CONTRIBUCION DE LA SIMULACION GEOESTADISTICA PARA EL

TRATAMIENTO DE INCERTIDUMBRES EN PROYECTOS MINEROS

RESUMEN: reveladas de la información disponible a través del cálculo de los

semivariogramas experimentales y el ajuste de modelos teóricos. La
simulación no debe ser considerada superior a la estimación, sino
El presente estudio se debió a la inquietud de un importante Consorcio
como una alternativa en el grado de descripción que se desee realizar.
Cementero en Bolivia, la localización, el modelamiento y cuantificación de
Los objetivos de estos procedimientos son diferentes, pero en muchos
materia prima para la fabricación de Cal en la ciudad de Oruro.
casos el análisis de sus resultados paralelamente puede ayudar a
El estudio de los yacimientos de caliza, se ha circunscrito al Sector del
enriquecer la caracterización que se desarrolla en el estudio de
Sayari, zona conocida como Faja III, zona Sayari Norte y Central, ubicado
variables regionalizadas.
en el departamento de Cochabamba frontera con el departamento de
Oruro, el ingreso al depósito es camino carretero asfaltado entre Oruro a
la ciudad de Cochabamba, sobre el kilómetro 120 se desvía 9 kilómetros
en dirección al Norte - Oeste.

INTRODUCCION:

La simulación condicional de leyes (o en general simulación de una

variable regionalizada) es en la actualidad una herramienta importante en
las aplicaciones prácticas de la geoestadística. Sin embargo la creación
de esta teoría, su formulismo y su implementación práctica se remontan a
principios de la década de los 70, principalmente en el Centro de
Geoestadística de Fontainebleau, Centro de Investigación de la Escuela
Nacional Superior de Minas de París, dirigido en ese entonces por el
geomatemático francés Dr. Georges Matheron (1930-2000).
1. MARCO TEORICO:
1.1 ELEMENTOS DE APLICACIÓN DE LA GEOESTADISTICA
OBJETIVOS DE REALIZAR UNA SIMULACION
CONDICIONAL
Los objetivos de usar simulaciones condicionales siempre están
relacionados con la característica fundamental de las
simulaciones que es reproducir la variabilidad espacial real de la
variable regionalizada. Entre los propósitos que enumeramos a
continuación, se pueden tener combinaciones de ellos. Hay que
experimentar con los modelos numéricos proporcionados por las
simulaciones condicionales para ayudar a la solución de
problemas mineros prácticos. La lista siguiente dista mucho de ser
exhaustiva:

La Geoestadística permite obtener la mejor estimación posible a
partir de la información disponible, teniendo en cuenta las
características estructurales del parámetro de estudio (Christensen,
1993; Chauvet, 1994: Armstrong, 1994; de Fouquet, 1996; Christakos
y Raghu, 1996; Armstrong y Roth, 1997). Esta se basa en la teoría de
la variable regionalizada (Matheron,1970), se describe y aplica en
diferentes trabajos entre los que se pueden mencionar a modo de
ejemplo (Journel y Huijbregts, 1978; Pawlowsky et al.,1995; Curran y
Atkinson, 1998; Isaaks & Co., 1999; Isaaks y Srivastava, 1999) entre
otros. En la aplicación de estos métodos se transita por cuatro etapas
fundamentales, cuyos elementos fundamentales se pueden apreciar
en la figura 4, los cuales se aplican de acuerdo al problema particular
a resolver. En los cuatro epígrafes siguientes se hace una breve
descripción de cada una de estas etapas
• Optimizar planes de reconocimiento en exploraciones mineras.
Definir mallas de sondajes óptimas.
• Contribuir a la enseñanza de la geología y minería. Se puede
construir un depósito ficticio en el cual se pueden diseñar
diferentes campañas de reconocimiento, simular agrupaciones de
datos en zonas de alta ley, hacer la variografía, diseñar un modelo
de bloques, krigearlo y comparar los resultados con la realidad
conocida. Estudio de sesgos. Estudio de la influencia del efecto de
pepita debido a errores de muestreo, etc. La figura 15 muestra un
depósito de este tipo (ver M. Alfaro y Ch. Huijbregts, 1974):

