factorielle?
 Peut-on identifier les différences existant
entre divers groupes parmi nos données,
analyse discriminante?
FACULTE POLYTECHNIQUE DE LUBUMBASHI
BNB
Modèle déterministe et probabiliste

FACULTE POLYTECHNIQUE DE LUBUMBASHI

FACULTE POLYTECHNIQUE DE LUBUMBASHI
FACULTE POLYTECHNIQUE DE LUBUMBASHI
 DEFINITIONS
 VARIABLE ALEATOIRE (v.a): fonction dont les résultats
possibles sont connus mais dont le résultat final ne peut être
déterminé, à priori, avant d'effectuer la mesure (teneur de Cu
d’une carotte de 1 m, épaisseur d’une vaine minéralisée, [ ]t°
d’un polluant dans l’eau souterraine, pH de l’eau de
pluies,…
 sans connaître la valeur que prendra le résultat final, on peut
parfois connaître la probabilité qu'une v.a. prenne chacun
des résultats possibles. C'est la description la plus complète
que l'on puisse faire de la v.a.
• La fonction qui décrit ces probabilités est la fonction de
densité pour les v.a. continues; pour les v.a. discrètes, c’est
la fonction de masse).
FACULTE POLYTECHNIQUE DE LUBUMBASHI
 DEFINITIONS
 FONCTION ALEATOIRE: Z(x) est un
ensemble de infini variables aléatoires

VARIABLE REGIONALISEE z(x): est une

réalisation de la fonction aléatoire Z(x)

 VALEUR OBSERVEE z(x0) en un point x0

est la réalisation d’une variable aléatoire
Z(x0)

FACULTE POLYTECHNIQUE DE LUBUMBASHI

 PRINCIPALES STATISTIQUES

 Moyenne arithmétique:
 Variance (écart-type):
 Kurtosis: obtenu à partir du moment centré
d’ordre 4 et

C’est une mesure de ”l’épaisseur” des queues de

distributions ou Coefficient de forme: plati, méso et
leptocurtique
Sa valeur théorique est égale à 3 (si g2=m4/s4)
FACULTE POLYTECHNIQUE DE LUBUMBASHI
 Skewness: défini à partir du moment centré
d’ordre 3. C’est une mesure de l’asymétrie de la
distribution.

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.

FACULTE POLYTECHNIQUE DE LUBUMBASHI

BNB
 LOI DE DISTRIBUTION

 Nécessaire dans l’évaluation des ressources

minérales.
 Attrait à la loi normale; critère de normalité
 histogramme des fréquences: allure , cloche?
 Tests d’adéquation: chi-deux, signes,…
 Droite de Henry: courbe de probabilité des
fréquences cumulées, vérifier que la courbe
approche une droite (loi normale)

FACULTE POLYTECHNIQUE DE LUBUMBASHI

PKN
Méga- N Min Max Moyenne Variance Kurtosis Coef. Skewness
fragment variation

Ruashi I 1437 0.07 12.00 3.21 6.19 3.43 0.78 0.98

Ruashi II 374 0.05 12.82 3.81 8.54 3.48 0.77 1.07

Ruashi III 862 0.04 22.80 3.49 11.23 4.95 0.96 1.36

FACULTE POLYTECHNIQUE DE LUBUMBASHI

PKN
FACULTE POLYTECHNIQUE DE LUBUMBASHI
BNB
SUPPORT ET ADDITIVITE DANS
L’ESPACE

FACULTE POLYTECHNIQUE DE LUBUMBASHI

FACULTE POLYTECHNIQUE DE LUBUMBASHI
FACULTE POLYTECHNIQUE DE LUBUMBASHI
 COMPOSITION DES TENEURS

• Compositing: technique par laquelle les données

réparties sur des intervalles différents sont combinées
en vue de former les poids moyens ou les teneurs
composites représentant différents intervalles de
longueur Stérile

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

 En pratique, on tient compte non seulement des

valeurs des teneurs du champ source, mais aussi des
valeurs explicitement ou implicitement non indiquées
(sur des intervalles où les analyses n’ont rien signalé
ou n’ont pas été faites).
FACULTE POLYTECHNIQUE DE LUBUMBASHI
BNB
FACULTE POLYTECHNIQUE DE LUBUMBASHI
BNB
FACULTE POLYTECHNIQUE DE LUBUMBASHI
BNB
FACULTE POLYTECHNIQUE DE LUBUMBASHI
BNB
 Méthodes classiques d’évaluation
Méthode des polygones
• Construction des polygones :
• (a) Plan des forages
• (b) Lignes de connection
entre les forages
• (c) Construction des
médiatrices des lignes de
connections
• (d) Construction du
polygone final

