Repositório Digital

A- A A+

Estudo das metodologias alternativas da geoestatística multivariada aplicadas a estimativa de teores de depósitos de ferro

.

Estudo das metodologias alternativas da geoestatística multivariada aplicadas a estimativa de teores de depósitos de ferro

Mostrar registro completo

Estatísticas

Título Estudo das metodologias alternativas da geoestatística multivariada aplicadas a estimativa de teores de depósitos de ferro
Autor Morales Boezio, Maria Noel
Orientador Costa, Joao Felipe Coimbra Leite
Data 2010
Nível Doutorado
Instituição Universidade Federal do Rio Grande do Sul. Escola de Engenharia. Programa de Pós-Graduação em Engenharia Minas, Metalúrgica e de Materiais.
Assunto Análise multivariada
Geoestatistica
Krigagem
Minério de ferro
Resumo Os investimentos e o planejamento econômico na mineração requerem o entendimento, quantificação e avaliação de riscos na determinação de teores e tonelagens de minério. O planejamento de lavra e as operações em usinas de beneficiamento também requerem a estimativa de teores e tonelagens. A geoestatística proporciona as ferramentas necessárias para realizar essas estimativas utilizando adaptações das técnicas clássicas de regressão. O minério de ferro, assim como o de manganês, são exemplos de casos nos quais é necessário determinar múltiplas variáveis para a caracterização do minério, de modo tal, que os teores nos modelos de blocos dos depósitos satisfaçam os balanços de massa entre as frações granulométricas e a estequiometria para as espécies químicas dos dados originais. Esses sistemas são altamente complexos, apresentando múltiplas variáveis correlacionadas e sendo, portanto, apropriados para serem abordados com a utilização de técnicas geoestatísticas multivariadas. Apesar de a cokrigagem apresentar um estimador que desde o ponto de vista teórico é não tendencioso e que minimiza a variância do erro, nos casos de depósitos complexos, com um número elevado de variáveis relacionadas por várias somas constantes, apresenta uma série aspectos problemáticos: (i) estimativas fora do intervalo original das amostras e/ou negativas que precisam ser pós-processadas; (ii) a não satisfação, por parte dos teores estimados, dos balanços de massa e estequiométricos (somas constantes), sendo necessária a distribuição do erro ou carregá-lo em uma variável que seja determinada a partir dessas relações; (iii) dificuldades na modelagem da corregionalização que faz necessários softwares que consigam dar satisfação às condições de definição positiva impostas pelo Modelo Linear de Corregionalização e (iv) modelos variográficos que não se ajustam adequadamente aos variogramas experimentais diretos e cruzados. Essa tese aborda metodologias da geoestatística multivariada, alternativas à cokrigagem, no caso de um depósito de ferro, com um número elevado de variáveis presentes em diversas faixas granulométricas, correlacionadas espacialmente e que satisfazem várias relações de soma constante simultaneamente. Inicialmente, é aplicada a decomposição em Fatores de Autocorrelação Mínimos/Máximos (MAF), uma metodologia semelhante à decomposição em Componentes Principais (PCA), que propõe descorrelacionar as variáveis até um vetor de separação pequeno, geralmente coincidente com o espaçamento amostral ou com o alcance da primeira estrutura do variograma, evitando assim a modelagem da corregionalização, determinando cada fator de forma independente e posteriormente retro-transformando-o ao espaço original. Nessa tese os fatores são estimados por krigagem ordinária como uma metodologia de estimativa simples e rápida, porém aproximada, já que a transformação MAF inclui uma etapa de normalização das informações originais, o que constitui uma transformação não linear. A metodologia fornece resultados adequados, não sendo necessária a utilização de softwares específicos para a modelagem da corregionalização já que o problema se remete à modelagem de variogramas de variáveis independentes, e, ao incluir uma etapa de normalização e retro-transformação ao espaço original, as estimativas permanecem dentro do intervalo original das amostras, não havendo a necessidade de pós-processá-las. Compara-se com a metodologia clássica da krigagem das componentes principais (PCA), que descorrelaciona as variáveis só para o vetor de separação nulo, com resultados superiores para os fatores MAF. Porém, não dá uma solução ao problema do fechamento dos balanços, devendo-se também, distribuir o erro ou carregá-lo numa variável que é determinada por diferença, para satisfazê-los. Em segunda instância, implementa-se a cokrigagem de razões-logarítmicas aditivas (alr), sendo uma metodologia desenvolvida para dados composicionais (que apresentam uma soma constante). Essa metodologia fornece resultados superiores aos obtidos por cokrigagem direta das variáveis originais, com estimativas dentro do intervalo original das amostras e uma satisfação dos balanços considerados para a totalidade dos valores determinados. A consideração mais importante dessa metodologia é que as variáveis que constituem uma composição regionalizada, como é o caso das variáveis consideradas nos depósitos de ferro, têm um espaço amostral que está restringido ao simplex no qual a soma constante é satisfeita. Porém, não oferece uma solução para o problema da modelagem da variabilidade espacial conjunta (modelo linear de corregionalização). No entanto, diminui numa unidade a ordem de magnitude dos sistemas de cokrigagem sendo, portanto, mais simples de modelar.
