FACULTAD DE INGENIERA
ESCUELA ACADMICO PROFESIONAL DE INGENIERA GEOLGICA (E.A.P.I.G.)
TRABAJO:
EVALUACIN DE MALLAS DE RECONOCIMIENTO
USADOS EN LA EXPLORACIN Y EXPLOTACIN
ASIGNATURA:
GEOESTADSTICA
DOCENTE:
ING. CHUQUIRUNA CHVEZ WILDER
ALUMNOS:
ALIAGA MEJIA, Henry A.
CASTRO TAPIA, Martin.
HUAMN CARRASCO, James.
RUIZ SANCHEZ, Heiner.
SNCHEZ CHUNQUE, Oscar S.
CICLO:
VI
CAJAMARCAPER
2015
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERA
ESCUELA ACADMICA PROFESIONAL DE INGENIERA GEOLGICA
NDICE
INTRODUCCION............................................................................................ 1
OBJETIVOS.................................................................................................... 2
OBJETIVO GENERAL.......................................................................................
OBJETIVOS ESPECFICOS................................................................................
I. MTODOS DE EVALUACION DE RESERVAS........................................3
1.1.MTODOS CONVENCIONALES.................................................................
P g i n a 2 | 27
Muestreo de los Depsitos Minerales Toma de la Muestra...........................
A. Muestreo sistemtico...........................................................................7
B. Muestreo Aleatorio............................................................................ 14
C. Muestreo Aleatorio Estratificado.......................................................19
II. INTRODUCCIN A LA EVALUACIN Y DISEO DE MALLAS DE
MUESTREO................................................................................................. 20
III. EVALUACIN DE MALLAS DE RECONOCIMIENTO USADOS EN LA
EXPLORACIN Y EXPLOTACIN...............................................................21
3.1.EL ANLISIS VARIOGRFICO GEOESTADSTICO.....................................21
3.2.DISEO Y OPTIMIZACIN DE MALLAS Y DIMENSIONAMIENTO PTIMO
DEL MUESTREO........................................................................................... 22
3.2.1. Buena representatividad de la muestra y Proporcionalidad de la muestra
22
3.2.2. Distancia ptima de muestreo......................................................22
3.3.METODOLOGIA GENERAL PARA OPTIMIZAR LA DISTANCIA DEL
MUESTREO.................................................................................................. 23
CONCLUSIONES......................................................................................... 24
BIBLIOGRAFA............................................................................................ 24
P g i n a 3 | 27
INTRODUCCION
Este mtodo es ptimo hasta el punto en que se desean definir zonas de inters,
pero cuando se desea observar alguna tendencia anmala, sea sta lineal o de superficie,
el mapa 2D, tambin en la tendencia que hay cuando se obtiene la media, moda, valores
de concentracin, interpolacin y lo ms importante la cuestin estadstica, que
corresponde con el tamao de malla y cantidad de puntos de muestreo.
P g i n a 1 | 27
OBJETIVOS
OBJETIVO GENERAL
OBJETIVOS ESPECFICOS
P g i n a 2 | 27
Durante el proceso de exploracin y evaluacin inicial del depsito mineral, el
principal nfasis se ha puesto en definir la geologa y la estimacin de la
cantidad y calidad de los recursos existentes.
T =AThBD
Dnde:
P g i n a 3 | 27
BD es la densidad del material en el macizo. sta densidad
incluye el espacio ocupado por los poros. Se obtiene en
laboratorio, a partir de muestras de campo.
Estos mtodos tienen varios inconvenientes que estn relacionados con las
hiptesis sobre las que estn basados, especialmente el rea de influencia de
los datos de muestreo y generalmente no tienen en cuenta ninguna correlacin
de mineralizaciones entre muestras ni cuantifican ningn tipo de error de
estimacin.
P g i n a 4 | 27
Existen otros mtodos englobados como mtodos convencionales, como el
mtodo del inverso de la distancia, usado principalmente en paquetes de
anlisis informtico.
Las muestras no solo deben ser representativas, sino que deben estar
en una cantidad adecuada, en el lugar preciso, y con un proceso de
reduccin de peso y anlisis apropiados.
Una muestra se define como una parte representativa de un todo. De tal forma
que la proporcin y distribucin de la caracterstica que se investiga (Ley), sean
iguales en ambos.
La accesibilidad a la mineralizacin.
P g i n a 5 | 27
Filones: mena se distribuye irregularmente, muestras poco espaciadas.
Tener en cuenta dureza y fragilidad de la mena.