FACULTE POLYTECHNIQUE DE LUBUMBASHI

 Réserves du gisement de cuivre Bonanza

Polygon Area Thickness, A x T, Tonnage Factor (AxT)/TF Grade TonxGrade

Sq Ft T, Ft Cu Ft Cu Ft*/Ton Tons Ore %Cu Ton %
D-1 5.320 150 798.0 12.5 63.840 0.71 45.826
D-2 5.300 135 715.5 12.5 57.240 0.86 37.778
D-3 4.400 180 792.0 12.5 63.380 0.82 51.955
D-4 5.520 175 986.0 12.5 77.280 0.75 57.980
D-5 6.800 155 105.4 12.5 84.320 1.00 84.320
D-6 4.960 100 892.8 12.5 71.424 0.97 69.281
D-7 4.520 250 1130.0 12.5 90.400 1.21 109.384
D-8 4.640 240 1113.6 12.5 89.086 1.36 121.159
D-9 5.840 150 876.0 12.5 70.000 0.93 65.174
D-10 4.840 135 653.4 12.5 52.272 0.87 45.476
D-11 3.760 120 451.2 12.5 36.096 0.81 29.237
D-12 4.270 165 637.2 12.5 50.976 0.75 38.232
D-13 4.800 135 848.8 12.5 51.840 0.68 35.251

FACULTE POLYTECHNIQUE DE LUBUMBASHI

 Méthode des triangles
Plan de forage du gisement de cuivre d’Ojala

FACULTE POLYTECHNIQUE DE LUBUMBASHI

 Données du gisement de cuivre d’Ojala
Drill Hole Thickness Average Grade
N° Ft* % Cu
D-1 50 0.93
D-2 75 0.77
D-3 60 0.82
D-4 100 1.05
D-5 75 0.72
D-6 60 0.49
D-7 105 1.63
D-8 80 0.91
D-9 70 0.86
D-10 75 0.74
Given this data, the tonnage and grade calculation for Triangle T-1 would be as
follows.
Area = 4400 sq ft* (by geometry)
FACULTE POLYTECHNIQUE DE LUBUMBASHI
Average Grade-Thickness for Triangle T-1

Drill Hole Thickness Average Grade GradexThickness

Ft % Cu Ft %

D-1 50 0.93 48.60

D-4 100 1.05 105.00
D-5 75 0.72 54.00

225 205.50

Average grade = 205.50/225 = 0.91% Cu

Tonnage = area x average thickness / tonnage factor

= 4400 x 225/3 x 1/12.5 = 26.400st*

FACULTE POLYTECHNIQUE DE LUBUMBASHI

 Méthode des sections
Sections transversales de la veine cuprifère de Big Rat

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

2. Identifier à partir des forages les intersections de minerai et

dessiner la forme présumée du gisement sur chaque section

3. Estimer la teneur sur la section (e.g. polygonale, i.e. étendre

la teneur de chaque forage à mi-distance du forage voisin)

4. Se donner une règle pour combiner 2 sections consécutives et

ainsi définir un volume minéralisé e.g. Changement brusque,
linéaire, cône tronqué ou obélisque

5. Calculer la teneur moyenne du volume selon la règle choisie

et selon les teneurs sur chaque section
 (Marcotte, 2004)

Ayant la teneur et la surface de chaque section, on peut calculer le

volume compris entre les 2 sections

FACULTE POLYTECHNIQUE DE LUBUMBASHI

3. Méthode des sections (moderne)
Principe : séparer le problème de l’estimation des teneurs de celui de la
définition de la géométrie du gisement
• Conserver l’approche géométrique pour définir l’enveloppe du gisement
en 2D
• Passage section => 3D par «modélisation solide»
• Estimer les teneurs séparément dans un modèle de blocs (e.g. par
krigeage)
• Intersection modèle de blocs et géométrie du gisement =>teneur du solide
Il faut fermer le volume par des sections «de
bout»

(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

FACULTE POLYTECHNIQUE DE LUBUMBASHI

 Méthode des distances inverses
Exemple de calcul pour la pondération par les distances inverses
au carré
n n
Z * V    i Z  xi   i
1
i 1 i 1

d i r
i  n

 i
d r

i 1

FACULTE POLYTECHNIQUE DE LUBUMBASHI

 C’EST LE BREAK

FACULTE POLYTECHNIQUE DE LUBUMBASHI

 Pourquoi la Géostatistique?
• Nécessité de connaître la réalisation d’une
v.a. aux points non échantillonnés

• Peut on mettre à profit les corrélation entre

les observations?

