Clasificación de Recursos/Reservas Con Geometría Integrada y Medidas de Variabilidad de Grado Local
Clasificación de Recursos/Reservas Con Geometría Integrada y Medidas de Variabilidad de Grado Local
Grado Local
R Dimitrakopoulos1, M Godoy2 and C L Chou3
ABSTRACT
La categorización de los recursos minerales y las reservas de mineral como medidos, indicados,
inferidos y comprobados o probables, respectivamente, es un requisito tanto para los informes
públicos como para las evaluaciones internas de la compañía de los activos mineros. Desde la
comprensión de los recursos minerales hasta la estimación de las reservas de mineral, la
incertidumbre geológica tiene un gran impacto en la clasificación de recursos / reservas. La
clasificación de recursos/reservas se basa tradicionalmente en criterios geométricos, como el
número de muestras o perforaciones dentro de un volumen alrededor de los bloques de
depósito que se clasifican, o alternativamente, alguna forma de varianza estimada derivada
geoestadísticamente. Estos criterios son relativamente fáciles de entender e implementar, sin
embargo, no da cuenta de la variabilidad local de las calificaciones dentro de un depósito, lo que
lleva a una tergiversación de la confianza de las calificaciones estimadas dentro de los
volúmenes dados.
Este documento propone un enfoque basado en un marco de simulación estocástica para
cuantificar la incertidumbre geológica y el riesgo en cinco pasos: generación de realizaciones
adecuadas del depósito en la escala de soporte de bloques apropiada, derivación de funciones
de distribución acumulativa condicional (ccdf) de grados de bloque o atributo seleccionado.
Utilización del coeficiente de variación condicional (CCV) del grado ccdf dentro de un bloque
como medida de incertidumbre para la clasificación de recursos de cada bloque en el modelo de
yacimiento, clasificación de recursos / reservas y evaluación y producción de perfiles de riesgo
para estimaciones. Este enfoque integra las consideraciones geométricas utilizadas
tradicionalmente, en el sentido de ubicaciones de datos y la variabilidad in situ de los grados.
Las aplicaciones en un depósito de diamantes aluviales, vetas de oro epitermales y depósitos de
pórfidos de cobre muestran que existen agrupaciones naturales del CCV de bloques mineros
que permiten una clasificación racional de los recursos o reservas. El enfoque propuesto no solo
es transparente sino que también proporciona un informe técnicamente defendible de la
clasificación de recursos / reservas en un contexto geoestadístico y puede respaldar una mejor
toma de decisiones de inversión.
INTRODUCCIÓN
La clasificación de los recursos minerales como medidas, indicadas e inferidas y las reservas de
mineral probadas o probables se requieren para divulgación pública según se detalla en varios
códigos, como JORC, CIM, PERC o SAMREC. Además, la categorización de recursos y reservas es
un contribuyente importante para la evaluación de una empresa activos mineros y sus curvas de
tonelaje de ley. Es ampliamente aceptado que la incertidumbre y el riesgo geológicos tienen un
gran impacto en la clasificación de recursos y reservas, desde la comprensión de los recursos
minerales y los programas de exploración hasta la 'reserva mineral'. La fiabilidad, la confianza, la
transparencia y la "capacidad de defensa" técnica de la clasificación son fundamentales.