Prfidos cuprferos: muestreo por sondeos con malla amplia (100 a150
m).
Contaminaciones
Mala recuperacin
P g i n a 6 | 27
Fallo humano (selectividad por dureza)
Tipos de muestreos
A. Muestreo sistemtico
Cl
c
ulo del variograma para una malla
regular bidimensional
Supongamos la situacin de la figura de
abajo (corresponde a leyes de
cobre)
P g i n a 7 | 27
Componentes del vector h, en este dibujo no es el azimut sino el ngulo de
coordenadas polares.
Caso 1. Fijemos la direccin del vector h; que sea por ejemplo = 90,
es decir, la direccin NS. El vector h slo puede ser:
P g i n a 8 | 27
Parejas posibles para calcular gama de 10 metros en la direccin NS (hay 36
vectores).
Luego:
P g i n a 9 | 27
Parejas posibles para calcular gama de 10 metros en la direccin EW (hay 36
vectores).
Se obtiene entonces:
P g i n a 10 | 27
En estas direcciones hay que tener presente que el mdulo de h es un
mltiplo de 102.
Grfico de (h):
EJEMPLO
P g i n a 11 | 27
Variograma NS
Variograma EW
P g i n a 12 | 27
Grfico del variograma:
B. Muestreo Aleatorio
P g i n a 13 | 27
Leyes de alcalinos en un
banco de la mina de hierro
de Marquesado (Espaa).
Se observa la localizacin
de pozos de tiro en un
banco de la mina de hierro de Marquesado, Espaa. Supongamos que
queremos calcular (h1) utilizando el algoritmo general, siendo h1 el
vector siguiente:
P g i n a 14 | 27
se llama tolerancia angular, se llama tolerancia en distancia.
Algunos paquetes computacionales definen otro tipo de zona para evitar este
problema (mtodo del lpiz):
P g i n a 15 | 27
Hay que tener presente que es necesario conocer bien el variograma en una
vecindad de h=0 (los puntos ms cercanos al origen), luego, en algunas
situaciones no se justifica este mtodo del lpiz.
LA NUBE VARIOGRFICA.
Dada una cierta direccin, la nube variogrfica consiste en graficar, para una
direccin dada, el valor de todas las diferencias
P g i n a 16 | 27
E n funcin de la distancia entre los puntos xi y xj.
P g i n a 17 | 27
EJERCICIO
Los datos de la figura corresponden a una zona dentro del yacimiento de
nitratos yodo de Lagunas. Encontrar la funcin (h) hasta h = 250 m.
segn las direcciones: = 0, 45, 90, 135.
P g i n a 18 | 27
Uno de esos campos de aplicacin es el de la optimizacin del muestreo; el
cual es un problema de cada da, tanto en la exploracin, como en la etapa de
produccin de un yacimiento. En nuestro Pas generalmente esta tarea se
enfrenta en forma intuitiva, empleando slo criterios empricos.
A qu distancia debemos ubicar los siguientes taladros para que nos brinden
la mejor informacin y con el menor error?
Cmo disminuir los costos en una campaa de exploracin sin afectar el nivel
de informacin?
Es de esperar que dos valores contiguos Z (xi) y Z (xi + h), separados una
distancia h, estn relacionados entre s (autocorrelacin), es decir que sus
valores sean dependientes el uno del otro;
P g i n a 19 | 27
La estadstica clsica no puede reconocer dichas estructuras ya que sus
parmetros y funciones no toman en cuenta la ubicacin de los datos. Por
ejemplo, la altura media de los alumnos de un saln no se modificar as stos
se cambien de asiento una y otra vez.
Dnde:
Z : es la variable estudiada
Z(x) : es el valor de dicha variable en el punto x
Z(x + h): es el valor de la variable en el punto (x + h)
h : es el paso entre las muestras (distancias iterativas)
n : nmero de pares de valores
2 ( h) : valor de la funcin variograma para un valor h.
( h) : valor de la funcin semivariograma (denomina usualmente
variograma)
Coeficiente de variacin
CV = 100. S / X
P g i n a 20 | 27
III.2.2. Distancia ptima de muestreo
III.3. METOD
OLOGIA GENERAL PARA OPTIMIZAR LA DISTANCIA DEL
MUESTREO
En la mayor parte de los casos para optimizar la distancia del muestreo se
sigue el siguiente procedimiento:
P g i n a 21 | 27
CONCLUSIONES
BIBLIOGRAFA
P g i n a 22 | 27
G. Matheron, 1975
P g i n a 23 | 27