Simulación Geoestadística, Kriging, Modelo Gaussiano, Variograma, Incertidumbre, Minería, Recursos y Reservas, GSLIB, Análisis de Riesgo
Este documento te sumerge en el fascinante mundo de la simulación geoestadística, una herramienta esencial para la toma de decisiones en minería. Aprenderás cómo ir más allá del kriging, que solo ofrece valores promedio, y construir mapas que reproducen la variabilidad real de la variable de interés (leyes, por ejemplo) para evaluar diferentes escenarios posibles.
¿Por qué la simulación es crucial?
- El kriging suaviza la realidad, no predice valores extremos y puede dar una falsa impresión de la mineralización.
- La simulación, en cambio, permite cuantificar la incertidumbre, analizar escenarios optimistas y pesimistas, y tomar decisiones más informadas.
¡Descubre el poder del modelo Gaussiano!
Se explica el modelo de funciones aleatorias Gaussianas y su aplicación para simular leyes. Este modelo permite:
- Caracterizar la distribución espacial mediante la covarianza (o el variograma).
- Realizar análisis de riesgo, categorización de recursos y reservas, diseño de rajo óptimo, etc.
¡Paso a paso hacia la simulación Gaussiana secuencial!
Se detalla el proceso de simulación Gaussiana secuencial, incluyendo:
- Desagrupamiento de datos para obtener un histograma representativo.
- Transformación de los datos a valores Gaussianos N(0,1).
- Análisis variográfico de los datos Gaussianos.
- Simulación secuencial con kriging simple y generación de valores Gaussianos.
- Transformación inversa para obtener los valores simulados de la variable original.
- Procesamiento de las realizaciones para evaluar la incertidumbre y tomar decisiones.
Más allá de lo básico: ¡Simulación por bandas rotantes!
Se introduce la técnica de simulación por bandas rotantes, que genera un modelo multidimensional a partir de simulaciones unidimensionales, y se explica su teoría, algoritmo e implementación.
Condicionamiento de las simulaciones para mayor precisión
Se abordan los métodos para condicionar las simulaciones, incluyendo el método secuencial y el de descomposición matricial, para que los valores simulados coincidan con los datos en los sitios de muestreo.
¡Lleva la simulación a la práctica con GSLIB!
Se incluyen ejemplos de aplicaciones de la simulación, incluyendo:
- Determinación de la incertidumbre en la ley media esperada por año.
- Análisis de discrepancias entre mina y planta.
- Optimización de caserones y categorización de recursos y reservas.
Finalmente, se presenta un ejercicio práctico con GSLIB para aplicar los conceptos aprendidos.
Contenido:
- Motivación para la Simulación Geoestadística: limitaciones del kriging, necesidad de cuantificar la incertidumbre.
- Simulación vs. Estimación: objetivos, diferencias, aplicaciones.
- Modelo Gaussiano para Simular Leyes: principios, ventajas, aplicaciones.
- Simulación Gaussiana Secuencial: procedimiento paso a paso, detalles de implementación.
- Simulación por Bandas Rotantes: principio, teoría, algoritmo, ejemplos.
- Condicionamiento de Simulaciones: métodos, aplicaciones.
- Ejemplos de Aplicaciones de la Simulación: análisis de incertidumbre, control de leyes, reconciliación mina-planta.
- Simulación Multivariable: introducción, variogramas cruzados, modelo lineal de corregionalización, cokriging, cosimulación.
- Aplicación con GSLIB: funciones, ejercicio práctico, validación.
Autor:
Dr. Julián M. Ortiz
Fecha de Publicación:
Universidad de Chile
Link de descarga: Aquí
