Resumen
Este documento ofrece una guía completa sobre la estimación de recursos en minería, utilizando el software Studio 3 de Datamine. El enfoque principal es la geoestadística, una rama de la estadística aplicada al análisis de datos geológicos.
Objetivos y Conceptos Claves
- Maximizar el recurso de un yacimiento mediante la interpretación estadística y geoestadística de la base de datos.
- Generar un modelo de bloques que integre información geológica, estructural y de leyes para el cálculo de reservas y la planificación minera.
- Preparación y validación de datos, incluyendo la estadística exploratoria y el modelamiento de variogramas.
Modelado Avanzado de Bloques
- Definición del modelo de bloques: Se establece un volumen cuboide con una grilla local que contendrá la información del yacimiento.
- Origen del modelo: Se define en la esquina inferior izquierda de la celda en la esquina suroeste del modelo.
- Modelamiento estructural: Se utilizan wireframes de fallas para representar las estructuras geológicas del yacimiento.
- Manipulación del modelo: Se utiliza el proceso PROMOD para corregir errores en el modelo, como celdas traslapadas o subceldas que se extienden fuera de su celda madre.
Principios Estadísticos y Geoestadísticos
- Importancia de la representatividad de la muestra: Se debe asegurar que la muestra sea representativa del área o población a estudiar, considerando posibles sesgos espaciales.
- Manejo del muestreo preferencial: Se pueden aplicar técnicas de corrección, como la retención de datos regularmente espaciados.
- Determinación del tamaño óptimo de celda: Se basa en el espaciamiento medio entre las muestras, buscando la media desagrupada mínima.
- Teoría de las variables regionalizadas: Se utiliza para expresar las características estructurales de una variable y resolver el problema de la estimación a partir de un conjunto de muestras.
Análisis Estadístico Exploratorio
- Creación de leyendas: Se utiliza el campo ANOM para clasificar las muestras en diferentes zonas.
- Aplicación de leyendas al archivo de muestras: Se utiliza el diálogo Format Display para visualizar las diferentes zonas con colores distintivos.
- Separación de muestras por zona: Se utiliza el proceso Copy with Filtering (PICREC) para crear archivos separados para cada zona.
- Declustering: Se utiliza el proceso DECLUST para determinar el tamaño de grilla óptimo para la estimación.
- Estadísticas bivariadas: Se utiliza el proceso CORREL para calcular la correlación entre diferentes variables, como el oro (AU) y el cobre (CU).
Modelamiento de Variogramas
- Cálculo de variogramas experimentales: Se utiliza el proceso VGRAM para analizar la variabilidad espacial de la mineralización.
- Ajuste de modelos de variogramas: Se utiliza el proceso VARMOD para ajustar modelos teóricos a los variogramas experimentales.
- Definición de modelos anisótropos: Se pueden ajustar modelos que consideran la variabilidad espacial en diferentes direcciones.
- Selección del modelo de variograma más representativo: Se consideran factores como el número de pares utilizados, la altura de la meseta y la anisotropía.
Estimación Avanzada de Leyes
- Objetivos: Maximizar el recurso del modelo de bloques con leyes estimadas utilizando técnicas geoestadísticas (kriging) y/o no geoestadísticas (métodos de distancia inversa).
- Validación cruzada: Se utiliza el proceso XVALID para evaluar la calidad del modelo de variograma y los parámetros de estimación.
- Visualización del volumen de búsqueda: Se utiliza el proceso ELLIPSE para representar el volumen de búsqueda en 3D.
- Estimación de leyes múltiples con control zonal: Se pueden definir diferentes parámetros de estimación para diferentes zonas del yacimiento.
- Comparación de resultados de diferentes métodos de estimación: Se pueden utilizar herramientas como gráficos Q-Q y el cálculo de diferencias entre modelos para comparar los resultados de kriging y métodos de distancia inversa.
- Estimación de indicadores: Se utiliza para generar modelos de probabilidad de ocurrencia de diferentes leyes de corte.
Visualización y Evaluación de Resultados
- Creación de leyendas de evaluación: Se definen rangos de leyes y se les asignan colores para visualizar la distribución de leyes en el modelo de bloques.
- Evaluación de secciones: Se utiliza el proceso evsect para calcular el tonelaje y la ley promedio de las secciones del modelo.
- Evaluación de wireframes: Se utiliza el proceso evw para calcular el tonelaje y la ley promedio de un volumen definido por un wireframe.
Contenido
- Objetivos
- Modelamiento Avanzado de Bloques
- Conceptos
- Manipulación de Modelos
- Principios
- Estadística y Geoestadística
- Introducción a los Histogramas
- Representatividad de la Muestra
- Teoría de las Variables Regionalizadas
- Modelamiento de Variogramas
- Estimación Avanzada de Leyes
- Validación Cruzada
- Visualización y Evaluación de Resultados
- Anexo 1: Estructura del Archivo Datamine
- Anexo 3: Nombres de los Archivos Standard
Autor y Fecha de Publicación
No se proporciona información sobre el autor o la fecha de publicación en el documento.
Link de descarga: Aquí