CONOCIMIENTO DEL PROBLEMA:

El control integral de los datos, su verificación, corrección de errores
numéricos y el estudio de la geología del yacimiento para tener
conocimiento del modelo geológico son los elementos fundamentales
que se tienen en cuenta antes de comenzar un estudio geoestadístico Estudiar diferentes métodos de estimación de recursos, por
(Armstrong y Carignan, 1997). Esta etapa incluye varios ejemplo, comparar las estimaciones del inverso de la distancia
(para diferentes exponentes), krigeado simple, ordinario,
1.2 SIMULACION GEOESTADISTICA: disyuntivo, de indicadores..., con la realidad conocida.
En la caracterización de yacimientos la estimación propuesta por la • Estudiar la dilución y la selectividad de un modelo de bloques.
geoestadística ha tenido un amplio uso a través del procedimiento del Elegir un tamaño de bloque
kriging. Este método, de acuerdo a las condiciones con que es
obtenido, así como la amplia gama de interpoladores conocidos,
muestran una imagen suave de la realidad que se estudia, sin tener
en cuenta las fluctuaciones que se presentan en la práctica. Una
alternativa para esta situación es simular el comportamiento de las
variables analizadas10.

Considerando las variables como funciones aleatorias, se puede

obtener una de las posibles realizaciones del fenómeno con las
mismas características de variabilidad y correlación espacial de los
datos originales y por tanto de la realidad, características que son
Página 1|3
 I SIMPOSIO DE MECANICA DE ROCAS, GEOESTADISTICA Y PLANIFICACION MINERA
“COMPARACION ENTRE DIFERENTES METODOS DE ESTIMACION DE RESERVAS: INVERSO A LA DISTANCIA Y KRIGGING”
• Estudiar el problema de la reproducción de un modelo de
variograma en las simulaciones geoestadísticas. Cuáles son las
condiciones que permiten que se reproduzca un cierto modelo? •
Ayudar en la definición de las reservas recuperables (ver por
ejemplo A. Journel y C. Kyriakidis, 2004).
• Calcular la variabilidad del tonelaje de mineral (y de la ley media)
sobre una ley de corte. Si se utiliza el krigeado, se obtienen
sesgos.
• Comprobar que la “regla de oro” de la geoestadística funciona.
La regla de oro de la geoestadística dice: al menos un compósito
dentro de cada bloque. (por ejemplo, si la malla cuadrada es de
100x100m2 , el bloque debe ser de 50x50m2
• Contribuir al estudio de la categorización de los recursos
mineros. Dar un sentido más preciso, respecto de la variabilidad
de las leyes, a las zonas medidas, indicadas e inferidas.
• Estudiar el riesgo financiero de un proyecto minero, utilizando la
variabilidad de las leyes y de los tonelajes. En la actualidad, en
algunas empresas mineras todos los proyectos deben ser
acompañados de un análisis de riesgo económico, el cual debe
considerar la incertidumbre de leyes y de tonelajes.
• Determinar el error de estimación de planes trimestrales,
semestrales y anuales. Estos errores son solicitados a menudo
por los bancos. • Basándose en las leyes simuladas del modelo de
bloques, estudiar las fluctuaciones de las leyes a la entrada de la
planta. Si se utiliza el krigeado, se tendrá una imagen alisada la
cual tiene una variabilidad muy inferior a la variabilidad de un
cortador de muestras a la entrada de la planta (ver figuras 17 y
18).
1.2.1. METODOS DE SIMULACION GEOESTADISTICA:
La siguiente discusión de métodos para simulación considera solo el
caso en el cual se pretende crear una realización del fenómeno
estudiado que además de proveer nuevos valores estimados,
reproduzca exactamente los datos proporcionados. A este tipo de
simulación se le conoce como simulación condicional. Usualmente, en
la práctica, se está interesado en este tipo de simulación.
Los métodos de simulación geoestadística se agrupan en aquellos
cuyo resultado en el primer paso es un resultado condicionado y
aquellos que primero producen un resultado no condicionado y en un
paso posterior condicionan la simulación a los datos proporcionados.
Al primer grupo pertenecen los llamados métodos secuenciales.
2
1.2.1.1. METODOS SECUENCIALES:
En la simulación secuencial, un valor simulado en cada ubicación u es
