Beruflich Dokumente
Kultur Dokumente
FACULTAD DE INGENIERA
PRESENTADO POR:
DOCENTE:
CAJAMARCA PER
2016
Contenido
RESUMEN ....................................................................................................................... 4
I. INTRODUCCIN .................................................................................................... 5
II. PROYECTO DE INVESTIGACION .................................................................... 5
III. PLANTEAMIENTO DEL PROBLEMA .............................................................. 5
IV. FORMULACIN DEL PROBLEMA .................................................................. 6
V. JUSTIFICACIN DEL PROBLEMA .................................................................. 6
VI. OBJETIVOS .......................................................................................................... 6
CAPITULO I: ASPECTOS TEORICOS ......................................................................... 7
1.1. Variable Regionalizada. ........................................................................................... 7
1.2. Estacionariedad .......................................................................................................... 7
1.3. Varianza ..................................................................................................................... 8
CAPITULO II: DESARROLLO DEL TEMA ................................................................. 9
2.1. Variografa: variograma ............................................................................................ 9
2.2. Parmetros o elementos de un variograma .............................................................. 10
2.3. Variogramas en una dimensin ............................................................................... 12
2.4. Variograma a dos dimensiones ................................................................................ 15
2.5. Modelamiento de variogramas ................................................................................ 18
Variograma de Matheron o Modelo Esfrico .......................................................... 20
Variograma de Formery o Modelo Exponencial ..................................................... 21
Modelo Gaussiano ................................................................................................... 21
Modelo lineal o Pepita Puro. ................................................................................... 21
2.6. Isotropa y anisotropa ............................................................................................. 22
CAPITULO III: PROGRAMAS COMERCIALES APLICADOS AL TEMA ............. 25
A. Software Geoestadstico SGeMS ............................................................................... 25
B. VULCAN ................................................................................................................... 27
C. VARIOWIN ............................................................................................................... 28
Conclusiones................................................................................................................... 30
Referencias bibliogrficas .............................................................................................. 30
2
ndice de figuras.
3
RESUMEN
El trabajo abarca el tema de la variografa y se incluyen los captulos: Primero, que abarca
aspectos tericos; capitulo Segundo, en el cual se desarrolla el tema especfico y
finalmente el captulo Tercero en el que se describen algunos programas comerciales
aplicados a la variografa.
4
I. INTRODUCCIN
La estadstica y la geologa son unas de las ciencias afines a la Geoestadstica, pero eso
no quiere decir que esta ltima sea la fusin de las dos. Es por ello que nos vemos en la
necesidad de entender correctamente los fundamentos, definiciones y alcances de la
geoestadstica. El problema de modelar un macizo rocoso acompaa siempre a la
actividad minera, por ello la necesidad de un mejor modelado para lograr una operacin
minera eficiente. Entonces, cul de las herramientas matemticas existentes puede
ofrecernos la solucin? En cuanto a los fenmenos naturales, la imposibilidad de explicar
el porqu del valor de una ley en un determinado punto de muestra est fuera de nuestro
alcance, de ah que trabajamos con variables aleatorias (cada caso tiene la misma
probabilidad de ocurrir) y que las leyes tienen cierto grado de interdependencia. Adems,
la geoestadstica es el tratado de variables regionalizadas.
Es por ello que nace la iniciativa de llevar a cabo el anlisis de datos con el estudio de la
variografa, enfocndonos en este caso en definiciones lo ms concretas posibles, adems
en los distintos parmetros del variograma, variogramas en una dimensin, variogramas
en dos dimensiones, modelamiento de variogramas, y as como tambin en la
comparacin de modelos de variogramas para tener un alcance ms amplio sobre la
variografa.
5
IV. FORMULACIN DEL PROBLEMA
Cules son los alcances (definiciones, parmetros, mtodos) a fin de conocer para lograr
obtener un conocimiento slido sobre la variografa en geoestadstica?
La importancia del estudio de la variograma radica en que es una herramienta que permite
analizar el comportamiento espacial de una variable sobre una zona dada y modela como
dos valores en el espacio se ponen en correlacin. Entonces podemos decir que es un
estimador de la varianza poblacional. Desde este punto de vista podemos afirmar la
eficacia de su conocimiento y aplicacin hacia las variables regionalizadas, siendo estas
referidas directamente al campo minero.
VI. OBJETIVOS
OBJETIVO GENERAL
OBJETIVOS ESPECFICOS
Interpretar los resultados de las grficas para comprender las diferencias entre los
parmetros estadsticos y la utilidad de la geoestadstica
Analizar la Variografa y sus diferentes aplicaciones.
