UNIVERSIDAD NACIONAL DE SAN AGUSTÍN
FACULTAD DE GEOLOGÍA, GEOFÍSICA Y MINAS
ESCUELA DE POSGRADO
MAESTRÍA EN CIENCIAS DE LA TIERRA CON
MENCIÓN EN EXPLORACIÓN GEOLÓGICA
GEOESTADISTICA APLICADA
ESTIMACION DE VARIABLES CON
SOFTWARE S-GeMS
PRESENTADO POR
VÁSQUEZ CRUZ ALEX MICHAEL
CUI 20102658
DOCENTE
Dr. ALFREDO MARIN SUAREZ
AREQUIPA| PERÚ
2021
ESTIMACION DE VARIABLE DE AU
1. Objetivo
Realizar el modelo de variograma
Realizar una estimación Kriging Ordinario
Generar el modelo de Bloques para cada variable
Generar los modelos de Variograma cruzado con las cuatro Variables
2. Descripción de Secuencia de trabajo
Realizar el carguío de datos del proyecto de pórfido de cobre centauro.
Visualizamos la variable Zinc
Generamos los histogramas para Zinc
Se observa las medidas de ubicación y de tendencia central estadística de descripción de la
variable Zn con un comportamiento lognormal en los histogramas
Número de Datos:
Media: 430.309
Varianza: 532308
Mediana: 157.15
Maximo: 9164
Minimo: 5.1
Cuartil Superior: 485.3
Cuartil Inferior: 49.99
Cuando aplicamos una escala logaritmos se evidencia un comprtamiento gaussiano para la
variable Zn.
Se observa la correlación que tiene la variable Zn con respecto a la variable Cu, donde
presenta una correlación negativa decreciente.
Graficamos el variograma vertical
Número de Lag 10
Separacion de lag 40
Distancia de Lag 20
Azimut 0
Dip 0
Tolerancia 15
Ahora realizaremos el variograma Norte Sur (Variograma horizontal) con:
Número de Lag 10
Separacion de lag 40
Distancia de Lag 20
Azimut 0
Dip 0
Tolerancia 15
Luego Calculamos el variograma Este Oeste
Número de Lag 10
Separacion de lag 40
Distancia de Lag 20
Azimut 90
Dip -90
Tolerancia 15
Se observa el variograma experimental para la variable Zinc.
Se crea el Grid para el proyecto de modelo de bloques
Luego GENERAMOS el modelo de bloques para la variable Zn
Visualizamos la Variable Au
Procedemos a analizar el histograma por si hay outliers o altos errático para realizar el
capping.
Se observa las medidas de ubicación y de tendencia central estadística de descripción de la
variable Zn con un comportamiento lognormal en los histogramas
Número de Datos:
Media: 0.150343
Varianza: 0.0243656
Mediana: 0.1
Maximo: 1.552
Minimo: 0.003
Cuartil Superior: 0.218
Cuartil Inferior: 0.028
Podría dar dos dominios o poblaciones en el variable Au.
Se observa la correlación que tiene la variable Au con respecto a la variable Ag, donde
presenta una correlación positiva creciente suave.
Se procede a realizar el modelamiento del variograma en Au
Graficamos el variograma vertical
Número de Lag 10
Separacion de lag 40
Distancia de Lag 20
Azimut 0
Dip 0
Tolerancia 15
Ahora realizaremos el variograma Norte Sur (Variograma horizontal) con:
Número de Lag 10
Separacion de lag 40
Distancia de Lag 20
Azimut 0
Dip 0
Tolerancia 15
Luego Calculamos el variograma Este Oeste
Número de Lag 10
Separacion de lag 40
Distancia de Lag 20
Azimut 90
Dip -90
Tolerancia 15
Seguidamente se procede a procesar el modelo de Bloques
Se visualiza el modelo de bloques con la estimación de Kriging Ordinario donde se aprecia la
concentración de oro en la parte central del yacimiento de pórfido de Cobre.
De igual manera se realiza la estimación para la Plata
De igual manera se realiza la estimación para Cobre “Cu”
VARIOGRAMA CRUZADO
Variogramas cruzados es cuando se modelan 2 variables diferentes calculando asi el variograma
teórico para ambas variables.
Se procede con el Variograma de Zn y Au
Graficamos el variograma vertical
Número de Lag 10
Separacion de lag 40
Distancia de Lag 20
Azimut 0
Dip 0
Tolerancia 15
Se procede con el Variograma de Ag y Au
Graficamos el variograma vertical
Número de Lag 10
Separacion de lag 40
Distancia de Lag 20
Azimut 0
Dip 0
Tolerancia 15
Se procede con el Variograma de Cu y Ag
Graficamos el variograma vertical
Número de Lag 10
Separacion de lag 40
Distancia de Lag 20
Azimut 0
Dip 0 Tolerancia 15
CONCLUSIONES
El modelado del variograma en Sgems sirve para identificar experimentalmente el
comportamiento de la variable con respecto a la varianza y la distancia entre
muestras analizar.
El Kriging Ordinario es un estimador Geoestadistico de variable, el cual genera el
modelo de bloques de tal manera pueda darle una orientación espacial determinada
en el sentido de la mineralización visa en campo.
Los modelos de bloque dan un panorama del comportamiento de la variabilidad de
una variable con respecto al yacimiento mineral.
Generar los modelos de Variograma cruzado ayudan a ver la correlación y
comportamiento de una variable con respecto a otra.