Teniendo en cuenta el valor de las compañías mineras, los beneficios para los accionistas, la
presentación de informes a las instituciones financieras y la atracción de la comunidad de
inversión para la toma de decisiones en el orden de los miles de millones de dólares, hay una
verdadera necesidad de comprender y cuantificar la incertidumbre geológica y el riesgo que
sustenta los recursos / reservas. Los enfoques de vanguardia que cuantifican la incertidumbre y
el riesgo geológicos pueden utilizarse para estandarizar la clasificación de recursos / reservas,
respaldar una mejor toma de decisiones de inversión, habilitar informes bursátiles técnicamente
defendibles y cumplir con los códigos de la industria y proporcionar una mayor seguridad a los
inversores y proteger al público. Tradicionalmente, la clasificación de recursos se ha basado en
consideraciones geométricas y una clasificación de bloque por bloque utilizando criterios
vinculados al número de muestras con un volumen o perforar densidades de pozo, o
alternativamente, una varianza de estimación derivada geoestadísticamente. Estos criterios son
relativamente simples de implementar, además de ser fáciles de entender y transparentes. Sin
embargo, tienen un inconveniente principal ya que no tienen en cuenta la variabilidad local de
las calificaciones dentro de un depósito - esto lleva a una tergiversación de la confianza de las
calificaciones estimadas dentro de volúmenes dados y de la clasificación de recursos / reservas
resultante. Los esfuerzos anteriores para mejorar las técnicas de clasificación se centraron en el
desarrollo y uso de versiones alternativas de varianzas de estimación de grados (kriging), donde
los patrones de clasificación se basan en el tamaño de la grilla de muestreo (por ejemplo,
Saburin, 1983; Froideveau, Roscoe y Valiant, 1986; David, 1988, David y Dagbert, 1977, Arik,
2002 y otros). Como también se señaló anteriormente, estas formulaciones pueden dar cuenta
de posibles aumentos de precisión como la cuadrícula de muestreo el tamaño disminuye, sin
embargo, no incorporan la incertidumbre introducida por la variabilidad local en los datos reales
presentada de forma elocuente por Ravenscroft (1992). La Figura 1 ilustra este punto, que
muestra dos configuraciones idénticas de un bloque y cuatro perforaciones agujeros. A la
derecha, el grado del material muestreado es muy variable, mientras que en el bloque
izquierdo, los grados son mucho menos variables. Si esta fuera la misma zona con el mismo
variograma, las variaciones de estimación serían las mismas, proporcionando así una falsa nivel
de evaluación de la incertidumbre y clasificación de los bloques. Las varianzas de estimación no
abordan adecuadamente la cuestión de la precisión de las estimaciones de recursos globales y
más aún para los recursos globales por encima de un límite (David, 1988), como sería el caso si
se utilizara cualquier otra medida geométrica. Se han sugerido enfoques basados en la
simulación dados los problemas discutidos anteriormente (Audet y Ross, 2007; Wawruch y
Betzhold, 2005; Dohm, 2005; Duggan y Dimitrakopoulos, 2005; Murphy et al, 2004) y necesitan
mayor consideración. Las deficiencias de la clasificación convencional de reserva / recurso
pueden explorarse en un ejemplo de una mina de oro.
Las reservas clasificadas como Medidas, Indicadas e Inferidas se basan principalmente en el
número de muestras dentro de una distancia desde un bloque que se estima
geoestadísticamente y en la consideración de la continuidad del grado espacial dentro de las
vetas de oro identificadas. La Figura 2 muestra parte de una veta donde los bloques se han
clasificado para reservar categorías de acuerdo con el enfoque establecido de la mina. Aunque
esto
FIG 2 - Clasificación de reserva tradicional en una veta de una mina de oro (izquierda) y las
probabilidades para que los bloques sea mineral (derecha).
El enfoque es razonable, relativamente simple, transparente, cumple con las regulaciones y es
técnicamente defendible, el enfoque tradicional muestra deficiencias cuando la clasificación se
compara con las probabilidades de que los bloques sean mineral (ver Figura 2). Las partes
grandes de la veta que se clasifican como indicadas tienen más del 80 por ciento y el 90 por
ciento de probabilidades de ser mineral, por lo que parece inconsistente no informarlas como
medidas. De manera similar, los bloques que se han clasificado como desechos tienen, de
hecho, más del 50 por ciento de probabilidad de ser mineral. Aunque el análisis anterior se
limita a aspectos limitados (por ejemplo, según el JORC, también se debe estimar con precisión
el grado), ilustra cómo los criterios de clasificación convencionales no incluyen medidas directas
de incertidumbre geológica (grado) aparte de las relacionadas con el espacial configuración de
los agujeros de perforación. Como resultado, los enfoques convencionales pueden llevar a una
clasificación diferente de los recursos minerales en comparación con el uso de clasificaciones
que integran la variabilidad espacial real in situ del yacimiento. En las siguientes secciones, se
muestra que las técnicas de simulación estocástica proporcionan información crítica para la
clasificación de recursos / reservas que complementa las estimaciones de recursos, con la
comprensión de la naturaleza multifacética del proceso de clasificación y el papel de la persona
competente. Las técnicas modelan la incertidumbre en los grados estimados de los modelos de
yacimientos y conducen a una evaluación de la incertidumbre geológica como una función de la
variabilidad in situ y la densidad de perforación. Además, el marco de simulación permite la
integración de alternativas geológicas simuladas con grados simulados y posibles errores en los
datos de ensayo, ubicaciones de orificios de perforación, etc. La siguiente sección comienza
discutiendo brevemente los límites de los enfoques de clasificación tradicionales.
