¿ESTIMACIÃN O SIMULACIÃN?
¿ESTIMACIÃN O SIMULACIÃN?
¿ESTIMACIÃN O SIMULACIÃN?
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
MineSight<br />
Simulacion Condicional<br />
Simulación Secuencial Gaussiana<br />
Y Post-proceso
MSCS y MSPCS<br />
Introducción<br />
Objetivos de la simulación<br />
¿Simulación o estimación<br />
Usos tipicos<br />
Ejemplos de aplicaciones<br />
Corridas MSCS y MSPCS
SIMULACIÓN<br />
• ENTREGA MÚLTIPLES REALIZACIONES DE LA VARIABLE<br />
REGIONALIZADA<br />
• OFRECE MAPAS REALISTAS Y EQUIPROBABLES DEL<br />
COMPORTAMIENTO DE LA VARIABLE REGIONALIZADA:<br />
– REPRODUCE LA MISMA LEY MEDIA Y VARIANZA (HISTOGRAMA)<br />
– COMPORTAMIENTO ESPACIAL DE LOS DATOS DISPONIBLES<br />
(VARIOGRAMA)<br />
– RESPETA LOS VALORES EN LOS PUNTOS CONOCIDOS (MUESTRAS<br />
CONDICIONANTES)
OBJETIVOS DE LA SIMULACIÓN<br />
• PROPORCIONA UN CONOCIMIENTO DE LA<br />
REALIDAD LOCAL.<br />
• ENTREGA UNA PLATAFORMA ADECUADA PARA<br />
ESTUDIAR CUALQUIER PROBLEMA RELACIONADO<br />
CON LA VARIABILIDAD DE LA VA.<br />
• PERMITE CUANTIFICAR INCERTIDUMBRE, ES DECIR,<br />
CUANTO VARÍAN LOS ESCENARIOS.
¿ESTIMACIÓN O SIMULACIÓN<br />
• TIENE PROPÓSITOS DIFERENTES (SON<br />
HERRAMIENTAS COMPLEMENTARIAS):<br />
– LA ESTIMACIÓN ENTREGA UN VALOR ESPERADO QUE,<br />
SEGÚN PARÁMETROS DE CALIDAD, ES EL MÁS CERCANO<br />
AL VALOR REAL.<br />
– LA SIMULACIÓN PROPORCIONA UN MODELO DE<br />
INCERTIDUMBRE EN EL QUE SE REPRODUCEN LA<br />
VARIABILIDAD Y EL COMPORTAMIENTO ESPACIAL.
ESTIMACIÓN<br />
• PROPORCIONA UN MAPA PROMEDIADO DE LA<br />
REALIZAD, EL QUE PUEDE ESTAR<br />
SOBRESUAVIZADO…<br />
– LA INTENSIDAD DEL SUAVIZAMIENTO DEPENDE DE LA<br />
DENSIDAD DE MUESTREO<br />
– LA VARIANZA DE KRIGING NO MIDE TODAS LAS CAUSAS DE<br />
INCERDITUMBRE (NO CONSIDERA EL EFECTO PROPORCIONAL)
Estimación<br />
Simulación
PERFILES: REAL, ESTIMADO Y SIMULADO<br />
línea gruesa= realidad, línea normal= simulación condicionada,<br />
línea entrecortada=krigeado, o= datos condicionantes)
SIMULACIÓN EN MINE SIGHT<br />
Simulación secuencial gausiana.<br />
Simulacion secuencial de indicador
Simulación en Mine Sight<br />
- Análisis exploratorio de los datos EDA.<br />
- Desagrupamiento de datos.<br />
- Transformación Normal Score.<br />
- Despiking.<br />
-Variografia.<br />
-SGS / SIS.<br />
-Transformación a datos reales
Simulacion en Mine Sight<br />
Detalles de implementación<br />
• En la práctica, se restringe los valores condicionantes<br />
(datos iniciales + valores previamente simulados) a los<br />
más cercanos del sitio a simular, es decir, se usa una<br />
vecindad móvil en lugar de una vecindad única.<br />
• Esto provoca imprecisión, que requiere ciertos<br />
“trucos” para minimizar sus efectos:<br />
• aleatorización del orden de los sitios a simular.<br />
• grillas múltiples: simular en una malla amplia, luego<br />
refinar.<br />
• Clásicamente, se usa kriging simple, puesto que los<br />
datos Gaussianos tienen media conocida (= 0). Se<br />
puede también relajar la hipótesis de media conocida<br />
y usar kriging ordinario
Pasos para realizar una SCSG<br />
1) Desagrupamiento de los datos originales<br />
2) Transformación de los datos a valores Gaussianos<br />
3) Análisis variográfico de la Gaussiana<br />
4) Simulación de la función aleatoria Gaussiana<br />
• condicionamiento a los datos Gaussianos disponibles<br />
5) Transformación Gaussiana inversa, para volver a la variable<br />
original
SIMULACIÓN<br />
PASO-1<br />
