Geoestadística, Minería, Evaluación de Recursos, Simulación, Kriging, Incertidumbre, Modelamiento Numérico, Software GSLIB, Análisis de Riesgo.
Este documento ofrece una inmersión profunda en el mundo de la geoestadística aplicada a la minería, presentando conceptos esenciales y técnicas avanzadas para la evaluación de recursos. Desde los fundamentos históricos hasta las aplicaciones prácticas, se explora la importancia de la geoestadística en la toma de decisiones informadas frente a la incertidumbre inherente a los yacimientos mineros.
Se destaca la diferencia crucial entre kriging y simulación. Mientras el kriging ofrece una estimación suavizada de la variable de interés, la simulación genera múltiples escenarios posibles (realizaciones) que reflejan la variabilidad espacial real, permitiendo un análisis más completo de la incertidumbre.
Se explican detalladamente conceptos clave, como la variable regionalizada, el soporte, la continuidad, la dilución, la categorización de recursos y reservas, entre otros. Además, se introduce al lector al software GSLIB, una herramienta fundamental para la aplicación práctica de la geoestadística.
Se presentan ejemplos concretos de aplicaciones en diferentes etapas del ciclo de vida de un yacimiento, desde la exploración hasta la producción. Se ilustra cómo la simulación geoestadística puede ser utilizada para calcular reservas recuperables, evaluar riesgos, diseñar mallas de muestreo y optimizar la planificación minera.
Contenido:
- Introducción a la Geoestadística:
- Objetivos del curso: Familiarizar al lector con los conceptos geoestadísticos y sus aplicaciones en la minería.
- Perspectiva histórica: Desde la teoría de la probabilidad hasta el desarrollo de la geoestadística moderna.
- Generalidades: Definición, aplicaciones, importancia en la toma de decisiones y ejemplos de códigos internacionales para la categorización de recursos y reservas.
- Conceptos Básicos:
- Modelamiento numérico: Manejando la incertidumbre a través de la representación numérica del yacimiento.
- Incertidumbre: Reconociendo la incertidumbre inherente a la información limitada y la importancia de cuantificarla.
- Suavizamiento: Limitaciones del kriging y la necesidad de técnicas que capturen la variabilidad real.
- Fenómeno regionalizado y variable regionalizada: Definiendo los objetos de estudio de la geoestadística.
- Soporte: Importancia del volumen en el cual se mide la variable y el efecto de soporte en la selectividad.
- Compósitos: Estandarizando el soporte de las muestras para un análisis estadístico consistente.
- Población y muestra: Diferenciando entre la población completa y la muestra utilizada para la estimación.
- Ley de corte o umbral: Clasificando el material según un valor de corte predefinido.
- Continuidad: Analizando la distribución espacial de la variable regionalizada.
- Recurso geológico y reserva minera: Definiendo los conceptos clave en la evaluación de recursos.
- Unidad selectiva de explotación: Considerando el volumen mínimo para la selección del mineral.
- Dilución: Reconociendo la mezcla inevitable de mineral y estéril.
- Construcción de un Modelo Numérico:
- Pasos para la construcción de un modelo: Desde la definición del tamaño de celda hasta la verificación del modelo.
- Software Geoestadístico:
- U-Mine: Software desarrollado en la Universidad de Chile.
- GSLIB: Librería de software geoestadístico de código abierto.
- Introducción a GSLIB: Descripción de las funcionalidades, tipos de archivos y formatos.
- Panorama del Proceso de Evaluación de Recursos:
- Historia de la geoestadística: Desde las primeras aplicaciones de kriging hasta la introducción de la simulación.
- Regresión: Estimando una variable a partir de otra con la que está correlacionada.
- Regresión lineal: Encontrando la línea que minimiza la suma de los errores al cuadrado.
- Regresión normal: Cuando las variables tienen una distribución normal.
- Regresión lognormal: Cuando las variables tienen una distribución lognormal.
- Sesgo condicional: Problemas que surgen al ajustar el número de datos en el kriging.
- Problemas del Kriging y Soluciones con Simulación:
- Suavizamiento del kriging: Subestimación de valores extremos y sobreestimación de recursos recuperables.
- Simulación para una mejor evaluación: Generando múltiples escenarios para cuantificar la incertidumbre y analizar la variabilidad.
Autor:
Dr. Julián M. Ortiz
Fecha de Publicación:
Universidad de Chile
Link de descarga: Aquí
