UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERA
ESCUELA ACADMICO PROFESIONAL DE INGENIERA
DE MINAS
KRIGING PUNTUAL Y KRIGING EN
BLOQUES
CURSO
Geoestadstica.
DOCENTE
Ing. Wilder Chuquiruna
INTEGRANTES
CASTILLO MORENO, Keylor.
MOSQUEIRA VILLAR, Paola
MUJICA CABRERA, Juan
PERALTA RODAS, Pool.
TERAN TOLEDO, Fernando.
VASQUEZ MACEDO, Michael.
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERA
Escuela Acadmico Profesional de Ingeniera de Minas
ndice
INTRODUCCIN.....................................................................................3
OBJETIVOS............................................................................................ 3
2.1 OBJETIVOS GENERALES:............................................................................................. 3
2.2 OBJETIVOS ESPECFICOS:............................................................................................ 3
MARCO TERICO...................................................................................4
3.1 DEFINICIN KRIGING................................................................................................. 4
3.2 CLASIFICACIN
DE LOS DIFERENTES TIPOS DE
KRIGING.....................................................5
3.2.1
Segn la forma del estimador......................................................................5
3.2.2
Segn el soporte de la medicin de los datos..............................................5
3.2.3
Kriging paramtrico y no paramtrico..........................................................6
3.3 OBJETIVO
DEL
KRIGING.............................................................................................. 6
KRIGING PUNTUAL................................................................................7
EJERCICIO RESUELTO.............................................................................9
KRIGING EN BLOQUES.........................................................................13
6.1 MODELO
6.2
DE CAPA................................................................................................... 16
ECUACIONES
DE KRIGING DE BLOQUES....................................................................17
EJERCICIO RESUELTO...........................................................................18
CONCLUSIONES...................................................................................31
REFERENCIAS BIBLIOGRFICAS............................................................31
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERA
Escuela Acadmico Profesional de Ingeniera de Minas
2 Introduccin
La geoestadstica ofrece un mtodo de estimacin de reservas, usando
el variograma, llamado
krigeado, se utiliza en la evaluacin de
yacimientos para estimar el valor de una variable regionalizada, en un
punto o en un bloque, a partir del uso de factores de ponderacin.
Se considera al mtodo de kriging del tipo MELI (Mejor Estimador Lineal
Insesgado) o ELIO (Estimador Lineal Insesgado ptimo): es lineal porque
sus estimaciones son combinaciones lineales ponderadas de los datos
existentes; y es insesgado porque procura que la media de los errores
sea nula; es el mejor porque los errores de estimacin tienen
una variancia mnima.
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERA
Escuela Acadmico Profesional de Ingeniera de Minas
3 Objetivos
3.1 Objetivos Generales:
Definir e interpretar el Kriging puntual y en bloques.
3.2 Objetivos Especficos:
Definir la clasificacin de los diferentes tipos de kriging.
Desarrollar un ejercicio de Kriging puntual.
Desarrollar un ejercicio de kriging en bloques.
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERA
Escuela Acadmico Profesional de Ingeniera de Minas
4 Marco Terico.
4.1 Definicin Kriging.
El krigeaje o krigeado es un mtodo geoestadstico de estimacin de
puntos. Utiliza un modelo de variograma para la obtencin de los
ponderadores que se darn a cada punto de referencias usados en la
estimacin. Esta tcnica de interpolacin se basa en la premisa de que
la variacin espacial contina con el mismo patrn. Fue desarrollada
inicialmente por Danie G. Krige a partir del anlisis de regresin entre
muestras y bloques de mena, las cuales fijaron la base de la
geoestadstica lineal.
4.2 Clasificacin de los diferentes tipos de Kriging.
El mtodo se caracteriza por ser el mejor estimador lineal,
insesgado de la variable.
Mejor: porque los factores de ponderacin se determinan de tal
forma, que la varianza de estimacin es mnima .
Lineal: porque es una combinacin lineal de la informacin.
Insesgado: por que en promedio el error es nulo.
4.2.1 Segn la forma del estimador.
Lineales:
-
Simple.
Ordinario.
Universal.
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERA
Escuela Acadmico Profesional de Ingeniera de Minas
-
Residual
No lineales:
-
Disyuntivo
Indicador
Probabilstico
4.2.2 Segn el soporte de la medicin de los datos.
Puntual.
