Uso de estimativas não lineares e anisotropia local na modelagem de recursos minerais

Abstract

Métodos de estimativa linear são amplamente utilizados para avaliação de recursos. Dentre os métodos de estimativa linear existentes, a (Co)-krigagem ordinária (Co-OK) é conhecida como o melhor estimador para determinar o teor médio em cada bloco. No entanto, a OK é inadequada para modelar blocos pequenos em relação ao espaçamento dos dados, resultando em modelos excessivamente suavizados. Devido a essa limitação, métodos de estimativa não lineares foram desenvolvidos para gerar uma distribuição dos teores de minério para cada bloco, fornecendo informações importantes para a tomada de decisão. Esta tese apresenta a aplicabilidade de estimadores não lineares na estimativa de recursos de longo prazo para melhorar a acurácia, a precisão e a estimativa do recurso recuperável em uma mina de cobre. Além disso, é avaliado o uso de anisotropia local para a modelagem de recurso. Os resultados do recurso recuperável do modelo de curto prazo, que tem uma boa reconciliação com a planta, são comparados com modelos estimados gerados pelo método tradicional, ou seja, a (Co)-krigagem ordinária (Co-OK), e métodos não lineares: condicionamento uniforme localizado (LUC), (Co)-krigagem de indicadores múltiplos de indicadores (MIK) e (Co)-krigagem de indicadores múltiplos localizados (LMIK). Conclui-se é que os métodos não lineares melhoram a acurácia e a precisão do modelo de longo prazo quando comparado ao modelo gerado por Co-OK e que o uso de anisotropia local é essencial para modelagem da tendência dos teores.

Linear estimation methods are widely used for resource evaluation. Among the existing linear estimation methods, (Co)-kriging was accepted as the best estimator to determine the average ore grade of each block. However, (Co)-kriging is inadequate for modeling small blocks in relation to data spacing, resulting in over-smoothed models. Due to this limitation, non-linear estimation methods have been developed to generate a distribution of possible ore grade values for each block, providing important information supporting decision-making. This thesis presents the applicability of non-linear estimators in long-term resource estimation to improve the accuracy and precision of estimates and metal recovery prediction in a copper mine. In addition, the use of local anisotropy for feature modeling is evaluated. The results of the recoverable resource from the short-term model, which has a good reconciliation with the plant, are compared to estimated models generated by the traditional method, i.e., Co-ordinary kriging (Co-OK), and non-linear methods: localized uniform conditioning (LUC), multiple indicator kriging of indicators (MIK) and the localized multiple indicator kriging (LMIK). The conclusion is that non-linear methods improve the accuracy and precision of the long-term model when compared to the model generated by Co-OK.