Show simple item record

Professor Advisordc.contributor.advisorMery Guerrero, Nadia
Authordc.contributor.authorPamiez Caro, Constanza Karina
Associate professordc.contributor.otherEmery, Xavier
Associate professordc.contributor.otherSoto Fernández, Fabián
Admission datedc.date.accessioned2025-03-03T21:13:24Z
Available datedc.date.available2025-03-03T21:13:24Z
Publication datedc.date.issued2024
Identifierdc.identifier.urihttps://repositorio.uchile.cl/handle/2250/203290
Abstractdc.description.abstractEn la minería es crucial la determinación de recursos y reservas minerales. En el caso particular de los depósitos ferríferos, la densidad de la roca juega un rol crucial en la cuantificación de recursos minerales dado que ésta posee una fuerte correlación con la ley de hierro. Sin embargo, la densidad es una variable que suele ser calculada mediante ecuaciones o no es considerada en la cuantificación de recursos. Estas decisiones no toman en cuenta la variabilidad real de éstos. Esto puede traer impactos negativos en etapas aguas abajo, la toma de decisiones estratégicas y la sostenibilidad de las operaciones. La motivación de este trabajo radica en evaluar el impacto y validez del uso de ecuaciones para determinar la densidad en la estimación de recursos minerales de un yacimiento de hierro. Para esto, se usa como caso de estudio el depósito de óxido de hierro-fosfato (IOA) Chah-Gaz ubicado en Irán. La metodología se basó en la revisión bibliográfica realizada, y por ende, se decide comparar métodos tradicionales y no tradicionales: kriging de ley de hierro, cokriging de variables aditivas (densidad y contenido de hierro), simulación de bandas rotantes de ley de hierro y machine learning (SVM). Los resultados indicaron que no existe un método que sea consistentemente superior. La variación de resultados en la cuantificación de recursos no supera el 10% entre enfoques, para los recursos y reservas recuperables. El kriging de Fe (Enfoque 1) fue la metodología que presentó el peor desempeño, y se explica porque no considera la aditividad. En general, se demostró a través de los resultados y matemáticamente que el cokriging presenta mejores resultados que el kriging para la estimación de recursos. Por su parte, el machine learning mostró un desempeño comparable al cokriging, capturando patrones complejos en los datos de forma eficiente. Como principal conclusión es que no existe una metodología que sea tajantemente superior. Adicionalmente, la incorporación de la densidad sí supone una cuantificación más precisa de los recursos y reservas, a diferencia de no hacerlo. En trabajos futuros se recomienda evaluar la posibilidad de una cuantificación de recursos multi-enfoque.es_ES
Patrocinadordc.description.sponsorshipEste trabajo ha sido financiado por el proyecto ANID PIA AFB230001 (AMTC)es_ES
Lenguagedc.language.isoeses_ES
Publisherdc.publisherUniversidad de Chilees_ES
Type of licensedc.rightsAttribution-NonCommercial-NoDerivs 3.0 United States*
Link to Licensedc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
Títulodc.titleComparación de metodologías para la determinación recursos minerales en un yacimiento de hierro considerando la densidad de rocaes_ES
Document typedc.typeTesises_ES
dc.description.versiondc.description.versionVersión original del autores_ES
dcterms.accessRightsdcterms.accessRightsAcceso abiertoes_ES
Catalogueruchile.catalogadorchbes_ES
Departmentuchile.departamentoDepartamento de Ingeniería de Minases_ES
Facultyuchile.facultadFacultad de Ciencias Físicas y Matemáticases_ES
uchile.carrerauchile.carreraIngeniería Civil de Minases_ES
uchile.gradoacademicouchile.gradoacademicoLicenciadoes_ES
uchile.notadetesisuchile.notadetesisMemoria para optar al título de Ingeniero Civil de Minases_ES


Files in this item

Icon

This item appears in the following Collection(s)

Show simple item record

Attribution-NonCommercial-NoDerivs 3.0 United States
Except where otherwise noted, this item's license is described as Attribution-NonCommercial-NoDerivs 3.0 United States