Facultad de Ciencias e Ingeniería

Especialidad: Ingeniería Geológica

Curso: GEM355 Temas de Ingeniería Geológica

M. Sc. Samuel Canchaya

canmoysa@gmail.com

El concepto del Soporte

 La muestra es siempre un diferencial

de volumen (dv), si se compara con el
Volumen (V) mayor al que representa.
 Cuando se asigna un valor encontrado
en el dv, a un volumen mucho mayor V
se produce un error denominado error
de extensión.
 Aún cuando se envía del campo una V
muestra apreciable (algunos kilos de
muestra) los analitos de laboratorio no
pasan de 1 gramo, en el mejor de los
casos.
 La reducción drástica del volumen de
la muestra, en los procesos de
preparación mecánica (muestreo
secundario), es la principal fuente de dv
error.
2

1
 SOPORTE: Volumen, peso o cantidad de datos
que sustenta el valor de una variable. Ejemplos:
El concepto del Soporte La potencia de una veta, los m3 de una muestra
de morrenas, el peso de una muestra, etc.

“From – To”

La ley por si sola no tiene aditividad.

Se requiere: “ley ponderada” (“acumulación”)
Área

Volumen
V
Densidad = PESO

Variable Regionalizada: (V.R.)

 Toda variable que fluctúa en:

el espacio (coordenadas) y/o en el tiempo.
 Tiene dos características fundamentales:
 Gran variabilidad local.- Dientes de sierra
 Presenta una “estructura” o tendencia a mayor escala
 Ejemplos típicos:
 Leyes de Au, Ag, Cu (CuT, CuSAc, CuSCN), Fe, As, etc.
 Potencia de una veta o manto
 Densidad, Humedad, Porosidad y Permeabilidad
 Toneladas procesadas en Molinos o Chancadoras (“Throughput”)
 Contenido mineralógico (% qz, ser, ARCs, cac, bt, calcopirita, pirita, etc.)
 % de elementos u óxidos mayores (SiO2, TiO2, K2O, CaO, MgO, Fe2O3, etc.)
 Recuperación de Au, de Cu, etc.
 Densidad de fracturamiento
 BWI, RQD, Resistencia Mecánica (MPa), etc.
 Consumo de ácido (Kg/TM), etc.
4

2
 COMPARACIÓN ENTRE UNA DATA ESTRUCTURADA
(Tramo A) Y OTRA AL AZAR (Tramo B)

x s2 HISTOGRAMA VARIOGRAMA

 (h)
1
2 f(x)
3
4
5
TRAMO A 6
5 3.08 2.75
4
3
2
1 2 4 6 x h
1

2
4
f(x)  (h)
3
6
1
TRAMO B 5 3.08 2.75
1
3
2
1
4
2 4 6 x h
5

La hipótesis de M1 M2
estacionariedad

M3 M4
D
 La aplicación de la geoestadística
tradicional será válida, sólo si se
cumple con la denominada Hipótesis de Estacionariedad.
 Se dice que un dominio cumple con la Hipótesis de Estacionariedad,
cuando dentro de él la media y la varianza son las mismas cualquiera
sea la muestra que se tome para estimarlas.
 El variograma experimental será representativo de un dominio, sólo si
este cumple con la Hipótesis de Estacionariedad.
 Cuando no se cumple la mencionada hipótesis, hay que apelar al
Concepto de Krigeage Universal; así como a otras herramientas de la
Geoestadística No- Estacionaria.

3
Ejemplo de cálculo manual 5
(h)
de un variograma 1D 4

3.2 h=1 h=2 h=3 h=4 h=5 h=6 2

4.0 experimental
[d1]2 [d2]2 [d3]2 [d4]2 [d5]2 [d6]2 1[d7]
2
[d8]2
2.8 ajuste
0.64 C0=0.25 h
3.2 1.44 0.16 0
0 1 2 3 4 5 6 7 8
3.0 0.16 0.64 0.00 a
0.04 0.04 1.00 0.04
3.6
0.36 0.16 0.64 0.16 0.16
2.0 2.56 1.00 1.44 0.64 4.00 1.44
4.5 6.25 0.81 2.25 1.69 2.89 0.25 1.69
2.5 4.00 0.25 1.21 0.25 0.49 0.09 2.25 0.49
7.29 0.49 10.24 2.56 4.84 4.00 5.76 1.44
5.2
8.41 0.04 4.84 0.09 1.69 0.49 0.16 0.25
2.3 0.25 5.76 0.09 2.89 0.64 0.64 0.81 0.16
2