En bloques.
4.2.3 Kriging paramtrico y no paramtrico.
Paramtrico:
-
Multigaussiano.
Disyuntivo.
Lognormal.
No paramtrico:
-
Simple
Ordinario
Universal
Residual
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERA
Escuela Acadmico Profesional de Ingeniera de Minas
-
Indicador
Probabilstico.
4.3 Objetivo del Kriging.
El objetivo del Kriging es interpolar la ley a partir de muestras que lo
rodean, asignando pesos a cada muestra que reduzca al mnimo la
varianza de estimacin, se interpreta la ley con la mxima precisin
posible.
La precisin de la estimacin depende de varios factores:
Del nmero de muestras y de la calidad de la data en cada punto.
De la posicin de las muestras con respecto al punto a estimar.
De la distancia entre muestras y con el punto a estimar.
De la continuidad espacial de los valores de las muestras.
Para poder llegar a la definicin de Kriging, es necesario dejar claro la
definicin de la varianza de estimacin. A continuacin se presenta
la deduccin de las varianza de estimacin simulando las
ocurrencias de una funcin aleatoria con resultados de anlisis
qumicos al interior de un bloque.
Imagen N 1. Kriging
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERA
Escuela Acadmico Profesional de Ingeniera de Minas
5 Kriging puntual.
El krigeage puntual o krigeage ordinario; a diferencia del kriageage
simple
que
asume
que
las
medias
locales
son
relativamente
constantes y de valor muy semejante a la media de la poblacin que
es conocida, la media de la poblacin es utilizada para cada estimacin
local, en conjunto con los puntos vecinos establecidos como necesarios
para la estimacin. En el Kriageage puntual las medias locales no son
necesariamente prximas de la media de la poblacin, usndose
apenas los puntos vecinos para la estimacin. Es el mtodo ms
ampliamente utilizado en los problemas ambientales.
Es un interpolador exacto en el sentido de que las ecuaciones
calculadas las utiliza para interpretar los valores y habr una
coincidencia exacta entre los valores interpolados y los puntos de
datos originales.
El mayor inters que presenta el krigeage puntual es que permite
obtener una serie de valores estimados a los cuales, posteriormente,
se les puede ajustar una serie de lneas de isocontenidos, por ejemplo
para las leyes o potencias del nivel mineralizado.
En algunas ocasiones, en vez de estimar la ley media de un bloque V,
interesa estimar la ley en un punto x0 (problema de interpolacin).
Corresponde al caso particular en que el volumen V tiende a cero. Se
obtiene el sistema siguiente:
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERA
Escuela Acadmico Profesional de Ingeniera de Minas
Imagen N 2. Krigeado del punto x0. Se puede generar una grilla de valores interpolados al
hacer variar x0. Esta tcnica tiene aplicacin en la cartografa automtica y en la
simulacin de leyes.
6 Ejercicio resuelto.
El cuadrillado representa sondajes en los puntos X1, X2, X3, X4, con
leyes de 3,2%; 2,5%; 4,0% y 1,5% respectivamente. Se desea conocer la
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERA
Escuela Acadmico Profesional de Ingeniera de Minas
ley en el punto X0, sabiendo que el variograma asociado corresponde a
un modelo esfrico con las siguientes caractersticas: Co = 2, C = 20 y a
= 200 m.
Imagen N 3.
Ejercicio
Kriging
puntual
Solucin
El problema
resuelve de la siguiente manera:
a) Modelo esfrico se define como.
Nos indica lo siguiente:
(C)
= 20
(C0) = 2
(a) = 200m
b) Definir los elementos de las matrices.
Se trata de resolver el sistema de ecuaciones :
se
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERA
Escuela Acadmico Profesional de Ingeniera de Minas
[ ]= [ K ] [M 2]
Clculo de los elementos de la matriz [M2]
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERA
Escuela Acadmico Profesional de Ingeniera de Minas
Clculo de los elementos de [K ]
Se tiene que:
De la misma manera que en a) calculemos los trminos
siguientes:
Sacar la inversa de [K]
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERA
Escuela Acadmico Profesional de Ingeniera de Minas
-0.058
0.03
2
0.007
0.019
0.14
9
0.032
0.05
0
0.014
0.004
0.23
9
0.007
0.01
4
0.033
0.012
0.30
8
0.019
0.00
4
0.012
0.036
0.30
5
[K ]
c)
0.149
0.23
9
0.308 0.305
14.4
89
Calcular los valores
de i.