Posteriormente, se describe una metodología alternativa, basada en distribuciones
condicionales simuladas de grados de soporte de bloques y medidas de su incertidumbre para
un modelo de yacimientos. Las medidas de incertidumbre se detallan a continuación utilizando
un ejemplo de un depósito de diamantes aluviales. La clasificación de recursos/reservas en el
mismo yacimiento, una veta de oro epitermal y un depósito de pórfido de cobre dilucidan los
aspectos y características relacionados del enfoque. Los comentarios y conclusiones siguen.
RECURSO / RESERVA CLASIFICACIÓN Y MEDIDAS DE INCERTIDUMBRE LOCAL
La simulación condicional permite una metodología de clasificación de recurso / reserva que
considera simultáneamente la densidad de datos y la continuidad del yacimiento, así como la
variabilidad in situ. En esta sección, se describen los aspectos clave de la metodología, incluidas
las medidas apropiadas de incertidumbre que se utilizarán para la clasificación de recursos /
reservas. La metodología se ilustra utilizando un depósito con diamantes en el sudoeste de
África.
Metodología de clasificación
Una metodología de clasificación de recursos se describe en la Figura 3 y consta de cinco pasos:
1. generación de realizaciones adecuadas del depósito en la escala de soporte de bloque
considerada apropiada,
2. derivación de funciones de distribución acumulativa condicional (ccdf) de grados de bloque o
atributo seleccionado,
3. cálculo de las medidas de incertidumbre que se utilizarán para clasificación de recursos
basada en el ccdf de cada bloque en el modelo del yacimiento,
4. clasificación de recursos / reservas, y
5. evaluación y producción de perfiles de riesgo para estimaciones.
dónde:
zkk = 1, ... K son valores umbral K que discretizan el rango de
variación de los valores z
zkes la media de la clase zk-1, (zk-1, zk) que en el caso de un modelo de interpolación lineal dentro
de la clase corresponde a zk = (zk-1 + zk)/2 es la suma discreta
aproximación al valor esperado del ccdf El coeficiente de variación condicional (CCV)
corresponde a la desviación estándar condicional dividida por la desviación estándar media o
relativa. Expresa la variabilidad como un porcentaje de la media, y se calcula como:
A diferencia del CV y el CCV, los DPI y sus variaciones no se ven afectados por la magnitud de los
grados en el ccdf y, por lo tanto, no son sensibles
FIG 3 - Representación diagramática de una metodología de clasificación de recursos basada en
simulación.
a valores atípicos. El IPR también se puede escalar por la media o la mediana del ccdf
correspondiente. Las medidas relacionadas de incertidumbre son la probabilidad de que un
grado de bloque, Z (u) esté por encima, por debajo o dentro de un intervalo de probabilidad. La
figura 4 muestra estadísticas de resumen relacionadas y medidas de incertidumbre para el ccdf
de espesor de 100 × 100 m2 bloquear. El ccdf en sí proporciona el modelo de incertidumbre
para el valor del atributo de espesor para un bloque determinado en la ubicación u dentro del
depósito. Cada punto discreto en el ccdf corresponde a un valor simulado. El ccdf es un
histograma acumulativo de todos los valores simulados asignados a las realizaciones de
simulación del depósito. Una función continua se interpola entre los puntos discretos para
permitir la evaluación de probabilidades para cualquier valor de ccdf.
