Tesis
Estimación de recursos minerales en dominios geometalúrgicos.
Autor
Lara Melcher, Rafael Francisco.
Institución
Resumen
La estimación de recursos minerales es una etapa indispensable en la factibilidad de un
proyecto minero. Es en ella donde se realiza la descripción, el estudio y la clasificación de los
recursos contenidos dentro del potencial yacimiento a examinar. Es por ello que una buena
metodología de análisis puede impactar en la viabilidad de un depósito.
Los dominios geometalúrgicos son zonas dentro del depósito que poseen características
particulares que los vuelven identificables y diferenciables. Estas cualidades generan la posibilidad
de estimar a través de algoritmos determinísticos, como el inverso de la distancia, o geoestadísticos,
como las diversas variaciones de kriging, dentro de vecindades con información que ya está limitada
por su similitud y que debería mejorar la calidad de las estimaciones. Es por lo anterior que en este
trabajo se comparan las estimaciones dentro de un depósito polimetálico cuando estas son
realizadas empleando dominios geometalúrgicos y cuando no son empleados.
La metodología de trabajo consiste en dos casos de estudio. El primero, denominado caso
simulado, corresponde a la creación de 100 depósitos divididos previamente en dominios
geometalúrgicos donde las variables son simuladas dentro de estos. Luego, a partir de sondajes, se
realiza la estimación dentro de dichos dominios y sobre la base completa y se comparan los
resultados con la base original. El segundo, denominado caso real, corresponde a la estimación del
modelo de bloques de un yacimiento polimetálico bajo los mismos algoritmos y escenarios. En
ambos casos una clasificación de recursos y un análisis económicos son llevados a cabo.
Finalmente, la estimación a través de dominios geometalúrgicos es mejor en el caso simulado
el 99% de las veces, con una disminución promedio en el RMSE para el cobre de un 10.8%, 10.4%
y 10.4% para el inverso de la distancia, el kriging ordinario y el co-kriging ordinario respectivamente;
para el oro de 7.6% para los algoritmos de kriging y 8.1% para el inverso de la distancia; mientras
que la precisión de la estimación del tipo de roca aumentó un 5.2% para el inverso de la distancia, y
4.7% para el co-kriging indicador y el co-kriging ordinario. Además, producto de la menor varianza
de kriging la clasificación de recursos tiende a entregar bloques con menor incertidumbre y, por lo
tanto, estimados del beneficio económico más confiables.