[ ]= [ K ] [M 2]
-0.058 0.032 0.007
0.019 0.149
9.34
0.032
0.050 0.014
0.004 0.239
17.02
0.007
0.014 -0.033 0.012 0.308
0.019
0.004 0.012 -0.036 0.305
0.149
14.48
0.305
9
3
4
0.239 0.308
Al resolver se obtiene:
Se verifica que:
0.518
0.022
0.089
0.371
0.915
20.28
12.17
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERA
Escuela Acadmico Profesional de Ingeniera de Minas
d) Calcular la ley.
La ley en Xo ser: 0,518*3.2 + 0,022*2.5 + 0,089*4.0 +
0,37*1.5 = 2,6%
7 Kriging en bloques.
El mtodo ms usado en la modelacin de recursos consiste en la
discretizacin del espacio 3D en bloques o celdas tridimensionales. Cada
celda contiene los atributos (litologa, tipo de mineralizacin etc.) y las
mediciones (leyes, propiedades fsico mecnicas) del dominio geolgico
en que se encuentra. Los atributos de los bloques se determinan sobre la
base de la interseccin con el modelo geolgico o su posicin respecto a
una superficie triangulada y las leyes a travs de la estimacin con
tcnicas de interpolacin espacial.
Imagen N 4. Modelo de bloques.
Peso de las muestras (%)
Ley
estimada
del bloque
1.6%
3.1%
2.8%
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERA
Escuela Acadmico Profesional de Ingeniera de Minas
1
44.8
34.7
20.5
2.37
55.2
33.2
11.6
1.34
64.0
29.9
6.1
2.12
Coordenadas de las muestras.
1.6 = (10 ; 40)
2.8 = (90 ; 0)
3.1 = (-40 ; -35)
El primer modelo de bloque fue utilizado a comienzos de los aos 60 por
la Kennecott Koper Corporation en un depsito de prfido cuprfero. Se
emple para describir la distribucin espacial de las leyes y no la
geometra de los dominios geolgicos.
Cada bloque debe contener toda la informacin disponible en las fases
de
desarrollo
de
un proyecto:
litologa-mineraloga,
contenidos
de metales, calidades en el caso del carbn y rocas industriales,
contenidos
de
contaminantes,
parmetros
geomecnicos,
datos
hidrogeolgicos, etc.
Para definir el modelo de bloque es necesario establecer los siguientes
parmetros:
Posicin del modelo: se especifica a partir de las coordenadas del
centroide del bloque llave (key block).
Extensin del modelo en las distintas direcciones X, Y, Z (debe ser
lo suficientemente grande para enmarcar la regin de inters)
Dimensiones de las celdas o bloques por la X, Y y Z.
Orientacin del modelo definido (ngulo de inclinacin y el azimut)
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERA
Escuela Acadmico Profesional de Ingeniera de Minas
Conjunto de variables a almacenar en el modelo con sus
correspondientes formatos: ley de los distintos metales, peso
volumtrico, litologa, tipo tecnolgico de mena etc.
Con el objetivo de alcanzar una mayor resolucin del modelo de bloque
en los lmites de los cuerpos minerales se utilizan bloques (sub bloques)
con dimensiones menores que los originales. El modelo de bloques
puede ser rotado y orientado de manera que se ajuste a la estructura
geolgica y respete los elementos de yacencia del yacimiento estudiado.
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERA
Escuela Acadmico Profesional de Ingeniera de Minas
Imagen N 5. Parmetros que definen el modelo de bloque: Posicin del bloque llave (Xmorg, Ymorg, Zmorg),
dimensiones del bloque (dx, dy, dz), extensin del modelo (X (nx), Y (ny), Z (nz).