La Figura 5 muestra el CV, la media condicional, el CCV y el IQR para el mismo tamaño de
bloques de espesor sobre una parte de un depósito de diamantes. Los valores se generan a
partir de 50 realizaciones de simulación y perforación las ubicaciones de los agujeros se
muestran en la figura por triángulos. El CV muestra una buena correlación entre regiones de
muestreo denso y baja varianza condicional. Sin embargo, esto no es necesariamente cierto
para áreas de alto espesor. La presencia de un efecto proporcional se ve claramente cuando se
comparan los valores de CV y grosor de bloque medio, lo que sugiere que el CV puede no ser
una medida adecuada de la incertidumbre local. De forma similar al CV, el IQR muestra una
buena correlación entre las regiones de muestreo denso y los valores más bajos de IQR, así
como una mayor incertidumbre sobre los valores de espesor más altos.
En general, para distribuciones altamente asimétricas, el IQR puede parecer más atractivo que
el CV ya que el IQR es una medida relativa que no usa la media. Una desventaja importante del
IQR es que ignora la distribución interna de las densidades de probabilidad, lo que lleva a una
sobrerrepresentación de la incertidumbre. El CCV discrimina mejor que el CV y el IQR en
términos de densidad de muestra (información de acondicionamiento disponible) y, lo que es
más importante, no muestra un efecto proporcional. Como resultado, es más adecuado para la
clasificación de recursos.
Medidas de clasificación de recursos / reservas
Las medidas de incertidumbre en la sección anterior se pueden usar para definir los
criterios de clasificación de recursos / reservas. Estos criterios requieren el uso de valores
umbral, de forma similar a los esfuerzos anteriores, donde los umbrales se aplicaron a las
variaciones de estimación (por ejemplo, revisión en Sinclair y Blackwell, 2000). Los valores de
umbral pueden reflejar la tolerancia de error que es aceptable localmente para las estimaciones
de bloque así como globalmente para la estimación de recurso. La estimación de bloque aquí
corresponde al valor medio (o estimación de tipo e). Es posible categorizar recursos con
precisión de bloques y usar modelos de recursos derivados de múltiples realizaciones de
simulación para obtener la incertidumbre en recursos o recursos globales dentro de
incrementos de producción de interés en cada categoría. Un primer intervalo de confianza
basado en el CCV implica CCV de umbral fijo que se comparan con el CCV. Esto es equivalente a
comparar el intervalo de confianza sobre la media de ± la desviación estándar frente a un
intervalo de confianza umbral definido como una proporción de la media. El criterio de
clasificación CCV está dado por:
FIG 5 - Vista en planta de izquierda a derecha, la varianza condicional (CV); media condicional
(CM); coeficiente de variación condicional (CCV); y rango entre cuartiles (IQR) para un espesor
de bloque de 100 × 100 m2 en un depósito de diamantes. Tenga en cuenta que la perforación
más densa no garantiza menos incertidumbre.
Como ejemplo, considere una clasificación de CCV con un CCV umbral de 0.5. En este caso,
todos los bloques para los cuales el intervalo de confianza limitado por ± la desviación estándar
es superior al 50% del valor de la media se clasificarán como inferidos. Los bloques restantes se
clasifican como Indicados o Medidos. La selección de valores de umbral se difiere hasta una
sección posterior. Un segundo intervalo de confianza basado en una probabilidad del 90% (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 proporción de esta media. La clasificación
de CCV se define en base a la desviación estándar, aquí el intervalo de confianza se define
considerando la posición relativa de la media al quinto y percentiles 95, denominadas
diferencias negativas y positivas. El intervalo de confianza simétrico utilizado en este criterio es:
dónde:
w- y w + son ponderaciones para las diferencias relativas al percentil quinto y percentiles 95,
respectivamente. Los pesos facilitan los intervalos de confianza asimétricos y se determinan en
función de los intervalos de probabilidad:
ESTUDIOS DE CASO
TABLA 1 Clasificación de recursos de 100 bloques de 100 m2 de espesor basados en los criterios
de clasificación CCV y RPR utilizando umbrales de 40%, 50% y 60% de CV.