tomado de una distribución de probabilidad la cual es calculada a
partir de los datos suministrados y de 40 valores previamente
simulados que se hallan en la vecindad de u. El algoritmo se inicia con
la selección aleatoria de un punto u y se avanza secuencialmente a
través de la malla en que se ha divido el área bajo estudio.
El orden de la secuencia en la cual se recorre la malla es aleatorio.
Para cada punto u de la malla se buscan puntos en una región de
vecindad definida por el modelo de continuidad espacial. Estos puntos
pueden incluir tanto datos previamente simulados como los
suministrados inicialmente. Hecho esto, una distribución de
probabilidad es calculada a partir de tales puntos. La forma de cálculo
de esta distribución de probabilidad es la que da origen a diversos
tipos de simulación secuencial. Dos de ellos son simulación gaussiana
secuencial y simulación de indicador secuencial.
1.2.1.2. SIMULACION GAUSSINA SECUENCIAL
Este método utiliza la técnica kriging ordinario aplicado a los datos
iniciales después de trasformarlos a un espacio normal. Este tipo de
simulación requiere un solo modelo de semivariograma pero basado
en los datos transformados. Cuando la simulación se ha realizado, los
resultados son transformados nuevamente al espacio original.
Ambos tipos de simulación requieren algunas decisiones respecto a
las colas de las distribuciones. Debido a que el número de nodos es
mucho mayor que los datos originalmente suministrados, estos no son
suficientes para deducir un comportamiento acertado de esta parte de
la distribución. En muchas aplicaciones de la ingeniería de petróleos,
las distribuciones son de larga cola pero definida por muy pocos
valores. Como resultado de esto, la distribución de probabilidad es
vagamente conocida en su cola por lo cual debe introducirse cierta
información ganada de la experiencia o de las condiciones que rodean
a la consecución de los datos.
Sin importar el método escogido para calcular la función de
probabilidad, la forma, la media y la varianza de la distribución
dependerán del modelo de continuidad adoptado, la localización de
los puntos vecinos y los valores de la variable en estos puntos. Una
vez determinada la función de probabilidad, el valor estimado será
tomado de esta 41 distribución a través de simulación montecarlo11.
El rango de datos que puedan ser seleccionados será amplio en áreas
de bajo control de pozo mientras que el rango será estrecho en las
zonas de buen control. Los resultados de repetidas simulaciones de
un área diferirán más, una de otra, en aquellas zonas donde se
presenta bajo control.
2. PLANTEMIENTO DEL PROBLEMA
DEPOSITO DE HIERRO – BRASIL
Se hicieron campañas de perforación ubicadas en una malla regular
para poder encontrar las leyes del yacimiento, este yacimiento es de
fierro
 I SIMPOSIO DE MECANICA DE ROCAS, GEOESTADISTICA Y PLANIFICACION MINERA
“COMPARACION ENTRE DIFERENTES METODOS DE ESTIMACION DE RESERVAS: INVERSO A LA DISTANCIA Y KRIGGING”

• Hay varios centros de investigación que ha sido desarrollar y

3. DESARROLLO DEL PROBLEMA probar algoritmos con el fin de mejorarlas para conseguir
modelos para caracterizar la incertidumbre
Se hizo el análisis variografico experimental y teorico aproximando las
muestras a modelos esféricos y lineales en base a diferentes
distancias observando que existe anisotropía en diecciones diferentes

También como estimador se eligio el método del krigging que dio el

mapa variografico de la distribución de las leyes y valores estadísticos
como media, desviación, etc

4. RESULTADOS

SIMULACION CONDICIONAL:
Luego del modelado de los variogramas teóricos, se decidio simular el
variogram esférico entregándonos rangos de máximos y minimos valores
simulados. Teniendo un parámetro que ayudaría a reducir las
incertidumbres .

También se pueden observas en histogrmas:

CONCLUSIONES :

• Como se puede ver alguna vez la necesidad de modelos de

recursos geológicos y reservas minerales cuantificar esta
incertidumbre
• Ya hay metodologías de simulación, pero todavía muestran
algunas deficiencias como el consumo de tiempo, y los
resultados no representativos