RECURSO / RESERVA CLASIFICACIN Y

MEDIDAS DE INCERTIDUMBRE LOCAL

La simulacin condicional habilita una clasificacin de recurso / reserva
metodologa que considera simultneamente la densidad de datos y
continuidad del mineral y variabilidad in situ. En esta seccin,
aspectos clave de la metodologa se describen, incluyendo
medidas apropiadas de incertidumbre que se utilizarn para el recurso /
clasificacin de reserva. La metodologa se ilustra utilizando un
depsito de diamantes en frica sudoccidental.

Metodologa de clasificacin
Una metodologa de clasificacin de recursos se describe en la Figura 3 y
consta de cinco pasos:
1. generacin de realizaciones adecuadas del depsito en el
escala de soporte de bloque considerada apropiada,
2. derivacin de funciones de distribucin acumulativa condicional
(ccdf) de grados de bloque o atributo seleccionado,
3. clculo de las medidas de incertidumbre que se utilizarn para
clasificacin de recursos basada en el ccdf de cada bloque en
el modelo del yacimiento,
4. clasificacin de recursos / reservas, y
5. evaluacin y produccin de perfiles de riesgo para las estimaciones.

Medidas de incertidumbre espacial local

Una parte clave de la metodologa de clasificacin es el uso de
resumen de estadsticas y medidas de incertidumbre que se derivan
de la funcin de distribucin acumulativa condicional del grado
Z (u) de un bloque en la ubicacin u dentro del depsito (Figura 4). BASIC
las medidas incluyen la varianza condicional, el coeficiente condicional
de variacin, intervalos entre percentiles e intervalo de probabilidad.
La varianza condicional (CV) mide la diseminacin del ccdf
alrededor de su valor medio y est dado por:

Donde:

zk k = 1, ... K son valores umbral K que discretizan el rango de

variacin de los valores z

zk es la media de la clase zk-1, (zk-1, zk) que en el caso

de un modelo de interpolacin lineal dentro de la clase
corresponde a zk = (zk-1 + zk) / 2
Es la suma discreta aproximacin al valor esperado del ccdf
El coeficiente de variacin condicional (CCV) corresponde a
la desviacin estndar condicional dividida por la media o relativa
desviacin estndar. Expresa la variabilidad como un porcentaje de la
significa, y se calcula como:

El CCV discrimina mejor las zonas en trminos de densidad de muestra

(o disponibilidad de informacin de acondicionamiento). Una ventaja de
CCV sobre el CV es que se expresa directamente como un porcentaje de
la media y, por lo tanto, filtra los efectos proporcionales.
El rango entre cuartiles (IQR) se define como la diferencia
entre los cuartiles superior (q0.75) y inferior (q0.25) del
distribucin:

Del mismo modo, la generalizacin a cualquier intervalo entre percentiles

(IPR), como un intervalo de confianza del 90 por ciento, se define como:

A diferencia de CV y CCV, los DPI y sus variaciones no se ven afectados

por la magnitud de las calificaciones en el ccdf y, por lo tanto, no son sensibles a los
valores atpicos.
FIG 3 - Representacin diagramtica de una metodologa de clasificacin de recursos
basada en simulacin.

FIG 4 - Una funcin de distribucin acumulativa condicional (ccdf)

mostrando estadsticas resumidas y medidas de incertidumbre para el
espesor de un bloque de 100 100 m2 en un depsito de diamantes. El ccdf
se genera al calcular las probabilidades asociadas para un determinado
bloquear desde mltiples realizaciones simuladas.
El IPR tambin puede ser escalado por la media o mediana de
el ccdf correspondiente. Las medidas relacionadas de incertidumbre son
probabilidad de que un grado de bloque, Z (u) est arriba, abajo o dentro de un
intervalo de probabilidad La Figura 4 muestra las estadsticas de resumen relacionadas y
Medidas de incertidumbre para el ccdf de espesor de 100 100 m2
bloquear. El ccdf en s proporciona el modelo de incertidumbre para el
valor del atributo de espesor para un bloque determinado en la ubicacin u
dentro del depsito. Cada punto discreto en el ccdf corresponde a
un valor simulado El ccdf es un histograma acumulativo de todos
valores simulados asignados a las realizaciones de simulacin del
depositar. Una funcin continua se interpola entre
puntos discretos para permitir la evaluacin de probabilidades para cualquier
valor de ccdf.
La figura 5 muestra el CV, la media condicional, CCV e IQR para el
el mismo tamao de grosor bloquea una parte de un depsito de diamantes.
Los valores se generan a partir de 50 realizaciones de simulacin y perforacin

