Simulación multi-puntos utilizando el algoritmo Filtersim: análisis de sensibilidad y casos de estudio

Abstract

La simulación de estructuras complejas de variables continuas basada en algoritmos de simulación multipuntos es un campo que comenzó su exploración hace no más de 20 años. La aplicación de estas técnicas en la caracterización de recursos de yacimientos mineros es aun escasa. No obstante, la propiedad de no suavizar las leyes estimadas lleva a reproducir la realidad de forma más fidedigna y, por consiguiente, tomar decisiones técnico-económicas con mejores resultados en los planes mineros. Dentro de los algoritmos multipuntos, FILTERSIM utiliza la generación de patrones estructurales a partir de la aplicación de filtros sobre imágenes de entrenamiento. El objetivo de la presente memoria es analizar la sensibilidad de FILTERSIM a su conjunto de parámetros de entrada. Para ello se desarrolló un caso de estudio sintético considerando como criterios de análisis tanto el tiempo de cómputo como la calidad de los resultados. Los parámetros con mayor impacto fueron el tamaño de la grilla, que infiere los patrones de comportamiento estructural desde la imagen de entrenamiento, y la función que asocia dichos patrones a los eventos condicionantes en la grilla simulada. Basado en los parámetros óptimos, como resultado del caso de estudio sintético, se decidió llevar a cabo un caso de estudio real, representado por datos de sondajes y posos de tronadura de un yacimiento cuprífero. Los resultados de la simulación fueron contrastados con las estimaciones mediante kriging ordinario. Se observó que la media de las realizaciones no tiende a la estimación de kriging, contradiciendo lo esperado. Por otro lado, los mapas de probabilidad entregaron un comportamiento de la variable similar al de los valores estimados mediante kriging. Finalmente, se proponen dos alternativas para incorporar la media local al proceso de simulación utilizando FILTERSIM. La primera consiste en intervenir la forma en que se asocia el patrón estructural más cercano al evento condicionante. La segunda busca alterar el proceso de agrupación de los patrones inferidos de la imagen de entrenamiento.