Metodo DE EXPLOTACION VARIOGRAMAS
Metodo DE EXPLOTACION VARIOGRAMAS
Metodo DE EXPLOTACION VARIOGRAMAS
INGENIERÍA EN MINAS
Santiago
2018
I
RESUMEN
En el siguiente informe se pide realizar tres casos diferentes los cuales consisten en estimación de
leyes, el caso I es de estimación de leyes mediante variograma proveniente de un banco de una
mina de fierro explotada en la franja ferrifera chilena. Posteriormente en el caso ll cálculos de
semivariograma, varianza, correlograma etc. Arrojando como resultado la presencia de máximos y
mínimos, además que el fenómeno tiende a repetirse de manera estacionaria (es decir, varía de
manera homogénea y sin derivar.
En el caso lll se realizará un mejoramiento mediante el 2 tipo de modelos de variograma las cuales
son el modelo esférico y el modelo exponencial, se determina si existe anisotropía la cual se
manifiesta cuando el variograma difiere según las direcciones del espacio. La anisotropía se puede
identificar al comprar los variogramas experimentales a lo largo de varias direcciones del espacio en
lo cual presenta distintos comportamientos con la variación de la distancia, como se demostrará en
un gráfico con nuestros respectivos datos entregados.
II
INDICE
Contenido
CAPITULO 1: INTRODUCCIÓN .............................................................................................................. 1
CAPITULO 2: CASO I ............................................................................................................................. 2
CAPITULO 3: CASO ll ............................................................................................................................ 7
CAPITULO 4: CASO III ......................................................................................................................... 16
CAPITULO 5: CASO lV......................................................................................................................... 21
CAPITULO 6: DISCUCION GRUPAL ..................................................................................................... 26
CAPITULO 6: CONCLUSIÓN ................................................................................................................ 28
CAPITULO 7: ANEXOS ........................................................................................................................ 29
III
CAPITULO 1: INTRODUCCIÓN
Objetivo general
Analizar y estudiar tres casos sobre estimación de leyes con el fin de aplicar método de
polígono y variogramas con el fin de resolver cada uno de los casos y un caso de estimación
de leyes mediante IVOR.
Objetivos específicos:
1
CAPITULO 2: CASO I
VARIOGRAMA
Es una herramienta la cual permite graficar, analizar el comportamiento espacial de una variable
regionalizada sobre un área definida, obteniendo como resultado un variograma experimental que
refleja la distancia máxima y la forma en que un punto tiene influencia sobre otro punto a diferentes
distancias.
El variograma permite conocer el alcance, es decir, la distancia máxima a la que una muestra tiene
influencia sobre otra muestra, esta información es conocer el acercamiento en que se pueden
buscar muestras para estimar el valor de un punto específico.
Caso I:
Los datos que se dan a continuación provienen de un banco de una mina de fierro explotada en la
franja ferrífera chilena. Se sabe que las muestras están distancias cada 10 (m) en el eje x e y.
De los datos dados, como primer paso tuvimos que tomar de la figura cada número indicado en el
cuadro correspondiente a la distancia que pedía el caso.
Por ejemplo:
“Calcule el semivariograma para 10 (M)” sea para NS, EW se tomará cada cuadrado sucesivamente.
Por lo tanto, los metros nos proporciona cada cuanto tomar un punto.
Mientras en los variogramas de 45˚ y 135˚, se tomarán los puntos según el plano cartesiano, los
cuales según los grados dados nos indican tomar los números diagonalmente.
2
45˚ 135˚
Terminando de obtener los datos de 10, 20, 30 y 40 (M) estos datos obtenidos se traspasarán a un
Excel el cual tendremos que obtener el semivariograma, covariograma y correlograma.
Como se observa en la imagen tendremos que ubicar los datos seleccionados del banco de la mina
dado los cuales tendremos:
3
Para el cálculo del semivariograma, covariograma y correlograma se utilizaron las fórmulas
anteriormente dadas.