las ubicaciones de los agujeros se muestran en la figura por tringulos. El CV muestra

buena correlacin entre regiones de muestreo denso y baja
varianza condicional Sin embargo, esto no es necesariamente cierto para las reas
de alto espesor. La presencia de un efecto proporcional es claramente
visto al comparar los valores CV y grosor de bloque medio,
sugiriendo que el CV puede no ser una medida adecuada de
incertidumbre. De forma similar al CV, el IQR muestra una buena correlacin
entre regiones de muestreo denso y valores ms bajos de IQR tambin
como una mayor incertidumbre sobre los valores de espesor ms altos.
En general, para distribuciones altamente sesgadas, el IQR puede aparecer
ms atractivo que el CV ya que el IQR es una medida relativa que
no usa la media Un inconveniente principal del IQR es que
ignora la distribucin interna de las densidades de probabilidad, lo que lleva a
la sobrerrepresentacin de la incertidumbre. El CCV discrimina
mejor que el CV y IQR en trminos de densidad de muestra (disponible
informacin de acondicionamiento) y, ms importante an, no exhibe
un efecto proporcional. Como resultado, es ms adecuado para recursos
clasificacin.

Medidas de clasificacin de recursos / reservas

Las medidas de incertidumbre en la seccin anterior se pueden usar para
definir los criterios de clasificacin de recursos / reservas. Estos criterios
requieren el uso de valores umbral, de manera similar a los esfuerzos anteriores, donde
los umbrales se aplicaron a las variaciones de estimacin (p. ej. revisin en
Sinclair y Blackwell, 2000). Los valores umbral pueden reflejar el
tolerancia al error que es aceptable localmente para las estimaciones de bloque como
as como a nivel mundial para la estimacin de recursos. El bloque estimado
en este documento corresponde al valor medio (o estimacin del tipo e). Es
posible categorizar recursos con precisin de bloques y uso
modelos de recursos derivados de mltiples realizaciones de simulacin para
obtener la incertidumbre en recursos o recursos globales dentro
incrementos de produccin de inters en cada categora.
Un primer intervalo de confianza basado en el CCV involucra
CCV de umbral que se comparan con el CCV. Esto es equivalente
para comparar el intervalo de confianza sobre la media de
desviacin estndar contra un intervalo de confianza umbral
definido como una proporcin de la media. La clasificacin CCV
el criterio est dado por:

FIG 5 - Vista en planta de izquierda a derecha, la varianza condicional (CV); media

condicional (CM); coeficiente de variacin condicional (CCV); y entre
rango cuartil (IQR) para un espesor de bloque de 100 100 m2 en un depsito de
diamantes. Tenga en cuenta que la perforacin ms densa no garantiza menos
incertidumbre.

Como ejemplo, considere una clasificacin CCV con un umbral

CCV de 0.5. En este caso, todos los bloques para los cuales la confianza
intervalo delimitado por la desviacin estndar es superior al 50 por ciento
del valor de la media se clasificar como inferido. los
los bloques restantes se clasifican como Indicados o Medidos. los
la seleccin de valores de umbral se difiere hasta una seccin posterior.
Un segundo intervalo de confianza basado en el 90 por ciento de probabilidad
(un rango percentil relativo o RPR) es un intervalo de confianza sobre
la media que se compara con un intervalo de confianza umbral
definido como una proporcin de esta media. La clasificacin CCV es
definido en base a la desviacin estndar, aqu la confianza
intervalo se define teniendo en cuenta la posicin relativa de la media
al quinto y percentiles 95, denominados negativos y positivos
diferencias El intervalo de confianza simtrico utilizado en este
el criterio es:

dnde:
w- y w + son pesos para las diferencias relativas al quinto y
Percentiles 95, respectivamente. Los pesos facilitan asimtrico
intervalos de confianza y se determinan en funcin de la probabilidad
intervalos:

Tenga en cuenta que establecer w- y w + en 0.5 corresponde a definir el

intervalo de confianza como el promedio entre el negativo y
diferencias positivas El criterio de clasificacin es:
UN ENLACE AL PROGRAMA DE PRODUCCIN Y
ALGUNOS ASPECTOS RELACIONADOS
Los enfoques y ejemplos discutidos en las secciones anteriores
no considere la influencia potencial de la programacin de produccin para
clasificacin de reservas de mineral Se puede argumentar que la secuencia y el
el tiempo de la minera agrega una nueva dimensin a las decisiones sobre la reserva
clasificacin. Esto se debe a los criterios para decidir qu es un
riesgo aceptable en un ao puede no ser necesariamente el mismo
en las decisiones de diez aos ms tarde y el riesgo asociado a la minera
parte de un yacimiento este ao no necesariamente debe evaluarse en
de la misma manera que lo que se va a extraer algunos aos despus cuando
la informacin y las condiciones sern diferentes.
Una extensin del ejemplo del depsito de diamantes aluviales
presentado anteriormente se utiliza aqu para ilustrar la cuantificacin de
incertidumbre en las reservas (y por lo tanto cumplir con los objetivos de produccin) -
aqu el volumen total de mineral extrado. Primero, una produccin
horario se desarrolla a travs de medios convencionales para doce 500
500 m2 de bloques y considera la extraccin de cuatro bloques de ese tipo por perodo
durante tres perodos de produccin. Entonces, la evaluacin de la incertidumbre es
realizado a partir de un conjunto de modelos de yacimientos simulados al mismo
bloquear escala de soporte para modelar la incertidumbre en el volumen de
cada perodo de produccin. La Figura 10 muestra los ccdfs para volmenes de
material extrado en cada uno de los tres perodos de produccin, por lo tanto
describiendo su incertidumbre. Adems, la Figura 10 muestra el riesgo
perfil del volumen esperado para tres perodos de produccin. Si el riesgo
es un criterio principal en la clasificacin de la reserva, luego la reserva en el
primer perodo de minera tal vez debera ser clasificado en una diferente
categora de eso en el tercer perodo.
FIG 8 - Tonelaje de mineral versus el CCV para 25 realizaciones del depsito de cobre.

FIG 9 - Bloques en una seccin de una carga de oro clasificada usando el CCV
clasificacin (izquierda) y usando la perforacin disponible (derecha).

La integracin y la comprensin de la interaccin entre

clasificacin de reserva con la secuencia de extraccin y produccin
la programacin tradicionalmente no se considera, aunque en el pasado,
la simulacin condicional se ha utilizado para probar la incertidumbre de
cronogramas de produccin (Ravenscroft 1992 y otros). De todos modos, eso
es lgico, como sugiere el simple ejemplo anterior, considerar
mejorar los enfoques de clasificacin. Por ejemplo, el
las medidas de incertidumbre descritas anteriormente se pueden usar para clasificar
recursos / reservas dado un programa de produccin y considerar
diferentes criterios de clasificacin para los perodos de minera con el fin de
reflejar el tiempo.
Tambin es y quizs ms importante recalcar que la programacin
puede realizarse bajo incertidumbre geolgica y riesgo geolgico
el descuento se puede aplicar dentro de las formulaciones de programacin.
Este concepto de descuento se introduce en Dimitrakopoulos y
Ramazan (2004) y usado en una nueva mina estocstica a largo plazo
planificadores de produccin (Ramazan y Dimitrakopoulos, 2009;
Benndorf y Dimitrakopoulos, 2010, en este volumen) llevan a una

Mezcla deseada de materiales dentro de perodos que brinden

perfil de riesgo preespecificado en un perodo de programacin, optimizando as el
clasificacin de reservas. Es posible mejorar sustancialmente
y proporcionar evaluaciones ms realistas y clasificacin de
se reserva cuando los cronogramas y la incertidumbre de los recursos son conjuntos
manejado.