Un aspecto de primordial importancia en el modelo de bloque lo
constituye la seleccin de las dimensiones del bloque. Lo ideal en este
caso es que el tamao del mismo coincida con la unidad de seleccin
minera que ser empleada durante la explotacin del yacimiento, sin
embargo en muchas ocasiones esto no es posible pues no se cuenta con
la densidad suficiente de informacin. Cabe destacar tambin que al
disminuir el tamao del bloque se aumenta el error de estimacin, es
decir, su ley se determina con un alto grado de incertidumbre. Ahora
bien, al aumentar el tamao del bloque las leyes son emparejadas
artificialmente. Segn la teora geoestadstica por lo menos un tramo del
pozo debe quedar dentro de cada bloque, y que estos tramos estn uno
del otro a una distancia menor que el alcance del variograma, o sea,
dentro de la distancia que se estima que una muestra tiene influencia
sobre la otra.
Este enfoque terico en muchos casos no es prctico desde el punto de
vista tcnico (demasiados sub-bloques para poder respetar los lmites
del modelo geolgico y lograr una buena precisin en el clculo del
volumen, distintas redes de exploracin etc.) y generalmente se prefiere
examinar el yacimiento en unidades de seleccin ms pequeas. Por
esta razn se asume la siguiente regla ampliamente manejada en
la literatura: el tamao del bloque puede ser tan grande como el
espaciamiento medio de la red y no debe ser menor a o 1/3 del
espaciamiento de esta (Houlding, 1994; Duke et. al., 1991).
La determinacin de las dimensiones ptimas del bloque depende
principalmente de:
Variabilidad de las leyes.
Continuidad geolgica de la mineralizacin.
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERA
Escuela Acadmico Profesional de Ingeniera de Minas
Tamao de las muestras y espaciamientos entre ellas.
Capacidades de los equipos mineros.
Taludes de diseo de la explotacin.
7.1 Modelo de capa.
Aunque el modelo de bloques es el ms empleado en la prctica este es
ms apropiado para depsitos de forma isomtrica. Para yacimientos
relativamente planos como pueden ser los yacimientos estratiformes y
tabulares, es preferible estimar las reservas en 2D, para lo cual se
proyecta el cuerpo en un plano, se contornea y delimitan los dominios
geolgicos, se superpone una matriz de bloque 2d y finalmente se
estima en cada bloque las variables de inters empleando el mtodo de
inverso de la distancia o kriging. Un procedimiento similar a este es el
mtodo de isolinea, con la diferencia de que en este caso se emplea un
mtodo ms sofisticado para la interpolacin espacial de las variables de
inters.
Otra variante para este tipo de yacimiento es continuar trabajando en
3D y emplear un modelo de capa o de lmina, el cual es muy similar al
modelo de bloque pero la Z de los bloques es variable y depende de la
altura ente el piso y el techo del cuerpo.
Se emplea en yacimientos donde su extensin horizontal es mucho
mayor que su dimensin transversal (espesor) y donde la variacin de la
ley en esa dimensin es despreciable o no se puede determinar (Filones,
vetas, yacimientos laterticos y aluviales).
Al igual que en el caso anterior hay que definir la posicin del modelo, su
extensin, dimensines de las celdas (X,Y) y las variables a almacenar.
La altura de la celda se define por la diferencia de las cotas (Z) de las
superficies trianguladas que definen el la unidad geolgica.
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERA
Escuela Acadmico Profesional de Ingeniera de Minas
7.2 Ecuaciones de kriging de bloques.
El valor promedio dentro del bloque es estimado por:
n
Z ( Vk )= iZ ( xi )
i=1
Del sistema de ecuaciones para el kriging ordinario se tiene:
Consecuentemente el vector del lado derecho de la igualdad en el
sistema de arriba debe modificarse para incluir las covarianzas respecto
al bloque. La covarianza de un punto al bloque corresponde a la
covarianza promedio entre el punto muestreado i y todos los puntos
dentro del bloque (en la prctica un enmallado regular de puntos dentro
del bloque es usado como se muestra en la figura de la pgina anterior).
El sistema de ecuaciones del kriging en bloques est dado por:
donde el vector de covarianzas al lado derecho de la igualdad en el
sistema anterior es contiene las covarianzas entre las variables Z(x1) , Z
(x2 ),., Z(xn) y el bloque A donde se quiere hacer la estimacin.
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERA
Escuela Acadmico Profesional de Ingeniera de Minas
La varianza del error de prediccin del kriging en bloques est dada por:
Igual a la covarianza
entre pares de puntos dentro del bloque.