6
CAPITULO I: ASPECTOS TEORICOS
1.2. Estacionariedad
7
falta de estacionariedad se deba a la existencia detectable de dos poblaciones dentro
del mismo espacio de muestreo. En este caso, lo ms conveniente es dividir el espacio
en estas dos poblaciones, realizar semivariogramas e interpolaciones para cada una de
ellas para despus unir el resultado en un nico mapa. Otra aproximacin al problema
es restringir el radio de bsqueda de vecinos que ayuden a interpolar un valor en una
zona no muestreada. Esta aproximacin se basa a que en la mayora de los casos la
estacionariedad es global pero no se encuentra estacionariedad local con lo que
restringiendo el uso de vecinos a distancias convenientemente cortas puede llevar a
estimaciones robustas de la variable en el espacio. Por ltimo, si la estacionariedad
est provocada por una tendencia espacial ms que por la existencia de dos
poblaciones, se puede eliminar dicha tendencia (detrending) y realizar el variograma
solo con los puntos residuales.
1.3. Varianza
8
CAPITULO II: DESARROLLO DEL TEMA
9
cada intervalo y no a una distancia h especfica. Obviamente el nmero de parejas de
puntos n dentro de los intervalos no es constante.
Fuente: Geoestatistics for Natural Resources Evaluation, Goovaerts. Autor: Evelyn Vliz
10
Figura 3: Representacin del comportamiento tpico de un variograma acotado con una representacin de los
parmetros bsicos encontrado en el proyecto minero Toromocho, para el Molibdeno.
11
relativamente cercanas. Un valor de escala grande pone de manifiesto un
fenmeno poco estructurado, en el sentido de que a peque;as distancias la
correlacion existente es escasa y adems esta decrece paulatinamente con la
distancia.
Figura 4: Secuencia de muestras n equidistantes espaciadas, xi denota la ubicacin y f(xi) denota el valor en la
ubicacin xi.
12
Las muestras pueden ser de cualquier tipo, pero se asume que todas ellas tienen el
mismo soporte (es decir, la misma orientacin, volumen y forma geomtrica); por
ejemplo, la lnea puede representar un testigo de perforacin diamantina (DDH)
cortado en fragmentos de aproximadamente las mismas longitudes d o una lnea
de muestras de canal de longitudes d tomadas a lo largo de un pilar.
1
() = {[(1 ) (2 )]2 + [(2 ) (3 )]2 + [(3 ) (4 )]2 + [(1 ) ( )]2 }
2()
O en notacin abreviada:
1
1
() = [( ) (+1 )]2
2()
=1
1
(2) = {[(1 ) (3 )]2 + [(2 ) (4 )]2 + [(3 ) (5 )]2 + [(2 ) ( )]2 }
2( 2)
O en notacin abreviada:
2
1
(2) = [( ) (+2 )]2
2( 2)
=1
1
() = [( ) (+ )]2
2( )
=1
13
Ntese que el resultado sera el mismo si el clculo empezara con la muestra
( )al final de la lnea y se realizara en sentido inverso hacia la primera muestra
(1 )
1
(2 ) = {[0.5 0.3]2 + [0.7 0.5]2 + [0.4 0.7]2 + [0.2 0.4]2 }
2(91)
(2 ) = 0.038
Poniendo como ejemplo una serie de leyes en una direccin, que podran ser leyes
de una galera o leyes de un sondaje, se tiene:
14
1
(4 ) = 2(81) {[0.3 0.7]2 + [0.5 0.4]2 + [0.7 0.2]2 + [0.8 0.2]2 }
(4 ) = 0.087
(6 ) = 0.039
(8 ) = 0.003
(10 ) = 0.039
(12 ) = 0.085
(14 ) = 0.025
Estos valores pueden graficarse tal como se muestra en la siguiente figura para
obtener una representacin grfica del variograma.
15
Figura 7: Representacin esquemtica de los intervalos y la tolerancia para el clculo del variograma muestras en
dos dimensiones.
Ejemplo: Los siguientes grficos presentan los valores del semivariograma a partir de las
observaciones de la variable contenido de Cadmio correspondiente al conjunto de datos
presentado. Los tres primeros grficos fueron obtenidos con el programa VARIOWIN.
16
el semivariograma clsico omnidireccional se considera la direccin de 0 con una
tolerancia angular de 90 a ambos lados de la direccin especificada, de esta manera
permite que se incluyan todas las parejas de puntos independientemente de la direccin.