45° 10√2 (m) 45° 20√2 (m) 45° 30√2 (m) 45° 40√2 (m)
X₁ 37.18 X₁ 36.00 X₁ 38.25 X₁ 34.67
X₂ 36.24 X₂ 36.46 X₂ 36.75 X₂ 36.67
Var.s 9.78 Var.s 8.5 Var.s 9.64 Var.s 32.33
Var.s 6.19 Var.s 12.44 Var.s 11.64 Var.s 14.33
S(h) 0.52 S(h) -2.75 S(h) -4.64 S(h) -2.67
R(h) 0.067 R(h) -0.267 R(h) -0.44 R(h) -0.12
(h) 7.471 (h) 12.31 (h) 14.5 (h) 19.33
135° 10√2 (m) 135° 20√2 (m) 135° 30√2 (m) 135° 40√2 (m)
X₁ 36.47 X₁ 37.375 X₁ 34.6 X₁ 33.25
X₂ 36.26 X₂ 36.0625 X₂ 36.6 X₂ 36.75
Var.s 10.60 Var.s 14.783 Var.s 11.4 Var.s 16.25
Var.s 10.54 Var.s 7.13 Var.s 7.6 Var.s 5.5833
S(h) 3.04 S(h) -0.425 S(h) -4.4 S(h) -6.917
R(h) 0.29 R(h) -0.04 R(h) -0.5 R(h) -0.726
(h) 7.16 (h) 11.53 (h) 14.5 (h) 19.5
4
Finalmente, con los datos obtenidos se realizarán los gráficos los cuales podremos saber el
comportamiento espacial de las variables sobre la zona (detectar direcciones de anisotropía, zonas
de influencias y sus extensiones (correlación espacial), variabilidad con la distancia).
NS
DISTANCIA ɣ(h)
0 0
10 5.2
20 9
30 13.82
EW
DISTANCIA ɣ(h)
0 0
10 5.79
20 11.24
30 13.25
45˚
DISTANCIA ɣ(h)
0 0
10√2 7.471
20√2 12.31
30√2 14.5
40√2 19.33
5
135˚
DISTANCIA ɣ(h)
0 0
10√2 7.16
20√2 11.53
30√2 14.5
40√2 19.5
Para la comparación de gráficos con los datos obtenidos en los variogramas de este caso no son
representativos en un estudio geoestadístico dado que sea norte, sur, este y oeste al ser estos datos
escasos no hay una imagen real del terreno.
Por lo tanto, ɣ(h) en la comparación de gráficos y se puede interpretar que están en presencia de
una isotropía ya que NS – EW están en las mismas direcciones y también 45°-135°.
6
CAPITULO 3: CASO ll
Para la realización de estimación mediante variogramas existen diferentes tipos de caso y métodos
empleados para la efectuar la elaboración de los casos planteados.
Mediante las siguientes leyes de oro (gr/ton) que corresponden a muestras de una galería tomada
cada 5 (m). (Ver Tabla 1.1)
Se calcular el semivariograma para la distancia (h) :15, 30, 45, 60, 75 y 90. Para la realización de la
estimación se realiza el siguiente procedimiento:
Se calculan las distancias mediante la tabla xxx para ello primeramente utilizamos la
distancia (h) :15
Se cuenta la cantidad de veces que se realiza el procedimiento para hallar los números de
repeticiones de la distancia (h):15, posteriormente se emplean los datos obtenidos y se efectúa el
promedio de las primeras muestras en los pares utilizando la siguiente formula:
1 n( h)
x1 x( zi )
n(h) i 1
7
Luego de realizar la operación mencionada anterior mente se desarrolla el promedio de las segundas
muestras en los pares utilizando la misma formula anterior.
