Beruflich Dokumente
Kultur Dokumente
Interpolacion
Octubre 2008
Principios de Interpolacion Lineal
Introduccion
Estimados ≠ verdadero
la tabulacion de recursos se basa en estimados,
no valores verdaderos (los cuales son
desconocidos).
Los estimados siempre tienen errores
El objetivo de la estimacion es minimizar los
errores de estimacion
el modelo se basa en un volumen infimo de muestras
relativo al volumen total del deposito (en general en
el orden de 0.000007% a 0.0004%)
Introduccion
Geologia y homogeneidad estructural
la interpolacion debe de ser limitada a areas que
son geologica y estadisticamente homogeneas
Los controles geologicos definen la
mineralizacion. Un entendimiento profundo del
modelo geologico es critico para poder realizar
una estimacion confiable
Tipos de dominios para interpolacion
geologico (litologia, estructural: Ag, Cu, Co, Fe, SG)
grade shells (e.g., Bi, Zn, Mo)
zonas definidas por indicadores (e.g., solubles)
bloques taggeados directamente por indicadores
(e.g., As, Pb)
combinacion de metodos (Bi, Zn, Mo, etc. ….)
Introduccion
Cambio de soporte
Es la relacion entre el tamaño (volumen) de la
muestra o bloque y su varianza. La dispersion de
las leyes de los bloques alrededor de la media de
los bloques es menor que la dispersion de las
leyes de las muestras alrededor de la media de
las muestras. Es critico que se tome en cuenta el
cambio de varianza al ir de muestras a bloques
para poder estimar correctamente las curvas de
ley-tonelaje por encima de un cutoff dado
Introduccion
La estimacion no debe de tener un
sesgo global
sesgo (bias) global ocurre
cuando la ley global estimada
no es igual a la ley real.
Esto se puede evitar con un
muestreo correcto y con el uso
correcto de los controles
geologicos
Introduccion
La estimacion debe de minimizar la
“conditional bias”
“conditional bias” es la sobre-
estimacion de la ley en las zonas de
alta ley y la sub-estimacion en las
zonas de baja ley (o vice-versa). Es
un efecto inevitable de la
interpolacion. Se puede minimizar
utilizando un mayor numero de
muestras para interpolar un bloque
Introduccion
Introduccion
En resumen, la metodologia de estimacion a usar
debe:
evitar sesgo global
minimizar sesgo local (“conditional bias”)
tomar en cuenta correctamente el cambio de
soporte adecuado al tamaño de los bloques
Introduccion
el objetivo de la estimacion es obtener la “mejor”
estimacion del valor de una variable en un punto en
el espacio en funcion de los datos disponibles
Z1
Z3 ? Z2
Z4
Introduccion
¿como se estima la ley del bloque? por medio de una
combinacion lineal de las leyes de las muestras
(promedio ponderado)
z(x2)
z*
z(x6)
z(x4)
z(x5)
Introduccion
el peso asignado a las muestras debe de tener en
cuenta lo siguiente:
los controles geologicos
el caracter espacial de la mineralizacion
ubicacion y forma/tamaño de los bloques
ubicacion de las muestras con respecto a si
mismas y conrespecto al bloque a ser estimado
no debe de introducir bias global
minimizar el “conditional bias”
Metodos de Interpolacion lineal
poligonal
seccional
nearest-neighbour (NN)
inverso a la distancia (IDW)
kriging
simple kriging (SK)
ordinary kriging (OK)
indicator kriging (IK)
multiple indicator kriging (MIK)
Poligonal
se divide el area en poligonos de influencia
alrededor de las muestras; se asigna la ley
de la muestra al poligono
Ventajas:
facil de entender
facil de hacer en depositos simples
Desventajas
no toma en cuenta el cambio de soporte
una sola muestra por estimado
discontinuidad en los estimados
no toma en cuenta la correlacion espacial
de las muestras
Seccional
procedimiento
se divide el deposito en secciones
(verticales u horizontales)
se composita la interseccion de los taladros
se dividen los poligonos en poligonos de
influencia de los compositos
se asigna ley de composito a su poligono
se calcula ley total de seccion
ley de seccion se extiende a punto medio
Ventajas:
facil de hacer aun en depositos con formas
complejas
Desventajas
no es muy flexible
una sola muestra por estimado
leyes muy similares a poligonal
Nearest-neighbor (NN)
se asigna a cada bloque la ley del composito mas
cercano
Ventajas:
facil de entender
facil de hacer
Desventajas
no toma en cuenta el cambio de soporte
