Validación de modelos numéricos en geociencias a partir de simulaciones geoestadísticas con énfasis en simulaciones multipunto

Abstract

Este documento aborda el tema de la validación de las simulaciones geoestadísticas empleadas para generar modelos numéricos en geociencias. Estos modelos son de gran importancia en la minería, toda vez que muchas de las decisiones que en esta industria se toman, parten del conocimiento generado por estas interpretaciones de la realidad. En ese orden de ideas, el documento examina el estado del arte en cuanto a diversas métricas empleadas para validar las simulaciones geoestadísticas, haciendo énfasis en las simulaciones multi-punto. En primer lugar se hace un recuento de diversas propuestas efectuadas por algunos autores quienes han presentado sus propuestas o enfoques relacionados con criterios que se deberían tener en cuenta al momento de validar este tipo de modelos. Esto se clasificó en 4 niveles de validación: un primer nivel de condicionamiento de los datos, un segundo nivel de validación de estadística, un tercer nivel de validación geoestadística y finalmente un nivel de validación de predicción. Se propone acorde a esto una metodología para abordar el tema, consistente en la aplicación a dos casos prácticos de diferentes métricas de validación para determinar su potencial uso en diferentes situaciones. Un primer caso está relacionado con una variable continua, la cual fue simulada a partir de información extraída de un modelo sintético realístico de plegamientos. Las simulaciones se efectuaron con dos tipos de algoritmos. El primero corresponde a un algoritmo paramétrico que emplea variogramas para su inferencia como es el caso de SGSIM (simulación secuencial gaussiana). El segundo es un algoritmo no paramétrico (simulación multi-punto) que usa una imagen de entrenamiento para inferir la función de distribución y simular las diferentes realizaciones (FILTERSIM simulación basada en puntuación por filtros). El segundo caso es una variable categórica de un modelo de formaciones aluviales, del cual fue extraída la información. En este caso se emplearon dos algoritmos no paramétricos. Uno de ellos es SISIM (simulación secuencial de indicadores) que emplea los variogramas de una variable indicador para inferir el modelo. El otro corresponde a SNESIM (simulación ecuación normal simple) que emplea una imagen de entrenamiento para determinar la función de distribución de probabilidad para poder generar el modelo. A partir de estas simulaciones se ponen en práctica diversas métricas para validar los modelos obtenidos, lo cual permite determinar el desempeño de estas en el proceso de validación. Con dicha información y a partir de revisar los supuestos fundamentales relacionados con la Estacionariedad de las variables y de la inferencia de los modelos, se hace una propuesta de pasos a seguir para validar un modelo a partir de simulaciones geoestadísticas.