Modelamiento Geológico Estocástico con Simulación Geoestadística

Abstract

El modelamiento geológico es esencial para la evaluación de recursos, el diseño, la planificación minera y la definición del proceso metalúrgico a utilizar, dado que determina la extensión volumétrica y distribución espacial de unidades geológicas o geotécnicas que influyen de forma determinante sobre los procesos mencionados. Tradicionalmente, los modelos geológicos se elaboran de forma determinística, es decir, su construcción se basa en el conocimiento y experiencia de un especialista que asigna el valor de un atributo geológico a un determinado volumen, lo cual impide la cuantificación de la incertidumbre asociada al modelo generado. Por otra parte, si bien los algoritmos convencionales de simulación permiten la cuantificación de incertidumbre, las relaciones espaciales complejas y curvilíneas de las variables geológicas no pueden ser inferidas mediante estadísticas basadas en pares de puntos.

Este trabajo se centra en la aplicación del algoritmo Single Normal Equation Simulation (SNESIM) de simulación de patrones con el fin de generar modelos estocásticos de litologías del depósito Escondida Norte. Se pretende estudiar la aplicabilidad del método a un depósito de tamaño real y mejorar la caracterización de la incertidumbre respecto a la extensión volumétrica y ubicación espacial de unidades geológicas. Adicionalmente se estudia la influencia de la representatividad de la imagen de entrenamiento y de la cantidad de datos disponibles para condicionar las realizaciones sobre la calidad de los modelos obtenidos.

Se consideran cuatro casos de estudio resultantes de la combinación del uso de dos imágenes de entrenamiento distintas y de la incorporación de proporciones locales de litologías como dato de entrada a las simulaciones, con el fin de incorporar el concepto de no estacionaridad. En cada caso se utilizan 5 selecciones con número creciente de sondajes para condicionar los modelos. Los sondajes restantes son utilizados para la validación de los modelos generados.

Para cada caso, se calcula el acierto de las realizaciones sobre los datos reservados para tal efecto. Como regla general se demuestra la aplicabilidad del método a escala mina y la ventaja del uso de una imagen de entrenamiento representativa, de la cual sea posible la inferencia de las relaciones espaciales de la variable. Además es posible apreciar la influencia positiva que tiene sobre la calidad de los modelos la disponibilidad de un número significativo de datos condicionantes. Cabe destacar, que al usar el algoritmo estudiado, el impacto relativo del aumento de datos condicionantes es mayor cuando se dispone de un número reducido de ellos, por lo que la decisión de perforar nuevos sondajes debe evaluarse detenidamente considerando el costo que las campañas de exploración conllevan, especialmente si se cuenta con un modelo geológico conceptual de calidad del cual sea posible inferir estadísticas de patrones representativas.