• Quelle relation entre l’échantillon et le bloc à

extraire?

FACULTE POLYTECHNIQUE DE LUBUMBASHI

 VARIOGRAPHIE

B.D.

FACULTE POLYTECHNIQUE DE LUBUMBASHI

BNB
FACULTE POLYTECHNIQUE DE LUBUMBASHI
EFFET D’INFORMATION

FACULTE POLYTECHNIQUE DE LUBUMBASHI

 EFFET DE SUPPORT
 Taille ou volume d’un échantillon ou d’un bloc
 Les teneurs définies sur des petits supports présentent une
dispersion plus grande que celles définies sur des supports
plus grands
 Tout bon estimateur doit prendre en compte la différence de
supports entre échantillons et blocs à estimer.

FACULTE POLYTECHNIQUE DE LUBUMBASHI

BNB
 Qu’est-ce-que la Géostatistique?
Méthode probabiliste pour l’étude des phénomènes
aléatoires dans l’espace et/ou dans le temps.

Géostatistique : seule méthode prenant en compte les

corrélations (spatiales et/ou temporelles) pour
l’interpolation.
- Analyse des données, identification d’un modèle
de structuration spatiale
- Utilisation du modèle pour la simulation et la
prédiction (reconstruction du milieu aléatoire,
analyse probabiliste…)
FACULTE POLYTECHNIQUE DE LUBUMBASHI
BNB
 Qu’est-ce-que la Géostatistique?
 L’analyse permet de mettre en évidence des corrélations
spatiales
 L’objectif de la simulation peut être la reconstruction du milieu
aléatoire (par exemple topographie d’une interface à partir de
sondages, d’un gisement à partir de carottes, d’un champ de
polluants) :
– Prédiction de la valeur d’une variable en un point non mesuré :
interpolations.
– Quantification de l’incertitude des prédictions.
– Optimisation d’un réseau de mesures (réduisant l’incertitude)
 Il se peut que l’on cherche aussi à reconstruire le milieu pour
l’utiliser dans d’autres simulations (par exemple analyse de la
stabilité d’un ouvrage, simulation d’une propagation de
fissure…)
FACULTE POLYTECHNIQUE DE LUBUMBASHI
BNB
 L’outil de base : le variogramme
 STATIONNARITE: Une variable est dite
stationnaire si sa distribution est invariante par
translation (et ses moments également)
Stationnarité d’ordre 2:
 La moyenne est constante dans le domaine:
E[Z(x)]=m(x)=m
 La covariance entre deux points ne dépend que du
vecteur h qui les sépare et est indépendante de x:
E[Z(x).Z(x+h)]-m²=cov(x,x+h)=C(h)
Si h=0, C(0)=

FACULTE POLYTECHNIQUE DE LUBUMBASHI

 L’outil de base : le variogramme
 Hypothèse intrinsèque: on suppose que seuls les
accroissements sont stationnaires:
 E[Z(x+h)-Z(x)]=0
 Var[(Z(x+h)-Z(x))²]-2γ(h)=0 où γ(h) est le semi-
variogramme donc:
γ(h)=1/2 E[(Z(x+h)-Z(x))²]

FACULTE POLYTECHNIQUE DE LUBUMBASHI

Excavation

Extension

FACULTE POLYTECHNIQUE DE LUBUMBASHI

BNB
FACULTE POLYTECHNIQUE DE LUBUMBASHI
BNB
FACULTE POLYTECHNIQUE DE LUBUMBASHI
BNB
FACULTE POLYTECHNIQUE DE LUBUMBASHI
BNB
FACULTE POLYTECHNIQUE DE LUBUMBASHI
BNB
FACULTE POLYTECHNIQUE DE LUBUMBASHI
BNB
On ne peut pas se servir du variogramme expérimental pour l’interpolation :
utilisation de modèles mathématiques de variogrammes répondant à certains Critères.
FACULTE POLYTECHNIQUE DE LUBUMBASHI
FACULTE POLYTECHNIQUE DE LUBUMBASHI
STRUCTURES EMBOITEES