Isaaks y Srivastava (1989) muestran a travs de ejemplos que el kriging
en bloques coincide con el promedio de predicciones hechas por kriging
ordinario sobre cada uno de los puntos del enmallado dentro del bloque.
As mismo indican que en la prctica es suficiente con un enmallado
cuadrado (6x6) para obtener estimaciones estables en los bloques.
7.3 Efecto de la Distancia.
Caso base y efecto del aumento en la distancia sobre los
ponderadores.
(h) 0,2 0,8 Sph(100)
Imagen N 6. Efecto de la distancia
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERA
Escuela Acadmico Profesional de Ingeniera de Minas
7.4 Efecto Pantalla y Anisotropa.
Efecto pantalla y de la anisotropa (Anis. Geom. 4 x 1) sobre los
ponderadores
(h) 0,2 0,8 Sph(100)
Imagen N 7. Efecto de pantalla y anisotropia
7.5 Efecto de Declusterizacin y Distancia.
Efecto de declusterizacin y distancia sobre los ponderadores.
(h) 0,2 0,8 Sph(100)
Imagen N 8. Efecto de Declusterizacin y Distancia.
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERA
Escuela Acadmico Profesional de Ingeniera de Minas
7.6 Cambio en efecto pepita.
Efecto sobre los ponderadores de un cambio en el efecto pepita.
Imagen N 9. Cambio en efecto pepita
7.7 Propiedades del Kriging.
Interpolacin exacta: la estimacin en un sitio con dato es igual al
valor del dato y la varianza de kriging en este sitio vale 0
Aditividad: la estimacin de la ley de un bloque es igual al
promedio de las estimaciones de leyes puntuales en este bloque
Suavizamiento: la dispersin de los valores estimados es menor
que
la
dispersin de los valores verdaderos, sobre todo en las zonas
donde hay pocos datos. En consecuencia, se tiende a subestimar
las zonas de altas leyes y sobreestimar las zonas de bajas leyes. El
kriging es inapropiado para evaluacin de procesos donde los
valores extremos son importantes ( simulaciones)
Insesgo y precisin: por construccin
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERA
Escuela Acadmico Profesional de Ingeniera de Minas
Sesgo condicional: el error promedio puede no tener esperanza
nula cuando se considera slo los sitios donde la ley estimada es
alta (o baja). En general, el sesgo condicional es pequeo si se usa
suficientes datos (>15)
Imagen N 10.
Sesgo condicional.
Al tener sesgo condicional, se incurre en una mala apreciacin del
negocio. La ley media del material mandado a planta (material cuya
estimacin supera una ley de corte) es inferior a la ley media estimada
de este material, mientras que la ley media del material mandado a
botadero es superior a la ley media estimada de este material.
Imagen N 11.
Suavisamiento
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERA
Escuela Acadmico Profesional de Ingeniera de Minas
7.8 Datos a utilizar en la estimacin.
Vecindad nica: se usa todos los datos
Vecindad mvil: se usa slo los datos cercanos al sitio (bloque) a
estimar
-
En general, se toma una vecindad en forma de elipse (2D) o
elipsoide (3D), orientado segn la anisotropa observada en el
variograma
Se suele dividir la vecindad en sectores angulares (cuadrantes
en 2D octantes en 3D) y buscar datos en cada sector
Los
radios
del
elipse
(elipsoide)
no
necesariamente
corresponden a los alcances del variograma, sino que se
definen de manera de poder encontrar suficientes datos para
hacer la estimacin.
7.9 Validacin del kriging.
Para validar los parmetros del kriging (modelo de variograma, vecindad
elegida), se puede usar los siguientes mtodos:
Validacin
cruzada:
se
estima
sucesivamente
cada
dato
considerando solamente los datos restantes
Jack-knife: se divide la muestra inicial en dos partes (por ejemplo,
cuando hay dos campaas de sondajes), y se estima una parte a
partir de la otra
Luego, se hace un estudio estadstico de los errores cometidos para
saber si el kriging fue satisfactorio (buena precisin, poco sesgo
condicional)
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERA
Escuela Acadmico Profesional de Ingeniera de Minas
Criterios de validacin:
Medias de los errores y de los errores estandarizados: deben ser
cercanas a cero estimador sin sesgo
Varianza de los errores: debe ser la ms baja posible estimador
preciso
Varianza de los errores estandarizados: debe ser cercana a 1 el
variograma cuantifica adecuadamente la incertidumbre
Nube de dispersin entre valores reales y estimados: la regresin
debe acercarse a la diagonal insesgo condicional
8 Ejercicio resuelto.
1. Mediante el mtodo del Kriging Ordinario, se tienen las ecuaciones
que debemos resolver:
Entonces, dividimos en 4 volmenes;
Resolvemos para V:
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERA
Escuela Acadmico Profesional de Ingeniera de Minas
Los trminos 4v y 1/V son iguales por lo tanto se eliminan;
Utilizando el esquema esfrico de Matheron, para la funcin H y las
coordenadas (0.6; 0.6), se obtiene aproximadamente el valor 0,630.
Luego:
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERA
Escuela Acadmico Profesional de Ingeniera de Minas
Entonces calculamos la ley segn la ecuacin III) ;
La varianza, segn la ecuacin IV) ;
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERA
Escuela Acadmico Profesional de Ingeniera de Minas
2.
Considere una regionalizacin de dos dimensiones que se caracteriza
por una funcin aleatoria de punto
Z (x)
que, como una primera
aproximacin, se supone que es intrnseca con un semivariograma
isotrpico estacionario: ( h )= (|h|) .Por ejemplo, Z (u, v) puede ser el
grosor vertical de una veta sedimentaria.
El valor medio Zv se calcula sobre un panel cuadrado
lxl
tamao
apoyo
V = ABCD
de
de la configuracin no simtrica de los cuatro datos de
cada uno, situados en
S 1 , (muestra central) y
(muestras perifricas) mostradas en la siguiente figura.
S 3 ,O 4 ,O5
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERA
Escuela Acadmico Profesional de Ingeniera de Minas
Por razones de simetra y un semivariograma isotrpico
datos
O4 y O5
(|h|)
los dos
reciben el mismo peso, y por lo tanto se pueden agrupar
para formar el conjunto
S 2= {O 4 O5 }
de apoyo
2 v . Por otra parte, los
datos S1 y S3 deben ser tratados por separado. El estimador lineal
considerado de este modo contiene tres pesos, es decir,
3
Z^ v = i Z ( Si )
i=1
Con
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERA
Escuela Acadmico Profesional de Ingeniera de Minas
O
O
+ Z ( 5)
Z ( 4)
1
Z ( S2 )=
2
El sistema de kriging se escribe como:
Valor medio sobre el soporte de datos,
(Las dimensiones del soporte
longitud
son neglectable con respecto a la
l ),
Donde H (L, l) denota una funcin auxiliar, que da la media del semivariograma
(h)
si un extremo del vector
se fija en una esquina
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERA
Escuela Acadmico Profesional de Ingeniera de Minas
de un rectangular de tamao Lxl y el otro extremo se mueve
uniformemente por el rea de la rectangular. Esta funcin se puede dar
analticamente para variogramas simples, los valores ms complicados
pueden ser ledos desde diagramas grficos.
Donde
F( L , l)
media de
(h)
es una funcin auxiliar similar H; que representa la
si los dos extremos de
a travs del rea del rectangular de tamao
se mueven uniformemente
( h) h L x l .
Para proceder ms lejos, un modelo lineal con efecto de pepita se
considera:
El efecto pepita
C0 ( 0 ) C0 (r)
soporte de datos
se caracteriza en la regularizacin sobre el
por una constante de pepita
constante de pepita en la regularizacin de apoyo
con respecto a la de apoyo
C ov= A /v . La
es despreciable
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERA
Escuela Acadmico Profesional de Ingeniera de Minas
Para el modelo estndar simple y lineal:
Las funciones auxiliares H y F pueden calcularse analticamente.
Tenemos:
Nuestros casos especiales son:
Los valores de la media variogramas ahora son:
Donde denota el tamao de
pequeo.
v , este trmino es nfimamente
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERA
Escuela Acadmico Profesional de Ingeniera de Minas
Se consideran tres casos:
C ov=1, wl=0
i.
El efecto pepita puro con
ii.
El efecto pepita parcial con
iii.