Desagrupar los datos para tener un histograma<br />
representativo de los datos originales<br />
Método de las celdas<br />
Método de los polígonos de influencia<br />
||
SIMULACIÓN<br />
PASO-2
SIMULACIÓN<br />
PASO-2<br />
Transformar los datos a una<br />
Gaussiana N(0,1)<br />
• Generalmente, los datos tienen una<br />
distribución asimétrica, distinta a la Gaussiana.<br />
• Como primer requerimiento, es necesario<br />
realizar una anamorfosis Gaussiana<br />
Z(x) = f [Y(x)]
Z(x) = f [Y(x)]<br />
Se trabaja sobre los histogramas acumulados, luego F[Z(x)] = G[Y(x)]
SIMULACIÓN<br />
PASO-3<br />
Modelamiento variográfico de la variable<br />
transformada
SIMULACIÓN<br />
PASO-4<br />
• Ir a una posición u y efectuar un kriging para obtener la media<br />
y varianza de kriging correspondiente:<br />
Y*(u) = Σ β=1,n λ β . Y(u β )<br />
σ 2 SK(u) = C(0) - Σ α=1,n λ α . C(u,u α )<br />
• Obtener un residuo aleatorio R(u) que siga una distribución<br />
normal con media 0.0 y varianza s 2 KS(u)
SIMULACIÓN<br />
PASO-4<br />
• Sumar el valor estimado y el residuo para obtener el valor<br />
simulado:<br />
Y s (u) = Y*(u) + R(u)<br />
• Y s (u) también puede obtenerse equivalentemente a partir de<br />
una distribución normal con media Y*(u) y varianza s 2 SK(u)<br />
• Una idea clave de simulación secuencial es usar los valores<br />
previamente simulados como datos con la finalidad de<br />
reproducir la covarianza entre todos los valores simulados<br />
• Visitar todas las posiciones en orden aleatorio
SIMULACIÓN<br />
PASO-5 Transformación de vuelta
PANELES<br />
Transformar la variable original a NS:<br />
0=No realiza transformación.<br />
1=Transforma la variable original a NS, simula y transforma<br />
de vuelta (NS a datos originales).<br />
2=No transforma a variable original a NS (asume que es NS)<br />
y la transforma de vuelta.
RESULTADOS DE LA SC<br />
SIM1 SIM20 SIM50
HISTOGRAMAS MUESTRAS<br />
&SIMULACIONES
SIMULACIÓN-POST PROCESO<br />
Simulación<br />
múltiples modelos numéricos<br />
¿Qué hacer con las simulaciones generadas<br />
Post-proceso de las realizaciones
SIMULACIÓN-POST PROCESO<br />
ALTERNATIVAS DE POST-PROCESO<br />
ARCHIVO DE ENTRADA: SIMULACIONES<br />
LIMITE DE ÁREA PARA POST-PROCESSING
SIMULACIÓN-POST PROCESO<br />
ITEMS DE LOS<br />
VALORES SIMULADOS<br />
PARA EL POST-<br />
PROCESO:<br />
•INGRESO UNO AUNO<br />
•POR LOTES
SIMULACIÓN-POST PROCESO<br />
Limitaciones de<br />
selección
SIMULACIÓN-POST PROCESO<br />
OPTION=1<br />
E-TYPE MEAN & CONDITIONAL VARIANCE<br />
ALMACENA EL PROMEDIO Y<br />
LA VARIANZA CONDIONAL A<br />
PARTIR DE LAS<br />
N-SIMULACIONES
SIMULACIÓN-POST PROCESO<br />
OPTION=2<br />
PROBABILITY TO EXCEED CUTOFF<br />
CALCULA LA PROBABILIDAD DE CADA BLOQUE O NODO<br />
DE EXCEDER UNA DETERMINADA LEY DE CORTE.<br />
ADEMAS CALCULA EL PROMEDIO DE LOS NODOS POR<br />
SOBRE Y BAJO LA LEY DE CORTE
SIMULACIÓN-POST PROCESO<br />
OPTION=3<br />
Z-PERCENTILE FOR A CDF VALUE<br />
1.0<br />
Fda Bloque X<br />
p [0,1]<br />
0.9<br />
0.8<br />
0.7<br />
0.6<br />
0.5<br />
0.4<br />
0.3<br />
ENTREGA EL<br />
PERCENTIL-Z PARA UN<br />
VALOR DADO DE LA FDA<br />
0.2<br />
ENTREGA 0.1 EL VALOR DE LA LEY CORRESPONDIENTE<br />
AL VALOR 0.0 DE PROBABILIDAD p DE LA FDA /<br />
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5<br />
pϵ [0,1]<br />
CuT%
SIMULACIÓN-POST PROCESO<br />
OPTION=4<br />
THE SIMMETRIC “P” PROBABILITY INTERVAL (AROUND THE<br />
MEAN)<br />
1.0<br />
Fda Bloque X<br />
p [0,1]<br />