Esto, maximiza el nmero de parejas en cada clase de distancia, pero produce un
suavizado del variograma.
Figura 9:Variograma omnidireccional para la variable Cadmio, Los valores numricos indican el nmero de
parejas que intervienen en el clculo.
El soporte del grafico anterior es de 0 hasta la distancia mxima entre las parejas, es
decir hasta 302.362 pies. En general, los variogramas no son vlidos ms all de la mitad
de dicha distancia. La figura presenta el variograma emprico correspondiente a 10
intervalos de clases de distancia con una longitud de 15 pies cada uno.
Figura 10:Variograma omnidireccional para la variable Cadmio, reduciendo la longitud de la distancia para
realizar mejor la similitud a un modelo experimental de variograma.
17
2.5. Modelamiento de variogramas
Figura 11:Localizacin de puntos de muestreo en una parcela de 20 x 20 metros. Las muestras fueron tomadas cada
dos metros en toda la parcela y cada 50 cm en cuatro parcelas situadas aleatoriamente.
18
Figura 12: Variograma emprico mostrando la semivarianza de valores de materia orgnica del suelo separados por
distancias crecientes.
19
Figura 13: Ajuste del variograma emprico de la figura 11 a cuatro funciones matemticas.
20
Variograma de Formery o Modelo Exponencial
Modelo Gaussiano
21
Figura 14:Comparacin de los modelos exponencial, esfrico y Gaussiano. La lnea punteada
vertical representa el rango en el caso del modelo esfrico y el rango efectivo en el de los
modelos exponencial y gaussiano. Este tiene un valor de 210, respecto a una escala simulada
entre 0 y 300. El valor de la meseta es 30 y el de la pepita 0. El 95% de la meseta es igual a
28.5.
Hasta ahora en los variogramas vistos se considera que la variacin del valor de nuestra
variable con el espacio es igual en todas las direcciones de ste (variograma
omnidireccional). Si esto ocurre decimos que la variable tiene un comportamiento
isotrpico. Pero no siempre es as, y puede ser que la variacin espacial sea diferente en
las distintas direcciones del espacio (anisotropa). Si tras una inspeccin visual
sospechamos que puede ocurrir este fenmeno es interesante realizar variogramas
considerando por separado varias direcciones del espacio (variogramas direccionales).
22
Para estudiar la presencia de anisotropa es necesario calcular el variograma en varias
direcciones, lo cual suele requerir una cantidad de datos muy superior a lo normalmente
disponible. Si esto es posible, puede dibujarse cada variograma separadamente, si los
variogramas son marcadamente distintos, hay que pensar en la presencia de anisotropa.
Figura 15: Semivariogramas mostrando las diferencias en continuidad espacial de la materia orgnica
del suelo en cuatro direcciones del espacio.
23
direccionales presentan peor ajuste que el omnidireccional, lo que es de esperar debido al
menor nmero de pares de puntos. Por tanto, si el nmero de puntos muestreados no es
lo suficientemente grande, el aumento de informacin que supone los variogramas
direccionales desaparece debido a la dificultad de encontrar modelos que recojan
fielmente la variabilidad espacial de cada direccin. Cuando los rangos se mantienen
aproximadamente igual en distintas direcciones del espacio, pero el sill vara se denomina
anisotropa zonal. El caso inverso se conoce como anisotropa geomtrica. En esta
ltima est ms justificada la utilizacin de un modelo isotrpico que agrupe todas las
direcciones, ya que se considera que todas estas siguen el mismo modelo bsico de
continuidad espacial. En la prctica es comn encontrar una mezcla de ambas
anisotropas.
24
CAPITULO III: PROGRAMAS COMERCIALES APLICADOS AL TEMA
GEMCOM GEMS
SURPAC
VULCAN 3D
MINE SITGH
DATAMINE
LEAPFROG 3D
GEOSTAT
ISATIS
Etc.
SGeMS = (The Stanford Geostatistical Modeling Software) Creado por Nicols Remy de
la universidad de Stanford, ofrece una interfaz en 3D, contiene casi todas las herramientas
de estimacin por kriging, y simulacin geoestadstica.
25
Y se puede estimar bloques aplicando algoritmoskriging en SGeMS.
Se puede realizar el Estudio Variogrfico y Estimacin
26
B. VULCAN
27
C. VARIOWIN
28
La terminologa adoptada en VAROWIN es variograma, siendo el termino correcto
semivariograma.
Figura 17: Parmetros (por defecto) para el clculo del variograma experimental
29
Conclusiones
Referencias bibliogrficas
30