Simulación Multipunto de Indicadores para la Caracterización de Variables Continuas

Abstract

La incorporación de técnicas que ayuden a modelar la incertidumbre de fenómenos espaciales en Geoestadística, ha impulsado en la última década la implementación de algoritmos que permitan realizar simulaciones generalmente basadas en funciones de probabilidad construidas a partir de las correlaciones espaciales entre dos puntos, sin embargo se han encontrado algunas con limitaciones con las reproducción de estructuras complejas. Algunas técnicas han implementado la utilización de múltiples punto para el modelamiento de variables categóricas.

El objetivo de esta memoria de título es investigar la aplicabilidad de un método de simulación de variables continuas que considere estadísticas de multipunto, el desafío consiste proponer una metodología e implementarla en un programa computacional.

En esta memoria de título se implementa computacionalmente un algoritmo de simulación basado en estadísticas multipunto aplicado a variables continuas. El programa propuesto se denomina MPISIM está construido con siete programas distintos, tres clases de objetos y veinte seis rutinas de ejecución en el lenguaje de programación Python.

El trabajo desarrollado fue validado con dos experimento denominados caso controlado y caso aleatorio, ambos muestras que la media de las realizaciones tiende al resultado esperado. Posteriormente se desarrollan trabajos para su aplicación a un deposito de cobre, caso que hemos denominado ejemplo sintético que consiste en reconstruir una imagen de entrenamiento a partir de muestras tomadas de esta imagen. Se realizan numerosos análisis de sensibilidad para interpretar el funcionamiento de la metodología propuesta. El algoritmo es capaz de reproducir la imagen de entrenamiento, sin embargo presenta algunas deficiencias en los resultados entre las que destaca sesgo en las reproducciones y ausencia de estructura.

Finalmente se realizan pruebas a un caso estudio real con datos de una operación minera, utilizando datos de sondajes y datos de pozos de tronadura, este experimento concluye con malos resultados, justificados por la metodología implementada para la construcción de la imagen de entrenamiento.