4 - Introducción A La Geoestadística Minera

1
Ing. Roberto Bruno - rbruno@expo.intercade.org - Consultor Internacional Intercade

GEOESTADISTICA MINERA
Ing. ROBERTO BRUNO - rbruno@expo.intercade.org
Consultor INTERCADE
J unio 2008
2
INTRODUCCION A LA
INTRODUCCION A LA
De la Variable Regionalizada a la Funcin
Aleatoria
La variabilidad espacial.
Variables aleatorias.
Funciones Aleatorias.
3
El enfoque probabilista
La VR es considerada la realizacin de una Funcin
Aleatoria (FA)
Una FA Z(x) es un conjunto de VA Z(x
1
), Z(x
2
), ..., siendo
definida por la ley multivariable
Cada VA tiene una propia distribucin (marginal), F
Z1
,
F
Z2
, , as como correlaciones entre ellas.
INTRODUCCION A LA GEOESTADISTICA
MINERA
De la VR a la FA: Funciones Aleatorias
MINERA
] z ) Z(x , , z ) Z(x , z ) prob[Z(x ) z , , z , (z F
k k 2 2 1 1 k 2 1 Z , , Z , Z
k 2 1
< < < =
4
El Abordaje Probabilista
La interpretacin probabilista de las VR no corresponde a alguna
realidad fsica.
Sirve porque sin herramienta probabilista (quiere decir utilizando
solamente modelos empricos o determinsticos) no se pueden
resolver los problemas tpicos de los georecursos.
Pero son necesarios los modelos, que tiene que ser
identificados por los datos.
MINERA
MINERA
5
Qu Modelos?
Tericamente el modelo completo es la ley espacial FZ(x)(z), pero
no es estimable por una suena realizacin, de ms conocida slo en
pocos puntos.
Es necesario simplificar el modelo con hiptesis compatibles,
considerado que lo modelo tiene que ser:
estimable - en sus parmetros.
operacional - en los clculos de las soluciones.
significativo - en la variabilidad espacial de la VR.
MINERA
MINERA
6
MINERA
MINERA
Los modelos tiles
Conforme el problema
Para estimaciones lineal (la mayora) slo necesitan
los primeros dos momentos.
m(x)=E[Z(x)] s
x
1
x
2
=E[Z(x
1
),Z(x
2
)]-m(x
1
)m(x
2
)
Para simulaciones y estimaciones no lineal es necesario la
ley de dos variables de los pares Z(x
i
), Z(x
j
)
F(Z
i
,Z
j
) =Prob{Z(x
i
)z
i
;Z(x
j
)z
j
}
7
MINERA
MINERA
Los modelos de base
El problema metodolgico: elegir y caracterizar el modelo a
partir de una realizacin nica muestreada.
Consideracin: los problemas son locales; as las
estimaciones interesan slo una vecindad.
Cuando las estimaciones interesan todo el campo, la misma
vecindad se desplaza por el campo: es la vecindad mvil.
8
MINERA
MINERA
El modelo estacionario
El modelo estacionario
El modelo de FA ms favorable es la FA Estacionaria (FAEs),
tericamente definida como invariante para cualquier traslacin
h.
F
Z(x
1
),Z(x
2
),,Z(x
k
)
(z
1
, z
2
, , z
k
) = F
Z(x
1
+h),Z(x
2
+h),,Z(x
k
+h)
(z
1
, z
2
, , z
k
).
En la mayora de los casos las caractersticas de las vecindades
muebles son las mismas: cada vecindad puede ser considerada
una realizacin de la FA modelo.
La estacionariedad es fundamental para la estimacin de los
parmetros de la FA por una nica realizacin.
9
MINERA
MINERA
Los momentos
Los momentos
tiles: media y varianza