La ausencia del efecto pepita, con
C ov=0.5, wl=0.959
C ov=0, wl=1.918
Los valores anteriores de los parmetros
C ov , y
wl
se han elegido
con el fin de garantizar, en tres casos, una variacin de dispersin
constante de datos de soporte
en el panel V:
Para estos casos especiales realizamos los siguientes clculos.
i.
Efecto pepita puro:
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERA
Escuela Acadmico Profesional de Ingeniera de Minas
El sistema Krige sigue:
Despus de la eliminacin de
C o (0)
nos queda
Lo que da
La varianza del krigeado es:
Podemos ver que en este caso de efecto de pepita puro, los
pesos
son proporcionales al tamao del soporte. La ubicacin
no es importante.
ii.
Efecto pepita parcial:
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERA
Escuela Acadmico Profesional de Ingeniera de Minas
El sistema Krige sigue como:
C o (0) y el resultado del sistema nos da
Eliminamos la constante
S1
Se destaca que
que
2 x 3
iii.
obtiene el peso ms grande y que
. La varianza es
2k =.29 .
Sin efecto pepita:
La eliminacin de
1.918
+
C o (0)
da un sistema Krige
1.918 3
0.7338
es mayor
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERA
Escuela Acadmico Profesional de Ingeniera de Minas
1.918
+
1.918
2.712
1.918
+
2.712
2.001
2.001
+
2
+
+
Con la solucin:
Podemos ver que el centro de la muestra, incluso se pone un peso ms
alto.
En la siguiente tabla de resumen tambin vemos los resultados de otros
mtodos de estimacin. Uno se llama POLY (polgono de influencia), que
utiliza pesos positivos slo para las muestras que se encuentran en la
regin a ser estimado. Por lo tanto
1=1
2= 3=0 . Los mtodos del
inverso a la distancia e inverso a la distancia al cuadrado mtodos (ID e
ID2) dan el mismo peso a los tres datos perifricos
central
S1
(1 =.484)
3 =2 /2 . El valor
obtiene un mayor peso por ID2 ( 1=.727
. La distancia media desde
S1
que por ID
al panel ha sido tomado
como una cuarta parte de la diagonal, es decir,
l 2/4 .
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERA
Escuela Acadmico Profesional de Ingeniera de Minas
En
el
caso
estacionario,
estos
mtodos
estndar
aseguran
la
insesgamiento de la estimacin, ya que satisfacen la nica condicin
insesgada
i=1
, pero no lo hacen, por s mismos, proporcionan la
estimacin de varianzas
2E .
Para este propsito, es necesario caracterizar en alguna forma la
variabilidad espacial del fenmeno en estudio. El mtodo geoestadstico
es utilizar la funcin estructural
(h)
con la que se puede calcular la
varianza de estimacin de cualquier estimador lineal insesgado.
Efecto pepita
Puro
Parcial
Ausente
Kriging
Polgono
ID
ID2
.484
.727
.344
.182
.172
.091
.323
.553
.484
.727
.344
.182
.172
.091
.296
.339
.484
.727
.344
.182
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERA
Escuela Acadmico Profesional de Ingeniera de Minas
.172
.091
.27
.225
9 Conclusiones
El krigeage puntual a diferencia del kriageage simple que asume
que las medias locales son relativamente constantes y de valor
muy semejante a la media de la poblacin que es conocida.
El mtodo ms usado en la modelacin de recursos consiste en la
discretizacin del espacio 3D en bloques, cada celda contiene los
atributos (litologa, tipo de mineralizacin etc.) y las mediciones
(leyes, propiedades fsico mecnicas) del dominio geolgico en
que se encuentra.
Se desarrollaron dos ejercicios de Kriging puntual y kriging de
bloques.
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERA
Escuela Acadmico Profesional de Ingeniera de Minas
10 Referencias bibliogrficas
Proyecto de Evaluacin de Yacimientos - Clase N 6
Estimacin por Kriging Ordinario y Validacin del Modelo Estimado
GEOESTADSTICA APLICADA - UNIVERSIDAD NACIONAL AUTNOMA
DE MXICO.
UNIVERSIDAD NACIONAL AUTNOMA DE MXICO - UNIVERSIDAD
NACIONAL AUTNOMA DE MXICO
[Link]