Abstract Determination of grades and tonnages, directly affect the comprehension, quantification and risks evaluation in the investment and economic planning for mining projects. Adapting the classic regression techniques, Geostatistics provide the needed methodologies for these determinations. Iron and manganese ores, are examples of cases in which multiple variables need to be determined for ore characterization, simultaneously satisfying the original mass balances and stoichiometry among granulometric fractions and chemical species, respectively. These highly complex systems, with multiple correlated variables, are appropriate for the utilization of multivariate geostatistics. Although the cokriging provides an unbiased estimator that minimizes the error variance, in the case of complex deposits, with a high number of correlated variables, related by multiple constrained sums, it leads to some problematic aspects: (i) estimates outside the original data interval of values and/or negative values, that need to be pos-processed; (ii) estimates that do not satisfy the mass balances and stoichiometry, with the error having to be distributed among variables or assigned to a single variable determined by difference; (iii) impositions of the Linear Model of Corregionalization in presence of multiple variables, need to be achieved by the utilization of specific softwares and (iv) variogram models that do not adhere to experimental direct and cross-variograms. In this thesis, methodologies of multivariate geostatistics, other than cokriging, are evaluated in the frame of an iron ore deposit, with multiple correlated variables, present in various granulometric fractions, simultaneously satisfying diverse closed sum constraints. In first place, decomposition in Minimum/Maximum Autocorrelation Factors (MAF), a methodology similar to Principal Components decomposition (PCA) is performed. This methodology decorrelates variables up to a small separation vector, generally coincident with sampling spacing or with the range of the first structure of the variogram, thus, allowing estimating each factor individually, avoiding modeling the corregionalization. In this thesis, the MAF factors are estimated through ordinary kriging as it is simple and easily implemented, although it provides approximated estimates because of the nscore transformation of the original data that is embedded in the MAF decomposition and back-transformation, which is a non-linear transformation. It provides adequate results, without specific softwares needed for modeling the corregionalization, because the problem is simplified to modeling and estimating individual variables. It is compared with the classical methodology of kriging the Principal Components (PCA) which decorrelates the variables only for a separation vector equal to zero, with superior results for MAF decomposition. The nscore transformation and back-transformation, leads to estimates restricted to the original samples interval, eliminating the pos-processing step. Nevertheless, MAF decomposition does not provide a solution to the closure of mass balances and stoichiometry and the error has to be distributed among variables or assigned to a single variable obtained by difference, as in the case of cokriging of the original data. Secondly, additive log-ratio (alr) cokriging is implemented, being a methodology developed for compositional data (with closed constant sum). This methodology provides better results when compared to the ones obtained by cokriging of the original data, with all estimates within the original data values interval and satisfying the considered balances. The most important consideration of this methodology is that the variables that conform a regionalized composition, as it is the case of variables considered in iron ore, have a sample space that is restricted to the simplex in which the constant sum condition is satisfied. However, it does not provide a solution for modeling the spatial joint correlation (Linear Model of Corregionalization). But, it leads to cokriging systems that are one unit smaller than the original ones and consequently easier to model.
Tipo Tese
URI http://hdl.handle.net/10183/33664
Arquivos Descrição Formato
000761391.pdf (18.24Mb) Texto completo Adobe PDF Visualizar/abrir

Este item está licenciado na Creative Commons License

Este item aparece na(s) seguinte(s) coleção(ões)


Mostrar registro completo

Percorrer



  • O autor é titular dos direitos autorais dos documentos disponíveis neste repositório e é vedada, nos termos da lei, a comercialização de qualquer espécie sem sua autorização prévia.
    Projeto gráfico elaborado pelo Caixola - Clube de Criação Fabico/UFRGS Powered by DSpace software, Version 1.8.1.