Modelos de regresión en evaluación de yacimientos.
Loading...
Date
2020
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad de Concepción
Abstract
La estimación de recursos minerales (ERM) es un proceso indispensable para el desarrollo de
un proyecto minero, esto producto que en esta etapa se puede determinar la continuidad o no
continuidad del proyecto, basados en si el depósito es capaz de proporcionar un beneficio económico.
En consecuencia, es necesario que la ERM sea lo más precisa posible, pero en la realidad
producto de la baja cantidad de información que se disponen provenientes de sondajes de
exploración se hace imposible que el proceso de la adquisición, procesamiento e interpretación de
estos datos este lleno de subjetividades por parte del personal que maneja la información lo que
puede conllevar a tener una errónea o pobre interpretación de la distribución real del mineral del
depósito estudiado.
La problemática que se aborda en esta Memoria de Título se relaciona directamente con los
modelos de regresión lineal utilizados en la actualidad para la realización de la ERM analizando las
principales limitaciones y complicaciones de estos modelos a la hora de realizar la ERM.
La metodología consiste en la construcción de dos escenarios, el posterior análisis de los
resultados y una categorización de recursos; el primero de estos escenarios se basa en la construcción
de un conjunto de datos simulado con el que se obtendrá un modelo de bloques, de este se selecciona
un porcentaje datos y se aplican los modelos de regresión: Regresión Beta, Regresión
Geográficamente Ponderada, Kriging Bayesiano, Inverso de la distancia y Kriging ordinario generando
nuevos modelos de bloques, finalmente se comparan ambos modelos de bloques a través de la raíz
del error cuadrático medio (RMSE); en el segundo escenario se realiza una ERM a un conjunto de
datos reales de campo repitiendo el procedimiento anterior.
Para el caso simulado se destaca la gran eficacia de los cinco métodos para la estimación,
presentado los menores resultados de RMSE el método Kriging Bayesiano, seguido de Kriging
Ordinario utilizando un menor costo computacional, y por el caso contrario presentando los mayores
resultados de RMSE se encuentra el método Regresión beta. En cuanto al caso real fue necesario optimizar los parámetros de los algoritmos a través de
validación cruzada teniendo el menor resultado de RMSE el método Inverso de la distancia y el mayor valor de RMSE el método Regresión Beta.
Description
Tesis presentada para optar al título de Ingeniero Civil de Minas.
Keywords
Análisis de Regresión, Krigeaje, Valoración de Minas, Métodos Estadísticos, Geología, Métodos Estadísticos, Producción y Consumo Responsable