TABLA 2
CCV y estadísticas de resumen para
contenido de metal en una carga de oro.
TABLA 3
Informes de clasificación y evaluación de
reservas de mineral parametal, toneladas y
grado promedio.
Seleccionar umbrales en un depósito de cobre
El ejemplo de un depósito de pórfido de cobre en Canadá ilustra el uso de una clasificación
basada en CCV para recursos / clasificación de reserva. El ejemplo considera la parte del
depositar dentro de los límites de pozo óptimos (ver Leite y Dimitrakopoulos, 2010, en este
volumen). Para el presente estudio, 25 realizaciones de los grados de cobre de 20 × 20 × 10 m3
bloques son usado. La figura 8 muestra el tonelaje de mineral por encima del 0.3 por ciento Cu
corte utilizado aquí trazó contra el CCV para los 25 simulados realizaciones del yacimiento de
cobre generado directamente en el bloque tamaño requerido (por ejemplo, Benndorf y
Dimitrakopoulos, 2007). Similar al caso de estudio anterior, la figura muestra un aumento
claramente propagación (riesgo) en el tonelaje de mineral a medida que aumenta el CCV. Figura
8 sugiere la presencia de un riesgo bajo para un CCV de hasta aproximadamente 0,45 como
tonelaje relacionado por encima de las curvas de corte son en su mayoría superposición. La
extensión de la misma curva aumenta hasta un CCV de 0.85, cuando el spread parece alcanzar
su máximo y se estabiliza a esa extensión máxima. Estos dos valores del CCV pueden usarse
como los valores de umbral elegidos para el recurso clasificación.
Comentarios
Es importante tener en cuenta que los umbrales utilizados en los anteriores ejemplos cambiarán
de depósito a depósito, diferentes geológicos zonas y diferentes productos. Sin embargo, el
proceso de generar valores de CCV seguirá siendo los mismos y relativamente distintos frenos
en las distintas curvas y tablas correspondientes estar. Además, es importante reiterar que a
diferencia enfoques tradicionales, clasificación de los bloques utilizando cualquiera de los las
medidas propuestas generadas mediante el uso de simulaciones reflejan tanto densidad de
datos como variación de grado local. La figura 9 muestra el CCV clasificación de bloques en una
sección de la veta de oro discutido anteriormente, junto con los datos de perforación
disponibles. A pesar de que la densidad de perforación varía, la clasificación no siempre muestra
una fuerte correlación con la densidad de perforación. Por ejemplo, un denso el área perforada
no siempre se puede clasificar como medida, como enfoques de clasificación tradicionales
pueden implicar. Los bloques informados en la clasificación de recursos deben ser del mismo
tamaño de soporte. Si este no es el caso, soporte independiente medidas pueden ser derivadas.
Un enfoque conocido es estandarizar el CCV de un bloque de un tamaño de soporte dado
usando la raíz cuadrada de la varianza de dispersión correspondiente (p. ej., Sabourin, 1983).
Otro comentario práctico es que el número de simulaciones requerido en este enfoque
depende de la sensibilidad de los resultados. Si las simulaciones adicionales no afectan la
clasificación general, no son requeridos Todos los enfoques de clasificación pueden ser
mejorados mediante la elección de una agrupación espacial racional de clasificados bloques en
una categoría para evitar su dispersión poco realista. Por último, pero no menos importante, la
capacidad de simular eficientemente grandes depósitos y administrar los datos generados es de
importancia crítica para implementar los enfoques sugeridos.