Siguiendo con el procedimiento se calcula la varianza 1 y 2 de cada una de las distancias anteriores
ocupando la siguiente formula:
1 n(h)
s
2
1
n(h) 1 i 1
( x( zi ) x1 ) 2
El caso también pide calcula el covariograma S(h) y coeficiente r(h) de correlación entre los primeros
y segundos muestras separados a una distancia y(h) para ello emplearemos las siguientes formulas:
1 n( h)
Sh ( x( zi ) xi ) * ( x( z i h) x 2 ))
n(h) 1 i 1
S ( h)
r ( h)
S1S 2
Por último, se realiza el cálculo de Semivariograma Para muestras separadas a una distancia Y(h)
con la siguiente formula:
1 n(h)
(h)
2n(h) i 1
( x( zi ) x( zi h)) 2
Utilizando todas la formulas dichas anteriormente, se realiza la siguiente tabla arrojando los
resultados obtenidos de las muestras en los pares para la distancia (h):15 como los muestra la tabla
1.2
8
h (15)
Dato x(i) (x+h) (S1) ^2 (S2) ^2) s(h) r(h) ϒ(h)
1 5 4 1,5625 0,0000 0,0000 1,0000 0,0250
2 4 5 0,0625 1,0000 0,2500 1,0000 0,0250
3 6 5 5,0625 1,0000 2,2500 1,0000 0,0250
4 6 0 5,0625 16,0000 9,0000 0,0000 0,9000
5 4 6 0,0625 4,0000 0,5000 1,0000 0,1000
6 0 4 14,0625 0,0000 0,0000 1,0000 0,4000
7 0 4 14,0625 0,0000 0,0000 1,0000 0,4000
8 6 5 5,0625 1,0000 2,2500 1,0000 0,0250
9 4 5 0,0625 1,0000 0,2500 1,0000 0,0250
10 4 6 0,0625 4,0000 0,5000 1,0000 0,1000
11 5 0 1,5625 16,0000 5,0000 1,0000 0,6250
12 5 0 1,5625 16,0000 5,0000 1,0000 0,6250
13 6 0 5,0625 16,0000 9,0000 1,0000 0,9000
14 0 5 14,0625 1,0000 3,7500 1,0000 0,6250
15 0 4 14,0625 0,0000 0,0000 1,0000 0,4000
16 0 6 14,0625 4,0000 7,5000 1,0000 0,9000
17 5 5 1,5625 1,0000 1,2500 1,0000 0,0000
18 4 6 0,0625 4,0000 0,5000 1,0000 0,1000
19 6 4 5,0625 0,0000 0,0000 0,0000 0,1000
20 5 6 1,5625 4,0000 2,5000 1,0000 0,0250
20 3,75 4,0 5,4605 4,7368 2,6053 6,3250
Tabla 1.2: cálculos distancia (h):15
Después de realizar los cálculos se determinan los promedios i/o las sumas de los datos agrupados
para cada una de las columnas como se muestra en la tabla 1.3
DATOS
X1 3,7500
x2 4,0000
Var 1 5,4605
Var 2 4,7368
S(h) -1,5263
r(h) -0,3001
ϒ (h) 6,3250
Varianza S1 5,4605
Varianza S2 4,7368
Covarianza -1,5263
Correlación -0,3001
Tabla 1.3: Datos agrupados (h):15
9
Se realiza el mismo procedimiento para las distancias (h): 30, 45, 60, 75 y 90
h (30)
Dato x(i) (x+h) (S1)^2 (S2)^2) s(h) r(h) ϒ(h)
1 5 5 25,0000 25,0000 25,0000 1,0000 0,0000
2 5 6 25,0000 36,0000 30,0000 1,0000 0,0294
3 5 4 25,0000 16,0000 20,0000 1,0000 0,0294
4 6 4 36,0000 16,0000 24,0000 1,0000 0,1176
5 4 5 16,0000 25,0000 20,0000 1,0000 0,0294
6 0 5 0,0000 25,0000 0,0000 1,0000 0,7353
7 0 6 0,0000 36,0000 0,0000 1,0000 1,0588
8 6 0 36,0000 0,0000 0,0000 1,0000 1,0588
9 4 0 16,0000 0,0000 0,0000 1,0000 0,4706
10 4 0 16,0000 0,0000 0,0000 1,0000 0,4706
11 5 5 25,0000 25,0000 25,0000 1,0000 0,0000
12 5 4 25,0000 16,0000 20,0000 0,0000 0,0294
13 6 6 36,0000 36,0000 36,0000 1,0000 0,0000
14 0 5 0,0000 25,0000 0,0000 1,0000 0,7353
15 0 6 0,0000 36,0000 0,0000 1,0000 1,0588
