La Simulacin Secuencial Gaussiana

Es una tcnica geoestadstica robusta, aplicable a la generacin de realizaciones de

variables continuas. Las realizaciones pueden ser hechas para honorar:
1.
2.
3.
4.

Condicionamiento local de los datos

El histograma Global desagrupado y suavizado (declustered and smoothed)
Tendencias(trends) areales y verticales(variando localmente la media)
Patrones de correlacin espacial.

Este tipo de simulacin trabaja con la transformacin Gaussiana o Normal de los datos
Propiedades de la simulacin
1. La variable simulada posee:
1.1. Idnticos valores en las localizaciones de los datos experimentales(datos
reales) y las mismas caractersticas de dispersin del dominio (deposito
mineral)
1.2. Igual valor de la media, covarianza o variograma e histograma que los datos
experimentales(datos reales)
2. Se reproduce las fluctuaciones que ocurren el la realidad.
La simulacin representa el modelo numrico del yacimiento esta limitado a la
dimensiones de la estructura mas pequea modelada. Pueden ser simulados mtodos
de muestreo ,seleccin, transportacin minera ,mezclas, etc para probar su eficiencia
antes de que sean aplicados en la realidad en un yacimiento dado.
La ventaja de la aplicacin de los mtodos de simulacin es que pueden ser llevados a
cabo solamente con el costo del tiempo de computacin y no requieren de una gran
inversin de recursos.
SIMULACION SECUENCIAL GAUSSIANA (SGSIM)

Los pasos para llevar a cabo la simulacin son los siguientes:

1. Transformar los datos en un NormaL score (conteo normal) antes de la variografa
2. Realizar la variografa de los valores transformados(normalizados)
3. Simular los valores en un espacio normal o normalizado (simulacin no
condicional)
4. Construir mediante krigage la simulacin condicional
5. Transformar los datos condicionalmente simulados(Back transform)
6. Chequeo de resultados.
6.1. Si honora los datos
6.2. Si honora el histograma (N 1,0) distribucin normal estndar con media 0 y
varianza 1.
6.3. Si honora el variograma
6.4. Si honora la geologa

L os mtodos de simulacin Gaussiana asumen que el modelo de campo aleatorio

(random field model) es Multigaussiano .
Una transformacin de conteo Normal(Normal Score Transformation) garantiza que
los datos estn perfectamente reproducidos en la distribucin normal esto se logra
mediante una clasificacin de los datos asignandoles una puntuacin Normal
empleando cuantiles idnticos a los de una Distribucin Normal Estndar.
Transformacin de los datos a una distribucin Normal Estndar empleando
GSLIB(Geostatistical Library Softwares)
Ejecute el programa NSCORE de GSLIB ,calcule el conteo Normal (Normal Score) para
la serie de datos y obtenga el fichero el cual va a contener una columna adicional con el
conteo. Tal como se muestras en el siguiente ejemplo:
Normal Score Transform: Clustered 140 primary data
4
Xlocation
Ylocation
Primary
Normal Score value
39.5 18.5 .06 -2.525
5.5 1.5 .06 -2.112

El fichero de datos original del ejemplo se compona originalmente de 3 columnas:

Localizacin de la muestra en X (este), en Y(Norte) y la del atributo(variable).La Nueva
cuarta columna es esencialmente un conteo del numero de Desviaciones Estndar a
partir de media ,no obstante si se esta ante el caso de existan solo algunas muestras
de las observaciones el riesgo de subestimacion de la longitud de la cola o simplemente
la especificacin de la distribucin es bastante grande ,existen maneras de darse
cuenta de esto pero es importante conocerlo.

L a variografia es entonces realizada a los datos transformados (cuarta columna del

ejemplo).Una vez concluido la variografia es que comienza entonces el proceso de
Simulacin(en este caso la Secuencial Gaussiana ) en la cual se emplean los datos
transformados. Los valores simulados (obtenidos de la simulacin)son entonces
nuevamente transformados(backtransformed) en el programa BACKTR de GSLIB
empleando una tabla (lookup table) que es creada cuando inicialmente se transforman
los datos en el programa NSCORE.

Se dice que una simulacin es condicional si las realizaciones resultantes honoran los
valores de los datos en las localizaciones de las muestras de lo contrario se le
denominan incondicionales a esas realizaciones.

Ing. Jos A. Arias del Toro

30/09/02