0.9<br />
0.8<br />
0.7<br />
0.6<br />
0.5<br />
0.4<br />
0.3<br />
0.2<br />
0.1<br />
±p/2<br />
ENTREGA LAS LEYES DEL<br />
INTERVALO RESPECTO DE<br />
LA MEDIANA, DADO UN<br />
RANGO PORCENTUAL ±p.<br />
0.0<br />
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5<br />
CuT%
SIMULACIÓN-POST PROCESO<br />
OPTION=5<br />
E-TYPE MEAN AND THE PROBABILITY WITHIN ± SPECIFIED<br />
PERCENT<br />
ENTREGA EL PROMEDIO Y LA<br />
PROBABILIDAD QUE ESTE SE ENCUENTRE<br />
DENTRO DE UN ± PORCENTAJE DEL<br />
PROMEDIO
APLICACIONES Y EJEMPLOS<br />
• Aplicación en control de leyes para determinar las líneas de excavación que<br />
con mayor probabilidad permitan maximizar las ganancias o minimizar las<br />
pérdidas.<br />
• Diseño de rajo óptimo.<br />
• Estudios del nivel de muestreos necesario para un objetivo dado.<br />
• Categorización de Recursos y Reservas<br />
• Aplicación para generar modelos de porosidad y permeabilidad.<br />
• Aplicación en producción de reservorios de petróleo.
APLICACIONES Y EJEMPLOS<br />
• Estudios para determinar la probabilidad de exceder un límite de una<br />
normativa y aplicación en el desarrollo de estrategias para el control de<br />
emisiones.<br />
• Estudios para cuantificar la posibilidad de variación de impurezas o<br />
contaminantes en los metales o en el carbón.<br />
• Predicción de reservas recuperables.<br />
• Aplicación en la generación de intervalos de confianza para las leyes de los<br />
bloques.
APLICACIONES Y EJEMPLOS<br />
• Aplicación para verificar cambios en procedimientos de soporte y factores<br />
de corrección de cómputo de volumen/varianza.<br />
• Aplicación en el modelado de la variabilidad local espacial para estudios de<br />
mezcla, almacenamiento en pilas o selectividad de minado.<br />
• Análisis de riesgo: Cálculo del VAN en cada realización.
APLICACIONES Y EJEMPLOS<br />
• Simulación condicional para variables categóricas: geología.<br />
• Simulación condicional del espesor de mantos o potencia de una veta.<br />
• Simulación multivariable.<br />
• Simulación de variables geometalúrgicas y geotécnicas.
EJEMPLOS DE APLICACIÓN<br />
POST-PROCESO<br />
• Evaluación de las leyes de bloques y de su incertidumbre<br />
– El promedio de las realizaciones es parecido al kriging<br />
– La varianza de las realizaciones es distinta a la de kriging;<br />
en particular, incorpora el efecto proporcional
PROMEDIO DE SIMULACIONES VS<br />
KRIGING<br />
PROMEDIO SIMULACION<br />
KRIGING
VARIANZA CONDICIONAL VS<br />
VARIANZA DE KRIGING<br />
VARIANZA CONDICIONAL SIMULACION<br />
KRIGING
EJEMPLOS DE APLICACIÓN<br />
POST-PROCESO<br />
• Evaluación de recursos recuperables sobre una ley de corte de<br />
0.4%Cu<br />
– Cálculo de tonelajes, leyes medias sobre una ley de corte<br />
– Estos mapas no pueden ser obtenidos por kriging, debido<br />
al suavizamiento de éste
PROBABILIDAD DE SUPERAR UNA LEY DE<br />
CORTE DE 0.4%Cu / MLW/ MUP
VALOR DE Z-PERCENTIL PARA UNA<br />
PROBABILIDAD DETERMINADA<br />
PBD=0.1 PBD=0.5 PBD=0.9
INTERVALOS DE PROBALIDAD<br />
SIMÉTRICOS C/R A LA MEDIANA<br />
LW-P25% [-12.5%M, UP-P25% ,+12.5%M]<br />
LW-P75% [-37.5%M, UP-P75% ,+37.5%M]
PROBABILIDAD DENTRO DE UN INTERVALO<br />
PORCENTUAL ESPECÍFIDO<br />
PBD=PROMEDIO ±10% PBD=PROMEDIO ±25% PBD=PROMEDIO ±50%
OTRAS APLICACIONES<br />
Diseño de Pit usando SGS
OTRAS APLICACIONES<br />
GEOLOGÍA CON MODELO DETERMINÍSTICO
OTRAS APLICACIONES<br />
GEOLOGÍA CON MODELO PROBABILÍSTICO<br />
SSI
GRACIAS