16 0 4 0,0000 16,0000 0,0000 1,0000 0,4706
17 5 6 25,0000 36,0000 30,0000 1,0000 0,0294
17 3,53 4,18 19,1250 23,0625 14,3750 1,0000 6,3235
Tabla 1.4: cálculos distancia y(h):15
DATOS
X1 3,5294
x2 4,1765
Var 1 5,8897
Var 2 4,5294
S(h) -1,2868
r(h) -0,2491
ϒ (h) 6,3235
Varianza S1 5,8897
Varianza S2 4,5294
Covarianza -1,2868
Correlación -0,2491
10
Distancia (h):45 (Ver Tabla 1.6)
h (45)
Dato x(i) (x+h) (S1)^2 (S2)^2) s(h) r(h) ϒ(h)
1 4 6 16,0000 36,000 24,000 1,0000 0,1250
2 6 4 36,0000 16,000 24,000 1,0000 0,1250
3 0 0 0,0000 0,000 0,000 1,0000 0,0000
4 5 0 25,0000 0,000 0,000 1,0000 0,7813
5 5 6 25,0000 36,000 30,000 1,0000 0,0313
6 6 6 36,0000 36,000 36,000 1,0000 0,0000
7 4 0 16,0000 0,000 0,000 1,0000 0,5000
8 0 0 0,0000 0,000 0,000 1,0000 0,0000
9 0 0 0,0000 0,000 0,000 1,0000 0,0000
10 6 5 36,0000 25,000 30,000 1,0000 0,0313
11 4 4 16,0000 16,000 16,000 1,0000 0,0000
12 4 6 16,0000 36,000 24,000 1,0000 0,1250
13 5 5 25,0000 25,000 25,000 1,0000 0,0000
14 5 6 25,0000 36,000 30,000 1,0000 0,0313
15 6 4 36,0000 16,000 24,000 1,0000 0,1250
16 0 6 0,0000 36,000 0,000 1,0000 1,1250
16 3,75 3,63 20,5333 20,933 17,533 3,0000
Tabla 1.6: cálculos distancia (h):45
DATOS
X1 3,7500
x2 3,6250
Var 1 5,5333
Var 2 6,9167
S(h) 3,0333
r(h) 0,4903
ϒ (h) 3,0000
Varianza S1 5,5333
Varianza S2 6,9167
Covarianza 3,0333
Correlación 0,4903
Tabla 1.7: Datos agrupados (h):45
11
Distancia (h):60 (Ver Tabla 1.8)
h (60)
Dato x(i) (x+h) (S1)^2 (S2)^2) s(h) r(h) ϒ(h)
1 5 6 25,0000 36,0000 30,0000 1,0000 0,0357
2 4 0 16,0000 0,0000 0,0000 1,0000 0,5714
3 6 6 36,0000 36,0000 36,0000 1,0000 0,0000
4 0 4 0,0000 16,0000 0,0000 1,0000 0,5714
5 5 4 25,0000 16,0000 20,0000 1,0000 0,0357
6 5 5 25,0000 25,0000 25,0000 1,0000 0,0000
7 6 0 36,0000 0,0000 0,0000 1,0000 1,2857
8 4 5 16,0000 25,0000 20,0000 1,0000 0,0357
9 0 4 0,0000 16,0000 0,0000 1,0000 0,5714
10 0 6 0,0000 36,0000 0,0000 1,0000 1,2857
11 6 5 36,0000 25,0000 30,0000 1,0000 0,0357
12 4 6 16,0000 36,0000 24,0000 1,0000 0,1429
13 4 4 16,0000 16,0000 16,0000 1,0000 0,0000
14 5 6 25,0000 36,0000 30,0000 1,0000 0,0357
14 3,86 4,36 20,9231 24,5385 17,7692 4,6071
Tabla 1.8: cálculos distancia (h):60
DATOS
X1 3,8571
x2 4,3571
Var 1 4,9011
Var 2 4,0934
S(h) -0,3297
r(h) -0,0736
ϒ (h) 4,6071
Varianza S1 4,9011
Varianza S2 4,0934
Covarianza -0,3297
Correlación -0,0736
Tabla 1.9: Datos agrupados (h):60
12
Distancia (h):75 (Ver Tabla 2.0)
h (75)
Dato x(i) (x+h) (S1)^2 (S2)^2) s(h) r(h) ϒ(h)
1 5 0 25,0000 0,0000 0,0000 1,0000 1,1364
2 4 4 16,0000 16,0000 16,0000 1,0000 0,0000
3 6 5 36,0000 25,0000 30,0000 1,0000 0,0455
4 0 5 0,0000 25,0000 0,0000 1,0000 1,1364
5 5 6 25,0000 36,0000 30,0000 1,0000 0,0455
6 5 0 25,0000 0,0000 0,0000 1,0000 1,1364
7 6 6 36,0000 36,0000 36,0000 1,0000 0,0000
8 4 5 16,0000 25,0000 20,0000 1,0000 0,0455
9 0 6 0,0000 36,0000 0,0000 1,0000 1,6364
10 0 4 0,0000 16,0000 0,0000 1,0000 0,7273
11 6 6 36,0000 36,0000 36,0000 1,0000 0,0000