 (h )   Z 2x(nh hZ) x
2.8 0.36 0.01 9.00 0.09 5.29 0.04 0.04 0.64
2.2 3.61 1.69 3.24 1.21 2.56 0.16 1.96 0.25
1.21 9.00 5.76 8.41 0.00 7.29 4.41 10.24
4.1
9.61 17.64 37.21 30.25 36.00 9.61 33.64 14.44
5.2 4.84 0.81 4.00 15.21 10.9 14.4 0.81 12.96
8.3 4.41 18.49 1.44 0.01 3.24 1.44 2.89 1.44
6.1 1.96 12.25 32.49 6.76 2.25 0.16 0.04 0.09 dh = Zx+h - Zx
0.81 0.25 6.76 23.04 2.89 0.36 1.69 0.49
4.0 n = 19
S[dh] 2 57.57 69.49 121.6 93.30 77.83 40.41 56.15 42.89
2.6
2(n-h) 36 32 28 26 22 16 10 8
3.5
 (h) 1.60 2.17 4.34 3.59 3.54 2.53 5.62 5.36

Ajuste del Variograma Experimental

a Funciones Teóricas
h3
(h) = C
3h
+ Co ha
2a 2a3

(h) = C + Co h>a

 (h)  ( h)  ph ;   1

 (h)  ph ;  1

 (h)  C 1 exp ah   C0

 

4
 Ajuste del Variograma
experimental a funciones
teóricas

Parámetro Lineal Expo-

nencial
C0 0.783 0.673
C0 + C 1.281 1.347
a 345.9 193.4
r2 0.845 0.900
RSS 0.061 0.040
C/[C0+C] 0.389 0.500

Variogramas de
gangas y minerales
de alteración:

10

5
 M. Sc. Samuel Canchaya
canmoysa@gmail.com

Para cada fase

la herramienta correcta

12

6
 Francis Pitard
Dominique
Francois
Bongarcon
13

Principales aplicaciones de la Geoestadística

en Muestreo y Exploraciones:

 Mallas de muestreo y distancias óptimas de muestreo se deben

definir con procedimientos geoestadísticos. Generalmente son mallas
irregulares debido a la ANISOTROPÍA.

 Donde poner el próximo taladro, es una pregunta que se debe resolver no

sólo en forma determinística (en base a la información geológica, logueo,
etc.) sino también combinando adecuadamente las herramientas
probabilísticas (geoestadística): análisis de la componente “drift” de los
variogramas; cocientes metálicos adecuados y curvas isovalóricas de
elementos indicativos; mapas de tendencias (“trend surfaces”), etc.

 Campañas de “Infill” se deben programar considerando principalmente

taladros en aquellas zonas con mayores valores de error de estimación.

14

7
 Interpretación de Variogramas
desde el punto de vista del Varianza estadística
muestreo

o Efecto de “pepita”
o Error fundamental a
o Errores sistemáticos de
muestreo y análisis

Cu (%) 2

 (h)
Trend o Drift
20

Tendencia o estructura regional

10 Variograma experimental

Ajuste teórico

h
80 160

Pórfido de Cu-Au

Correlación geológica de interceptos

DDH2
DDH1

DDH3

Vista en planta 250 m

Soporte TM
Con 3 DDH X’000,000
Con 2 DDH X00,000
50 m
16

8
 Correlación de DDHs asistida con Variografía

DDH 1 DDH 2

CARACTERISTICAS DE LOS VARIOGRAMAS

DDH TIPO s2 C0 (C0/s2) a (m) r2
*100
DDH 3
Gaussiano 60.1 14.9 24.79 29.3 0.9
1
8
Gaussiano 13.1 4.8 16.01 24.3 0.9
2
5
Esférico 3.3 2.1 64.20 105.4 0.7
3
5

DISTRIBUCION
W
E ANISOTROPA

TUFO SUPERIOR
TUFO MINERALIZADO
TUFO INFERIOR


ARENISCA, CONGLOM.