tiles: media y varianza
No necesitamos en practica de toda la ley, pero s de los
primeros dos momentos.
Momento primero (media).
E[Z(x)] = m(x)
Momento segn (covarianza espacial).
Cov{Z(x),Z(x+h) }= E{[Z(x)-m(x+h)] [Z(x)-m(x+h)] }=
= E{Z(x)Z(x+h)}- m(x)m(x+h) = C(x,h)
10
MINERA
MINERA
Los momentos tiles: el variograma
Se trata de la funcin ms utilizada en Geoestadstica
Incremento entre dos variables alejadas de h
Z(x+h) - Z(x)
Variograma: semivariancia del incremento:
(x,h) = 1/2 Var{Z(x) - Z(x+h) }=
= E{[Z(x)-Z(x+h)]
2
[m(x)-m(x+h)]
2
11
MINERA
De la VR a la FAES: Funciones Aleatorias
MINERA
Los momentos de una FAEs
Cada VA tiene misma ley y:
Meda y covarianza espacial son independiente de x:
Si la C(h) existir:
llamada varianza a priori
( ) [ ] ( )
( ) ( ) { } ( ) ( ) h C h x C h x Z x Z Cov
m x m x Z E
= = +
= =
, ,
( ) ( ) { } ( ) ( ) { } x Z Var C x Z x Z Cov = = + 0 0 ,
12
MINERA
La funcin covariancia de una FAEs
MINERA
Mide la correlacin, el grado de semejanza entre dos VA (de la FA)
alejadas de h.
Al crecer de h, la correlacin
diminu, hasta anularse.
La distancia a la que C(h)=0,
llamase alcance
(range, porte)
13
MINERA
MINERA
El
El
variograma
variograma
de una
de una
FAEs
FAEs
Desaparece el punto de x
La meda del incremento es nula:
El variograma solo depende de h
Mide la disigualdad entre dos VA (de la FA) alejadas de h.
( ) ( ) [ ] 0 = = + m m h x Z x Z E
( ) ( ) { } ( ) ( ) ( ) ( ) [ ] ( ) h h x Z x Z E h x h x Z x Z Var = + = = +
2
,
2
1
14
MINERA
Variograma y covarianza:
MINERA
Representan dos caras (momentos segundos) de la
misma medalla (la FA)
g(h) ser siempre limitado por la
varianza a priori C(0)
El valor mx. constante
llamase meseta
(sill, palier)
( ) ( ) ( ) h C C h = 0
15
MINERA
MINERA
El modelo no estacionario
El modelo no estacionario
Por regla general la FA no es estacionaria, tampoco de la
segunda orden:
E[Z(x)] = m(x) Trend, deriva;
E{Z(x)Z(x+h)}- m(x)m(x+h) = C(x,h)
E{[Z(x)-Z(x+h)]2 - m(x)m(x+h) = (x,h)
No es posible la inferencia de los dos momentos a partir
de la nica VR.
16
MINERA
MINERA
Las flotaciones estacionaras
Las flotaciones alrededor de la meda:
Si las flotaciones fuere estacionaras, es posible,
tericamente calcular las covarianzas de la FA, pero
conociendo la funcin meda verdadera m(x)
Cov{Z(x),Z(x+h) }= E{[Z(x)-m(x+h)] [Z(x)-m(x+h)] }=
= E{Y(x)Y(x+h)}= C(h)
1/2Var{Z(x)-Z(x+h) }= 1/2Var{Y(x)-Y(x+h) }= (h)
( ) ( ) ( ) x m x Z x Y =
17
MINERA
MINERA
Las flotaciones estacionaras
La deriva no es conocida, pero puede ser estimada:
m
*
(x) - m(x) = e(x)
As, tambin las flotaciones pueden ser estimadas (residuos).
Y
*
(x) = Z(x) m
*
(x)
La covarianza y los variogramas obtenidos son sesgados:
C
Y*
(h) C(h)
y*
(h) (h)
Si el error fuere pequeo en comparacin la m(x), la
aproximacin es posible.
18
MINERA
MINERA
El modelo intrnseco de orden k
Una FA es intrnseca de orden k si existe una
combinacin lineal que filtre cualquier polinomio de
grado menor o igual a k.
En practica es suficiente conocer la forma de la deriva
m(x), ej. polinomial, para poder construir
combinaciones lineal autorizadas al grado k,
k
Z
m(x)= a
0
+a
1
x++a
k
x
k =
l=0,k
a
l
x
l
a
l
desconocidos
x
l
= 0 l k
k
Z=
Z(x
)
19
MINERA
MINERA
A covarianza
A covarianza
generalizada
generalizada
Una vez identificados los coeficientes de la combinacin
lineal autorizada, la varianza del incremento de grado k es
una combinacin lineal de una funcin de auto correlacin
espacial llamada Covariancia Generalizada, K(h)
E[
k
Z] = 0
Var{
k
Z}= E[ (
k
Z)
2
] =
K(h
)
20
MINERA
MINERA
Cul modelo de FA no estacionara?
El modelo correcto es el de la FAI-k, porque es posible
conocer la funcin de variabilidad espacial no sesgada.
Es posible trabajar con deriva y residuos cuando la
aproximacin del variograma de los residuos al variograma de
las flotaciones fuera satisfactoria.

4 - Introducción A La Geoestadística Minera

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

4 - Introducción A La Geoestadística Minera

Diunggah oleh

Hak Cipta:

Format Tersedia

1

Ing. Roberto Bruno - rbruno@expo.intercade.org - Consultor Internacional Intercade

tiles: media y varianza

Anda mungkin juga menyukai