11 3,73 4,27 21,5000 25,1000 16,8000 5,9091
Tabla 2.0: cálculos distancia (h):75
DAT0S
X1 3,7273
x2 4,2727
Var 1 6,2182
Var 2 5,0182
S(h) -0,7182
r(h) -0,1286
ϒ (h) 5,9091
Varianza S1 6,2182
Varianza S2 5,0182
Covarianza -0,7182
Correlación -0,1286
Tabla 2.1: Datos agrupados (h):75
13
Distancia (h):90 (Ver Tabla 2.2)
h (90)
Dato x(i) (x+h) (S1)^2 (S2)^2) s(h) r(h) ϒ(h)
1 5 4 25,0000 16,0000 20,0000 1,0000 0,0625
2 4 6 16,0000 36,0000 24,0000 1,0000 0,2500
3 6 0 36,0000 0,0000 0,0000 1,0000 2,2500
4 0 0 0,0000 0,0000 0,0000 1,0000 0,0000
5 5 0 25,0000 0,0000 0,0000 1,0000 1,5625
6 5 5 25,0000 25,0000 25,0000 1,0000 0,0000
7 6 4 36,0000 16,0000 24,0000 1,0000 0,2500
8 4 6 16,0000 36,0000 24,0000 1,0000 0,2500
8 4,38 3,13 25,5714 18,4286 16,7143 4,6250
Tabla 2.2: cálculos distancia y(h):90
DATA
X1 4,3750
x2 3,1250
Var 1 3,6964
Var 2 7,2679
S(h) 1,0893
r(h) 0,2102
ϒ (h) 4,6250
Varianza S1 3,6964
Varianza S2 7,2679
Covarianza 1,0893
Correlación 0,2102
Tabla 2.3: Datos agrupados (h):90
14
Se realiza la agrupación de los totales de los datos entregando como resultado lo siguiente: Tabla
2.4
Se toma las distancias h y los resultados del semivariograma y(h) obteniendo el siguiente gráfico
1.1
SemiVariograma
8
6.3250 6.3235
5.9100
6 4.6071 4.6250
4 3.0000
Y(H)
2 ϒ(h)
0
0
0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90
-2
DISTANCIA
En el grafico se puede apreciar que no existe efecto pepita, ya que el punto de inicio comienza desde
0, mediante la función γ(h) se observará la presencia de máximos y mínimos, El fenómeno tiende a
repetirse de manera estacionaria (es decir, varía de manera homogénea y sin deriva), el variograma
presenta efecto de agujero.
15
CAPITULO 4: CASO III
MODELOS DE VARIOGRAMA
En el siguiente caso daremos a conocer 2 tipos de modelos de variograma las cuales son el modelo
esférico y el modelo exponencial.
En la (tabla 2.5) se muestran los datos correspondientes a los variogramas N-S y E-W de una mina,
con los cuales se dará a proceder para calcular y graficar los modelos de variograma. La cual nos
tocó en ambas situaciones ver el modelo exponencial.
0 5 5
10 14.837 14.482
20 20.803 17.97
30 24.422 19.725
40 26.617 19.899
50 27.948 19.963
60 28.755 19.986
70 29.245 19.995
80 29.542 19.998
90 29.722 19.998
Tabla 2.5: Valores semivariograma N-S/E-W
Mediante estos datos de la (tabla xx) determinamos que nuestro caso se trata del modelo
exponencial ya que solo alcanza su meseta asintóticamente. En todo caso, se puede considerar un
alcance práctico igual a 3w para el cual el variograma llega al 95% del valor de su meseta.
Con los datos correspondientes del variograma N-S y E-W, se puede ver que los valores crecen
lentamente en cuanto va avanzando de distancia, pero nunca llega al 20 lo cual quiere decir que su
meseta es infinita, igual se puede ver que poseen efecto pepita de CO=5, porque hay micro
variaciones como se muestra en los (grafico 1.2).