FACULTE POLYTECHNIQUE DE LUBUMBASHI

 STRUCTURES EMBOITEES
• Plusieurs couches géologiques affleurent, au sein de chaque
couche, pour des distances faibles, il existe une certaine
variabilité c1 avec une portée a1,

• Pour des distances plus fortes, lorsque l’on considère des

couples de points éloignés, dont l’un est dans une couche et
le second dans une autre couche, la variabilité augmente
fortement jusqu’à un second pallier c2 supérieur au premier,
et pour une portée a2 supérieure à a1.

• Il en résulte un variogramme avec un ou plusieurs paliers

correspondant aux différents niveaux de structures
emboîtées.
FACULTE POLYTECHNIQUE DE LUBUMBASHI
Méthodes géostatistiques d’estimation et
de simulation

FACULTE POLYTECHNIQUE DE LUBUMBASHI

BNB
 Krigeage: définition
 Kriger: consiste à rechercher la meilleure estimation
linéaire (càd de variance minimum) de valeurs ponctuelles
d’une variable régionalisée ou de la moyenne d’une Rév
dans un bloc.

 Krigeage simple (SK): hypothèse stationnaire, moyenne

connue

 Krigeage Ordinaire (OK): hypothèse stationnaire ou

intrinsèque, moyenne inconnue

FACULTE POLYTECHNIQUE DE LUBUMBASHI

 Krigeage de la moyenne (KM): hypothèse
stationnaire, recherche de la moyenne

Krigeage universel: pour l’estimation des

variables non stationnaires (contient une
dérive)

FACULTE POLYTECHNIQUE DE LUBUMBASHI

KRIGEAGE ORDINAIRE PAR BLOC
Soit Z(x) une F.A. stationnaire intrinsèque de moyenne
inconnue et dont le variogramme est gamma(h)
 l’estimateur est donné par:
N
Z*v =  λi Z( x i )
i=1

Pour trouver les poids, on minimise la variance

d’estimation :
 e2  Var[ Z v  Z v* ]  Var[ Z v ]  Var[ Z v* ]  2Cov[ Z v , Z v* ]
n n n
 Var[ Z v ]   i  j Cov[ Z i , Z j ]  2 iCov[ Z v , Z i ]
i 1 j 1 i 1
n
 Pour que l'estimateur soit sans biais, il faut que 
i 1
i 1
FACULTE POLYTECHNIQUE DE LUBUMBASHI
 Minimisation d’une fonction quadratique sous
contrainte d’égalité (méthode de Lagrange).
 N

L( λ ) = σ + 2μ   λi -1
2

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

La variance d'estimation minimale (variance de

krigeage) 2 n
 k   i (v, xi )   (v, v)  
i 1
FACULTE POLYTECHNIQUE DE LUBUMBASHI
 Sous forme matricielle:

K.λ = D λ =  K  D

-1

FACULTE POLYTECHNIQUE DE LUBUMBASHI

CHANGEMENT DE SUPPORT ET VARIANCE

FACULTE POLYTECHNIQUE DE LUBUMBASHI

FACULTE POLYTECHNIQUE DE LUBUMBASHI
FACULTE POLYTECHNIQUE DE LUBUMBASHI
FACULTE POLYTECHNIQUE DE LUBUMBASHI
FACULTE POLYTECHNIQUE DE LUBUMBASHI
 Les propriétés du krigeage
• Le Krigeage est un interpolateur exact :
Le résultat de l’estimation passe par les points de mesure.
L’interpolation réalisée en masquant une valeur connue permet de
développer l’idée de x-validation (cross-validation).

• 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).

FACULTE POLYTECHNIQUE DE LUBUMBASHI

• Le Krigeage produit un lissage
Les valeurs estimées ont une variance plus faible que les valeurs
vraies. Néanmoins, le krigeage est capable de fournir une valeur
estimée qui sorte de l’intervalle [min,max] des valeurs mesurées.

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

FACULTE POLYTECHNIQUE DE LUBUMBASHI

BNB