una sola muestra por estimado
discontinuidad en los estimados
no toma en cuenta la correlacion espacial de las
muestras
Inverso de la distancia (IDW)
asigna los pesos en funcion al inverso de la
distancia (elevado a un poder dado) de la
muestra al bloque
Ventajas:
facil de entender y de hacer
toma en cuenta la disminucion de la
correlacion con la distancia
puede tomar en cuenta anisotropia,
clustering, y cambio de soporte
Desventajas
la correlacion espacial es arbitraria
no minimiza la varianza de estimacion
necesita variografia para anisotropia y
cambio de soporte
Error de Estimacion
Error de Estimacion (1)
Siempre hay un error asociado con un estimado
E = Z* - Z
Estos errores tienen una distribucion que se puede
representar por medio de la media o de la varianza
de los errores (o varianza de estimacion)
Todo metodo de estimacion de tener:
una media de los errores aprox. cero (unbiased)
una pequeña varianza de los errores, los cuales
deben de estar concentrados alrededor de la
media de los errores
Error de Estimacion (2)
E = Z* - Z
pero, m(x+y) = m(x) + m(y)
entonces, m(E) = m(Z*) – m(Z)
no bias significa: m(Z*) = m(Z)
entonces, m(E) = 0
Suma de Pesos (1)
n
Z * wi zi
i 1
w Avg( g )
i 1
i i Avg( Z x )
n
w
i 1
i m m
n
w
i 1
i 1
Varianza de Estimacion (1)
se puede demostrar que la varianza de estimacion se puede
calcular en funcion del modelo de variograma:
E2 2 (vi ,V ) (V ,V ) (vi , v j )
donde:
(v,V) es el variograma promedio entre las
muestras y el bloque
(V,V) es el variograma promedio entre
todos los puntos del bloque
(v,v) es el variograma promedio entre las
muestras
es decir, depende de:
la configuracion de las muestras relativas
al bloque
del tamaño del bloque
Varianza de Estimacion (2)
Se puede demostrar que la varianza de estimacion:
E2 2 (vi ,V ) (vi , v j ) (V ,V )
se puede calcular de acuerdo a:
E2 2 i (vi ,V ) i j ij (V ,V )
i j
w (v , v ) (v , V )
i 1
i i j i
n
wi 1
i 1
μ es el parametro de Lagrange
Varianza de Estimacion (2)
Cuando los pesos satisfacen las condiciones
anteriores, la varianza de estimacion (llamada
tambien la varianza de Kriging) se puede calcular de
la siguiente manera:
n
OK
2
wi (vi ,V ) (V ,V )
i 1
interpretacion de la “kriging variance”
la “kriging variance” (σ2OK) es un estimador del error
de estimacion
σ2OK depende solo de la configuracion geometrica de
los datos; en general, subestima el error real de
estimacion
σ2OK es una funcion del modelo (en especial del
variograma); errores en el modelo no se reflejan en
σ2OK
interpretacion de la “kriging variance”
si se usa correlograma, variograma estandarizado o
relativo, se debe de re-escalear para calcular la
varianza de estimacion
σ2OK = σ2est_corr x σ2
σ2OK se puede utilizar para diseñar campañas de
perforacion que minimicen el error (en especial
cuando no hay muchos datos)
Simple Kriging y Ordinary Kriging
Simple Kriging & Ordinary Kriging
el estimado de un bloque se puede calcular en
funcion de la siguiente ecuacion:
n
Z u wi (vi mi ) mu
*
i 1
para SK, mi = m(u) = m, constante sobre todo el
dominio, y conocido (“dominio estacionario”); puede
usar media localmente variable
para OK, mi = m(u) ≠ m, variable dentro del dominio
total, pero localmente constante pero desconocido
(“dominio localmente estacionario”)
Simple Kriging & Ordinary Kriging
en SK los pesos no estan limitados a que sumen 1
la variable wmSK es el “peso de la media de SK” y se
calcula de acuerdo a:
n
SK
wm 1 SK
wi
i 1
n SK
*
Z OK u wi vi mOK u mOK u
i 1
n SK n
SK
*
Z OK u wi vi 1 wi mOK u
i 1 i 1
Simple Kriging & Ordinary Kriging
en resumen, la relacion entre SK y OK es:
*
Z OK u Z SK
*
u wmSK mOK u m
en general:
Z*OK < Z*SK en areas de ley menor al promedio
Z*OK > Z*SK en areas de ley mayor al promedio
w (v , v ) (v , V )
i 1
i i j i
S1 X V X S2
n
wi 1 S3 X
i 1
2 N k ,h
k i k i
i x i x h
2
i 1
blowouts
puede pasar con cualquier interpolador lineal
se puede limitar por capping o durante el kriging
necesita control geologico/dominios
MineSight Issues
“big box” vs elipsoide de busqueda
ejes de elipsoide de busqueda
rotaciones
QAQC de Interpolacion
Chequear:
compositos
codificacion bloques y compositos
kriging plan
seteo de la interpolacion
MineSight run reports