UN ENLACE AL PROGRAMA DE PRODUCCIÓN Y ALGUNOS ASPECTOS RELACIONADOS
Los enfoques y ejemplos discutidos en las secciones anteriores no considere la influencia
potencial de la programación de producción para clasificación de reservas de mineral Se puede
argumentar que la secuencia y el tiempo de la minería agrega una nueva dimensión a las
decisiones sobre la reserva clasificación. Esto se debe a los criterios para decidir qué es un
riesgo aceptable en un año puede no ser necesariamente el mismo en las decisiones de diez
años más tarde y el riesgo asociado a la minería parte de un yacimiento este año no
necesariamente debe evaluarse en de la misma manera que lo que se va a extraer algunos años
después cuando la información y las condiciones serán diferentes. Una extensión del ejemplo
del depósito de diamantes aluviales presentado anteriormente se utiliza aquí para ilustrar la
cuantificación de incertidumbre en las reservas (y por lo tanto cumplir con los objetivos de
producción) - aquí el volumen total de mineral extraído. Primero, una producción horario se
desarrolla a través de medios convencionales para doce 500×500m2 de bloques y considera la
extracción de cuatro bloques de ese tipo por período durante tres períodos de producción.
Entonces, la evaluación de la incertidumbre es realizada 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 período de producción. La Figura 10 muestra los ccdfs para volúmenes de
material extraído en cada uno de los tres períodos de producción, por lo tanto describiendo su
incertidumbre. Además, la Figura 10 muestra el riesgo perfil del volumen esperado para tres
períodos de producción. Si el riesgo es un criterio principal en la clasificación de la reserva,
luego la reserva en el primer período de minería tal vez debería ser clasificada en una diferente
categoría de eso en el tercer período.
FIG 8 - Tonelaje de mineral versus el CCV para 25 realizaciones del depósito de cobre.
FIG 9 - Bloques en una sección de una carga de oro
clasificada usando el CCV clasificación (izquierda) y
usando la perforación disponible (derecha).
CONCLUSIONES
Los recursos minerales y las reservas de mineral se clasifican como medidos, Indicado, Inferido y Probado
o Probable respectivamente ambos para informes públicos y evaluaciones internas de la compañía.
Recurso/ la clasificación de reserva se basa tradicionalmente en criterios geométricos, como el número
de muestras o agujeros de perforación dentro de un volumen, o alguna forma de varianzas de
estimación. Aunque es transparente y relativamente fácil de entender, estos criterios ignoran la
variabilidad local de calificaciones dentro de un depósito y puede conducir a una simplificación excesiva
o tergiversación de la confianza de las calificaciones estimadas. En este artículo, un enfoque que integra
ambos criterios geométricos y se describe la variabilidad de grado in situ y su aplicación explorado El
enfoque se basa en la simulación condicional y la cuantificación del riesgo en cinco pasos: generación de
realización del depósito en la escala de soporte de bloque apropiada, derivación de funciones de
distribución acumulativa condicional de bloquear calificaciones o atributos seleccionados, utilización del
Condicional Coeficiente de variación (CCV) del grado ccdf dentro de un bloque como la medida de
incertidumbre para la clasificación de recursos de cada bloque en el modelo de mineralización,
clasificación de recursos / reservas, y evaluación y producción de perfiles de riesgo para estimaciones.
Los aspectos prácticos y las complejidades del enfoque propuesto se exploran en tres aplicaciones en un
depósito de diamantes aluviales, una veta de oro epitermal y un depósito de pórfido de cobre. Un
observación interesante, común a estas aplicaciones, es que hay son agrupaciones naturales del CCV de
bloques mineros que permiten categorización racional de recursos o reservas de forma transparente y
forma técnicamente defendible. Con esta herramienta, junto con las existentes prácticas, como
examinar secciones transversales del depósito, para asegurar que se cumplan las definiciones en los
Códigos Nacionales de Información. Como un resultado, informe de la clasificación de recursos / reservas
y puede apoyar una mejor toma de decisiones de inversión.
Una mejora clave de este enfoque podría ser vincularlo a programación de producción minera, primero,
para que la cuenta de clasificaciones para unidades de producción a lo largo del tiempo: lo que se
extraerá en diez años no debería ser clasificado como lo que se va a extraer el próximo año y en segundo
lugar, considerar el control de la clasificación de recursos / reservas a través de la fusión y el
aplazamiento de riesgos, una capacidad que los programadores estocásticos pueden ofrecer.