Kriging y simulación secuencial de indicadores con proporciones localmente variables

Abstract

En la actualidad, los modelos geológicos son generalmente construidos de modo determinístico, imposibilitando la cuantificación de la incertidumbre asociada. Si bien en la minería se le da mayor enfoque a variables continuas como las leyes minerales, un estudio previo de variables categóricas provee subdivisiones con mayor homogeneidad geológica y estadística. Además se es capaz de agregar información importante sobre procesos mineros posteriores. El kriging de indicadores con proporciones localmente variables posee una limitante teórica que se pretende mejorar con este estudio. Este método utiliza sólo un variograma global para cada indicador. Dada la influencia que se tiene de las medias de los indicadores sobre su varianza, la meseta del variograma varía con esta media, lo que no se está considerando. Se propone un método que sí considere estas variaciones, utilizando una variable indicador transformada, más específicamente, a la variable indicador se le resta su media variable para centrar en cero, y además se estandariza para eliminar el efecto del cambio de varianza. El análisis se lleva a cabo a través de dos casos de estudio. El primer estudio consta de la estimación por kriging de indicadores tradicional y con la mejora propuesta, sobre una base de datos sintética con un indicador. A este caso también se le realiza un análisis de sensibilidad para revisar los resultados. El segundo caso de estudio consta de la simulación secuencial de indicadores sobre una base de datos real de una veta, contando con información de un muestreo por canales. Se comparan ambas metodologías y se validan los modelos a través de jack-knife. De las estimaciones resultantes del primer caso, se hace un estudio de los errores promedio y varianza del kriging promedio. Los resultados para ambas metodologías son similares, a excepción de la varianza del kriging, la cual para el método propuesto presenta menores valores y una alta influencia de la media del indicador. Este resultado se mantiene a pesar de disminuir los datos muestreados y cambiar el variograma de los datos sintéticos. Las simulaciones del caso de estudio real, en ambas metodologías, resultaron similares. De acuerdo a un análisis de errores cuadráticos, se simularon más bloques con menor error para la metodología propuesta que en la tradicional. Mediante un jack-knife se validan los modelos y se comparan sus porcentajes de aciertos. Ambas metodologías poseen porcentajes de aciertos iguales, incluso con distintos modelos variográficos. En conclusión, si bien el método propuesto muestra mejoras respecto al método tradicional, estas no son lo suficientemente significativas como para declararlo mejor método. Ambas metodologías presentan resultados de alto porcentaje de acierto, pero entre sí son muy similares. A pesar de esto, el nuevo método presenta las ventajas de tener mayor respaldo teórico, menores tiempos de simulación y una mejor cuantificación de los errores de estimación a través de la varianza del kriging.