16
VIOGRAMA (E-W)
25
19.725 19.899 19.963 19.986 19.995 19.998 19.998
20 17.97
14.482
15
y(h)
10
5
5
0
0 20 40 60 80 100
Distancia
VIOGRAMA (N-S)
35
29.245 29.542 29.722
30 27.948 28.755
26.617
24.422
25 20.803
20
y(h)
14.837
15
10
5
5
0
0 20 40 60 80 100
Distancia
Al ver que se trata del modelo exponencial, lo representamos por la siguiente ecuación:
−ℎ
𝛾(ℎ) = 𝐶 (1 − 𝑒 (3𝑤))
17
Donde:
h = distancia
C= meseta
3w = alcance
Si existe anisotropía la cual se manifiesta cuando el variograma difiere según las direcciones del
espacio. La anisotropía se puede identificar al comprar los variogramas experimentales a lo largo de
varias direcciones del espacio en lo cual presenta distintos comportamientos con la variación de la
distancia, como se demostrará en un gráfico con nuestros respectivos datos.
En nuestro caso se presentó la anisotropía zonal, que es un modelo en el cual la función aleatoria
no de pende de una (o varias) coordenadas. Esto sucede a veces cuando se trabaja en el espacio de
tres dimensiones.
Además, podemos decir que corresponde a la anisotropía zonal porque nuestro variograma N-S y E-
W presentan distinta meseta y diferentes alcances en cuanto a la variación de la distancia. Tal como
se muestra en el (grafico 1.3).
18
Se puede ver que nuestra meseta y el alcance son:
(E-W) (N-S)
MESETA 20 30
ALCANCE 30 60
Tabla 2.6: meseta y alcance N-S/E-W
También podemos determinar que existe efecto pepita ya que hay microvariación o al momento de
extraer los datos hubo un error de medición ya sea de preparación, analítico, etc.
Cualquier error en la medición del valor o la posición asignada a la medida se traduce en un efecto
pepita más alto.
Cuando los datos son más escasos el efecto pepita aparece más alto de lo esperado.
VARIOGRAMA OMNIDIRECCIONAL
−ℎ −ℎ
𝑦(ℎ) = 5 + 20 (1 − 𝑒 (3𝑤)) + 5 + 30 (1 − 1 − 𝑒 (3𝑤))
Se calculó mediante la sumatoria del n-e y n-s como se puede ver en la formula con cada distancia
dada que vendría a ser reemplazada en la (h) y el alcance que sería reemplaza en el (3w) donde la
meseta de n-s 30 y el alcance es de 60, y en el N-E el meseta es 20 y el alcance 30, donde en la tabla
2.7 se puede ver los resultados de la sumatoria de los valores.
19
Tabla 2.7: omnidireccional y(h)
En el grafico 1.4 se puede ver que también posee efecto pepita, pero a comparación al primer gráfico
de la experimental este aumento a 10 que vendría a ser la meseta y también se puede ver que el
comportamiento lineal va disminuyendo
OMNIDIRECCIONAL Y(H)
60.00 50.56 53.23
46.82
41.61
Nuevo y(h)
34.33
40.00
24.17
20.0010.00
0.00
0 10 20 30 40 50 60 70
Distancia
En este grafico 1.5 podemos ver los datos corregidos mediante la fórmula del exponencial sumando
con el 5 que vendría a ser el efecto pepita.
20
CAPITULO 5: CASO lV
En el caso lV se dispone el cálculo de leyes mediante el método inverso a la distancia IVOR donde
principalmente se le asigna mayor peso a las muestras cercanas y menor peso a las muestras
alejadas del bloque.
Esto se consigue al ponderar las leyes por el inverso de la distancia al cuadro 1/d² El método de la
distancia ponderada es bastante usado gracias a la aparición de los computadores, ya que lleva
implícito un elevado número de cálculos repetitivos, se aplica en todo tipo de depósitos y tienen un
buen resultado cuando la malla de sondajes es regular.
Se pide calcular el valor de la ley media de las 3 celdas indicadas (centro del bloque), considerando
que el tamaño de las celdas es de 20 x 20 (m). como se muestra en la siguiente imagen 1.1:
21
Mediante el la imagen se determina que el alcance es de 60 (m) esto quiere decir que las distancias
que superen los 60(m) no influyen dentro del calculo del inverso a la distancia.
Una vez analizado los datos Se selecciona una de las celdas de color azul y se comienza a realizar el
calculo de distancia mediante Pitágoras Cat²+Cat²= Hip como se muestra en la imagen 1.2.
Se calcula la distancia para cada una de las leyes dentro del bloque dando como resultado la
siguiente (ver tabla 2.8).
