Aplicación de la Teoría Maximum/Minimum Autocorrelation Factors (MAF) para la Cosimulación de Leyes en Yacimientos Minerales

Abstract

En el ámbito minero, los estudios geoestadísticos multivariables para la estimación de recursos son complejos, ya que necesitan modelar no solamente la continuidad espacial de cada variable sino que también las dependencias entre ellas.

En investigaciones recientes, se ha desarrollado una técnica llamada maximum/minimum autocorrelation factors (MAF) para simplificar dichos estudios, creando nuevas variables (factores) descorrelacionadas a dos distancias diferentes de separación, mediante una combinación lineal de las variables originales. En ciertos casos estos factores pueden considerarse como totalmente independientes, reduciendo así el problema de modelamiento multivariable a una serie de problemas univariables.

En este trabajo se presentan y comparan la técnica de cosimulación de leyes vía MAF y la forma tradicional, para determinar sus ventajas y desventajas. Se estudia dos bases de datos, correspondientes a un yacimiento de cobre y otro de fierro.

Se usa como referencia la forma tradicional de cosimular múltiples variables, la que consiste en transformar las variables originales en variables Gaussianas, ajustar un modelo lineal de corregionalización (variogramas simples y cruzados), generar realizaciones y condicionarlas a los datos por cokriging. En el caso MAF, se simula cada uno de los factores independientes y luego se recombinan para obtener las variables originales.

Se concluye que la cosimulación vía MAF tiene varias ventajas sobre la cosimulación tradicional: se simplifica el problema de modelamiento (sólo se debe ajustar los variogramas simples de los factores MAF, en lugar de un modelo de corregionalización completo) y se reduce el tiempo de simulación. En los casos estudiados, la cosimulación vía MAF reproduce bastante bien las distribuciones univariables, correlaciones espaciales y la correlación cruzada entre las variables corregionalizadas a simular.

Sin embargo, el principal inconveniente proviene de la pérdida de información en la presencia de muestreos heterotópicos, cuando no todas las variables son conocidas en las mismas ubicaciones. La información en las ubicaciones donde no se conoce alguna variable se pierde por completo, por lo que la cosimulación vía MAF no está condicionada a todos los datos originales. En cambio, la cosimulación tradicional no sufre de este inconveniente, por lo que resulta ser más versátil en cuanto al manejo de bases de datos heterotópicos.