(h)

E-W
N-S

VERTICAL

h
VARIOGRAMAS EN VARIAS DIRECCIONES

Modificado a partir de Journel & Huijbregths (1978)

9
Sección longitudinal de veta
con “mapeo variográfico sobreimpuesto”

Labores recomendadas

M. Sc. Samuel Canchaya Moya

Diseño y optimización de mallas de

muestreo

20

10
 100 m

100 m
CONFIGURACION
DE DIFERENTES
BLOQUES
PARA UNA MISMA
MALLA REGULAR

21

22

s2
0 C
1.0

l
0. 5 l

0. 3 l

0. 2

MODELOS ESFERICOS
0. 1 l
PARA LA ESTIMACION
0.06 DE VARIANZAS DE
EXTENSIONES
0.04
para a =170 para a = 50 ELEMENTALES
0.03
Modificado a partir de JOURNEL &
0.02 HUIJBREGTS (1978)

0.01 l a
0.1 0.2 0.3 0.5 0.6 1 2 3 5 6 10

11
 23

Comparación de parámetros para

diferentes mallas

MALLA
(m)
LEY
MEDIA
s 2
sE2 E.R.
(%)
10*10 1.93 1.04 0.17 21.6
14.1*14.1 1.90 1.15 0.23 24.6

10*20 1.87 0.92 0.23 24.6

14.1*28.2 1.95 1.11 0.29 27.9
10

10*50 2.11 1.46 0.41 33.0

20*20 1.71 0.79 0.28 27.2
14.1

Relación entre la precisión y el costo

asociado a diferentes mallas de perforación
200
ERROR
100

50

30 50

10
COSTOS
1 2 4 8 16 RELATIVOS

200 141 100 70.5 50 METROS

VARIANZA DE ESTIMACION: sE
2  2  ( V, v )   ( V, V )   ( v, v )

12
Optimización de Programas de Perforación “Infilling”

10
1.0
0.1
0.01
0.001
0.0001
Au ppm

60
50
40
30
20
10
0
ERR %

El mejor procedimiento para determinar la Distancia óptima de muestreo

M. Sc. Samuel Canchaya

canmoysa@gmail.com

13
 Cuerpo silíceo en el Tacaza con leyes anómalas
Quillcata - Yauyos

200 m
27

Cuerpo silíceo muestreado

sistemáticamente por canales
con cortadora portátil

Estructura mineralizada
Fracturamiento

Canales de muestreo

250 m 28
1,600 muestras

14
 29
Densidad de muestreo en canales

Referencias bibliográficas
 Canchaya S. (2004) Log-normalidad y efecto proporcional. Características frecuentes en los yacimientos de
oro.- XII Congr. Peruano Geol.; 4p.

 Canchaya S. (2013) Efecto proporcional: Característica frecuente en variables de exploración

geoquímica.- Pro-Explo 2013; Lima, 19 a 23 de Mayo.

 Canchaya S. (2013) Sampling of Variables with Proportional Effect.- GEOMET 2012; Sgo. de Chile Dic.
2012 y GEOMIN 2013; Sgo. de Chile Jul. 2013.

 David, M. (1977) Geostatistical Ore Reserve Estimation.- Elsevier Scientific Publishing Co.; 364 p.

 Journel, A. G. & Huijbregths Ch. J. (1978) Mining Geostatistics.- Academic Press; 600 p.

 Krige, D. G. (1981) Lognormal-de Wijsian Geostatistcs for Ore Evaluation.- South African Inst. Min. Metall;
51 p.

 Villanueva, R. (1992) Etude Geostatistique du Filon „Rosa“ de la Mine Uchucchacua, Lima- Perou.- Memoire
de fin de cycle CESEV, Ecole Nationale Superieure de Géologie de Nancy; 115 p.

30

15