Celda N°1
Punto Ley Distancia 1 Distancia 2 Distancia total
1 3 20 40 44,7213595
2 2 20 20 28,2842712
3 2,1 20 40 44,7213595
4 1,5 20 20 28,2842712
5 1,3 20 20 28,2842712
6 1,2 20 40 44,7213595
7 1,6 40 20 44,7213595
8 2 60 40 72,1110255
9 2,8 60 0 60
10 1,8 60 40 72,1110255
Tabla 2.8: Distancia al centro de la ley
22
Posteriormente realizado el cálculo de la distancia se emplea la siguiente formula inversa
Arrojando como resultado la obtención de la ley media de cada una de las celdas previstas. Tabla
2.9
Se repite el mismo procedimiento para cada una de las celdas indica anteriormente
23
Imagen 1.3: Pitágoras desde el centro del bloque
Celda N°2
Punto Ley Distancia 1 Distancia 2 Distancia total
1 3 60 20 63,2455532
2 2 60 40 72,1110255
3 2,1 20 20 28,2842712
4 1,5 20 0 20
5 1,3 20 40 44,7213595
6 1,2 60 20 63,2455532
7 1,6 0 40 40
8 2 20 20 28,2842712
9 2,8 20 20 28,2842712
10 1,8 20 60 63,2455532
Tabla 3.0: Distancia al centro de la ley
24
Imagen 1.4: Pitágoras desde el centro del bloque
Celda N°3
Punto Ley Distancia 1 Distancia 2 Distancia total
1 3 60 80 100
2 2 60 20 63,2455532
3 2,1 20 80 82,4621125
4 1,5 20 60 63,2455532
5 1,3 20 20 28,2842712
6 1,2 20 0 20
7 1,6 0 20 20
8 2 20 80 82,4621125
9 2,8 20 40 44,7213595
10 1,8 20 0 20
Tabla 3.2: Distancia al centro de la ley
25
CAPITULO 6: DISCUCION GRUPAL
El variograma es una herramienta que permite analizar y conocer el alcance sobre una muestra, en
términos generales podemos definir el variograma como la media de los cuadrados de las diferentes
entre pares de muestras separados por una distancia.
Se utilizaron 6 direcciones para el cálculo de variogramas sobre los datos simulados. Las direcciones
son Norte-Sur, Este-Oeste, 45° y 135°. En el origen de los variogramas y los modelos resultan
bastantes parecidos, las direcciones de mayor continuidad en los variogramas son la vertical, las
cuales representan aproximadamente las direcciones en que se encuentran contenida la veta. Las
diferencias lejos del origen se tribuyen a utilizar un dominio cotado para la simulación y a asumir la
estacionalidad en todo el dominio a que la existencia de desviaciones y artefactos en los datos no
es algo de menor ocurrencia.
Ya que el comportamiento de los variogramas es bastante parecido a los modelos variograficos
hasta el radio de búsqueda utilizado en las simulaciones (10(m), 20(m), 30(m), 40(m)) las cuales
tendrán una presencia isotrópica.
En base a los resultados obtenidos en el caso II los dos variogramas son exponenciales y los dos
cuentan con un efecto pepita similar, al momento de corregir el variograma el efecto pepita
aumenta a 10 y también tienen el mismo origen de comportamiento lineal pero la diferencia es que
tienen distinto alcance y meseta por lo tanto como grupo determinamos que el variograma consta
con una anisotropía zonal.
En el caso III se determinó la ley media la cual fue de 2,3% también la ley con el método aritmético
que es el método menos utilizado para determinar la ley, el resultado fue de 2,8, se puede ver que
el valor de las leyes varía mucho lo que no es lo más factible ya que nos podemos encontrar con
mucho error, pero al momento de calcular la ley dándole un variable, ya sea densidad, potencia,
área, etc. Esta será más exacta y precisa lo cual es lo que se busca al momento de estimar las leyes.
Como grupo se cree que este tipo de herramienta como es el variograma nos puede facilitar en
práctica lo que es la medición en terreno, si bien se basa principalmente en muestras obtenidas de
otros métodos anteriores es un gran avance para realizar recopilaciones de datos con diferencias
de distancias.
26
Hay algunos puntos que nos parecen interesantes como la variación de resultados al momento de
pasar de un método de análisis a otro diferente.
27
CAPITULO 6: CONCLUSIÓN
28
CAPITULO 7: ANEXOS
29
30