simulacion secuencial gaussiana.pdf

La Simulación Secuencial Gaussiana Es una técnica geoestadística robusta, aplicable a la generación 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 andsmoothed) Tendencias(trends) areales y verticales(variando localmente la media) Patrones de correlación espacial.

Este tipo de simulación trabaja con la transformación Gaussiana o Normal de los datos Propieda des de la si mulación 1. La variable simulada posee: 1.1. Idénticos valores en las localizaciones de los datos experimentales(datos reales) y las mismas características de dispersión 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 simulación representa el modelo numérico del yacimiento esta limitado a la dimensiones de la estructura mas pequeña modelada. Pueden ser simulados métodos de muestreo ,selección, transportación minera ,mezclas, etc para probar su eficiencia antes de que sean aplicados en la realidad en un yacimiento dado. La ventaja de la aplicación de los métodos de simulación es que pueden ser llevados a cabo solamente con el costo del tiempo de computación y no requieren de una gran inversión de recursos. SIMULACION SECUENCIAL GAUSSIANA (SGSIM )

Los pasos para llevar a cabo la simulación son l os sig uientes: 1. Transformar los datos en un NormaL score (conteo normal) antes de la variografía 2. Realizar la variografía de los valores transformados(normalizados) 3. Simular los valores en un “espacio normal o normalizado ” (simulación no condicional) 4. Construir mediante krigage la simulación 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) distribución normal estándar con media 0 y varianza 1. 6.3. Si honora el variograma 6.4. Si honora la geología

L

os métodos de simulación Gaussiana asumen queel modelo de campo aleatorio (random field model ) es Multigaussiano . Una transformación de conteo Normal(Normal Score Transformation ) garantiza que los datos estén perfectamente reproducidos en la distribución normal esto se logra mediante una clasificación de los datos asignandoles una puntuaciónNormal empleando cuantiles idénticos a los de una Distribución Normal Estándar. Transformación de los datos a una distribución Normal Estándar 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 srcinal del ejemplo se componía srcinalmente de 3 columnas: Localización 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 Estándar 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 especificación de la distribución 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 Simulación(en este caso la Secuencial Gaussiana ) en la cual se emplean los datos transformados. Los valores simulados (obtenidos de la simulación)son entonces nuevamente transformados(“backtransformed”) en el programaBACKTR de GSLIB empleando una tabla (lookup table ) que es creada cuando inicialmente se transforman los datos en el programaNSCORE.

Se dice que una simulación es condicional si las realizaciones resultantes honoran los valores de los datos en las localiza ciones de las muestras de lo contrario se denominan inc ondici onales a esa s realiza ciones.

Ing. José A. Arias del Toro 30/09/02

le