7.

CURVAS TONELAJE-LEY DE CORTE, LEY MEDIA-LEY

DE CORTE Y CANTIDAD DE METAL- LEY DE CORTE
WORK FLOW MINERO
ANLISIS DE
DATOS

ESTIMACIN O
SIMULACIN
DE RECURSOS

DISEO Y
PLAN MINERO

ESTIMACIN
DE RESERVAS

INVERSIN

8. SIMULACIN CONDICIONAL
8.1 INTRODUCCIN
La simulacin nos puede conducir al descubrimiento de nuevas leyes acerca del
fenmeno real.
La simulacin condicional es un modelo matemtico probabilstico que permite
obtener realizaciones numricas condicionales a la informacin real disponible,
realizaciones que reproducen el histograma y variograma observado.

8.2 SIMULACIN CONDICIONAL CON BANDAS

ROTANTES
METODOLOGA
El algoritmo consiste en transformar los datos originales a una distribucin
normal estndar N(0,1), es decir se trabaja en un espacio gaussiano.
Se construyen los variogramas promedio en las direcciones representativas.

VARIOGRAMAS EN LAS DIRECCIONES REPRESENTATIVAS

ALGUNOS MODELOS DE VARIOGRAMAS

a) Efecto de Pepita Puro

b) Modelo Esfrico o de Mathern

(h)

c) Modelo de Formery o Exponencial

d) Modelo con efecto HOLE

ALGUNOS MODELOS DE VARIOGRAMAS

e) Modelo Gaussiano

Es de notar que estos modelos y sus combinaciones no

son necesariamente los nicos.

8.2 SIMULACIN CONDICIONAL CON BANDAS

ROTANTES
Sean rectas uniformemente distribuidas del espacio donde n podra ser
120, cada recta es definida por un vector unitario . Se genera en cada recta , una
realizacin de una funcin aleatoria en con una covarianza impuesta.
Luego a cada centroide de los bloques unitarios, del modelo de bloques del
yacimiento:

8.2 SIMULACIN CONDICIONAL CON BANDAS

ROTANTES
.

Le hacemos corresponder a cada punto x del centro de un bloque unitario, el valor

simulado en

Donde

es el producto escalar entre el vector x, y el vector unitario

8.2 SIMULACIN CONDICIONAL CON BANDAS

ROTANTES

8.2 SIMULACIN CONDICIONAL CON BANDAS

ROTANTES

8.2 SIMULACIN CONDICIONAL CON BANDAS

ROTANTES

8.2 SIMULACIN CONDICIONAL CON BANDAS

ROTANTES

8.3 SIMULACIN SECUENCIAL GAUSSIANA

METODOLOGA
Se transforman los datos a valores normales
Se calculan los variogramas experimentales en todas las direcciones

VARIOGRAMAS EN LAS DIRECCIONES

REPRESENTATIVAS

Se modelan los variogramas experimentales

a1

a3

a2

8.3 SIMULACIN SECUENCIAL GAUSSIANA

Teniendo en cuenta la hiptesis Multi Gaussiana, la
media y la varianza son inferidas a partir de los valores
normales, que estn dentro de la vecindad del punto X, Y, Z a
ser inferido, a partir del cual se obtiene una distribucin local.
Con esta distribucin local se genera un valor simulado,
empleando el mtodo de J. Von Newmann o sea el Mtodo
de Montecarlo.
Se hace un recorrido aleatorio de los nodos a simular, luego
se realiza la simulacin secuencialmente, es decir se va
generando un valor simulado en cada nodo, el cual participa
en la inferencia de la prxima distribucin local.

8.3 SIMULACIN SECUENCIAL GAUSSIANA

DISTRIBUCIN DE INCERTIDUMBRE DE CADA BLOQUE

MTODO DE MONTECARLO
Aplicado a la distribucin de incertidumbre de cada bloque obtenido a
partir de los datos reales y simulados previamente.

RELACION ENTRE UN YACIMIENTO ESTIMADO Y UN SIMULADO

CONDICIONALMENTE

RELACION ENTRE UN YACIMIENTO ESTIMADO Y UN SIMULADO

CONDICIONALMENTE

9. CONCLUSIONES
Como modelo computacional laboratorio, para experimentacin y enseanza
en ciencias e ingeniera minera, geolgica, geofsica, petrleo, metalrgica,
medio ambiente, civil, pesquera, etc.
Especficamente en minera y geologa tenemos:
Diseo de mallas de exploracin.
Estimar aplicando los Kriging de Matheron o por las tcnicas de
Simulacin Condicional las variables regionalizadas, como las leyes de
mineral, entre otros, para luego comparar con la ley de explotacin, es
decir para realizar la conciliacin de los recursos inferidos.
Categorizar los recursos mineros en medido, indicado e inferido.
Calcular el error de estimacin en el planeamiento de minado a corto,
mediano y largo plazo.
Cuantificar la fluctuacin de la ley del mineral a la entrada de la planta
de tratamiento.

9. CONCLUSIONES

Elegir el tamao unitario de los bloques de reserva minable.

Apoyo al estudio de riesgo econmico de los proyectos mineros,
cuantificando la variabilidad de la curva tonelaje ley de corte, por
cambios en la ley de corte.
Los bloques simulados permiten calcular en forma probabilstica el
valor presente neto y los ndices econmicos de un proyecto minero.
Entre otras aplicaciones.
CENTRO GEOESTADSTICO PERUANO

10. REFERENCIAS
- Matheron G. (1962, 1963) - Trait de Gostatistique Applique.
Ed. Technip, Paris VOL. 1; VOL. 2.
- Guibal D. (1972) - Simulation de Schmas Intrinsques. N-291
E.N.S.M.P.
- Journel A. (1977) - Gostatistique Miniere, tomo 1 y 2. E.N.S.M.P
- Marchal A., Deraisme J., Journel A., Matheron G. (1978) - Cours
de Gostatistique non Linaire. C-74 E.N.S.M.P.
- Marchal A. et al., (1972 - 73) Boletines de Geoestadstica del
Centro de Geoestadstica del Departamento de Minas de la Facultad
de Ciencias Fsicas y Matemticas de la Universidad de Chile.

10.REFERENCIAS
- Marn Surez A. (1978) - Mthodologie de L'estimation et Simulation
Multivariable des Grands Gisements Tridimensionnels. Thse
prsente I'cole Nationale Suprieure des Mines de Paris
Para obtener el grado de:
Docteur Ingnieur en Sciences et Techniques Minires - Option
Gostatistique

- Marn Surez A. (1986) - Modelo Geoestadstico de Filones de

Almadn. Ed. Minas de Almadn S.A., Almadn (Espaa).
- Remy N., Boucher A., Wu J., Journel A. (2009) - Applied Geostatistics
with SGEMS. Ed. Cambridge University Press

Muchas gracias!

MUCHAS GRACIAS!
CENTRO GEOESTADSTICO PERUANO