Universidad Católica de Valparaíso
Geoestadística
Profesor
Marcelo Arancibia Alvarez
Copyrigth
• Todos los derechos de este material pertenecen al Profesor Phd Clayton
Deutsch quién ha otorgado permiso exclusivo de uso en sus clases al
Profesor Marcelo Arancibia Alvarez.
PUCV
• Introducción Uso Vulcan, Lunes
• Geoestadistica, principios y aplicación, Martes
• Modelamiento de Yacimientos, Miércoles
• 3D Geological Sculpting, Miércoles
• Optimización de Pit, Jueves
• Diseño de fase automatizado, Viernes en la mañana
•
Información
• Material del curso en Inglés y Español
• Bibliografía:
– Geoestatistics for Natural Resources Evaluation, Goovaerts
– Mineral Resource Estimation, Deutsch & Rossi
– An Introduction to Applied Geoestatistics, Isaaks & Srivastava
Objetivos
• Obtener las competencias necesarias para realizar estimación de
recursos utilizando Geoestadística.
• Obtener los principios básicos de Geoestadística como base para
profundizar personalmente a futuro.
Programa
• Análisis Exploratorio de Datos • Modelo de Regionalización
– Repaso Algebra y Cálculo. – Modelos permisibles
– Descripción Univariada. Variables – Modelos de anisotropía
Categóricas. Variables Continuas. – Modelo lineal de regionalización
– Descripción Bivariada. Scatter plots. – Práctica de modelamiento
Medidas de relación bivariada.
• Estimación
– Mapas de localización. Plots
– Kriging
– H-scatter plots
– Kriging Simple
– Medidas de continuidad espacial y
– Kriging Ordinario
variabilidad
– Continuidad espacial de concentraciones – Kriging de bloques. Estimación Global
de metal – Aspectos misceláneos de Kriging
• Funciones aleatorias • Ponderadores de kriging
– Variable aleatoria • Vecindad de búsqueda
– Función aleatoria • Varianza de kriging
– Estacionalidad • Modelos Implícitos
• Inferencia y modelamiento • 3D GEOLOGICAL SCULPTING
– Inferencia estadística • Cubicación. Curvas Tonelaje-Ley
– Muestreo preferencial • Simulación Secuencial Gaussianna. Intro
– Inferencia semivariograma Ejemplo
– Inferencia covarianza
Geostadística
• D. Krige y H. Sichel estudiaron los problemas de estimación de reservas
en Sud Africa desde los años 50.
• El Profesor Georges Matheron (1930-2000) construye los principales
conceptos de la teoría de estimación de recursos que el bautiza como
Geoestadística
• El libro Traité de géostatistique appliquée (Editions Technip, France,
1962-63) define las herramientas fundamentales de la geoestadística
lineal: variografía, varianzas of estimación y dispersión, y kriging.
• Dos de los primeros estudiantes de Matheron (Journel and David) se
desplazan a USA y Canada para partir con nuevos centros de
investigación en geoestadística
Qué es Geoestadística?
• Una necesidad de negocios: realizar la mejor decisión posible en
presencia de incertidumbre y poca información (datos).
• La Estadística se preocupa de los métodos científicos para recolectar,
organizar, resumir, presentar y analizar datos, así como obtener
conclusiones válidas y tomar decisiones razonables sobre la base de
dichos análisis.
• La Geoestadística es la rama de la estadística aplicada que pone
enfasis en:
(1) El contexto geológico de los datos. 1 (oxi) 2 (oxi) 3 (sul) 4 (sul)
(2) La relación espacial entre los datos. 1, 2, 3, 4 vs 3, 2, 4, 1
(3) Datos de distinto soporte volumétrico-precisión (muestra,SMU)
Algunas notas preliminares
• Geoestadística es modelamiento estadístico y no modelamiento geológico
– Las restricciones geológicas (físicas) deben ser consideradas
– Adaptar técnicas para emular características geológicas
• Geoestadística es útil para:
– Poner geología en números
– Estimación
– Cuantificación de la incertidumbre
– Diseño de muestreo
– Simulación y análisis de riesgo
• Geostadística NO:
– Trabaja bien como caja negra. Explicar transferencia de know-how en Chile
– Reemplaza la necesidad de sentido común y buen juicio.
– Ahorra tiempo
– Hace el modelamiento más fácil
Porqué Geoestadística?
• Actualmente es la mejor aproximación para modelar la distribución
espacial de propiedades geológicas
• Mejor modelamiento de la variabilidad:
– Los estimadores son más confiables
• Marco para integrar datos:
– Interpretación geológica
– Medidas directas (datos duros) and y variables secundarias (datos blandos)
– Datos representando distintos tipos de soporte
• Calcular la incertidumbre en rendimiento de procesos debido a la
incertidumbre en el modelo geológico
• Enfoque práctico y consistente con los datos
• Proceso Repetible, auditable
• Fácil de mezclar los datos incrementales, futuras campañas, blastholes
Modelamiento estadístico de la geología
• Existe una sola distribución verdadera de las propiedades de cada depósito
mineral en cualquier momento en tiempo geológico
• La distribución verdadera es el resultado de una sucesión de complejisimos
procesos físicos, químicos y biológicos
• No obstante podemos entender algunos de los procesos de depositación y
diagenesis, no podemos entender completamente todos los procesos y tener
acceso a las condiciones iniciales y de borde, en un nivel de detalle suficiente
para determinar la verdadera y única distribución
• Adoptamos entonces un modelo númerico geoestadístico porque no tenemos
alternativa
Rock Type 1
Rock Type 2
Rock Type 3
Rock Type 4
Rock Type 5
Rock Type 6
