Simulação geoestatística multivariada com uso de PPMT : uma aplicação para mapeamento de incertezas

• Autor(a) principal: Faria, Paulo Henrique
• Data de Publicação: 2021
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
• Texto Completo: http://hdl.handle.net/10183/223649
• topic: Simulação geoestatística; Análise multivariada; Multivariate simulation; PPMT; K-means; Nickel laterite

Estimativas multivariadas de teores em depósitos minerais de geologia complexa e cujo processo de beneficiamento/metalúrgico necessita controlar múltiplas variáveis é um desafio na indústria mineral. Há dificuldade de se manter a correlação das diversas variáveis entre si pelos métodos tradicionais de estimativa e/ou simulação quando se modela cada variável de maneira independente. Quando as relações multivariadas devem ser reproduzidas nos modelos de teores, é necessário o uso de métodos que garantam essas complexas associações. Este trabalho investiga o uso da técnica Projection Pursuit Multivariate Transform (PPMT), a qual descorrelaciona totalmente as múltiplas variáveis de interesse, permitindo a simulação condicional de cada variável no espaço transformado de maneira independente. Ao fim, retro-transforma as variáveis simuladas, reproduzindo as correlações iniciais dos dados e permitindo a medição da incerteza considerando todas as variáveis. Para ilustrar a proposta, PPMT foi aplicada a um depósito de níquel laterítico considerando cinco variáveis de teores: níquel, ferro, sílica, magnésio e cálcio. 50 simulações condicionais de cada variável foram feitas e checadas. As realizações retro-transformadas para o espaço real reproduziram os histogramas, variogramas e correlações multivariadas dos dados. Para o cálculo das incertezas, foram gerados, através da técnica de agrupamento médias-k, painéis representativos de lavra equivalentes a duas e quatro semanas de produção. Foram gerados 50 cenários possíveis de lavra para ambos os períodos. As incertezas foram sumarizadas pelo coeficiente de variação (CV) de todas as realizações simuladas para todas as variáveis dentro dos painéis de lavra, para os 50 cenários. Os resultados foram usados para subdividir a área de estudos em categorias de variabilidade. Para o período de duas semanas, os volumes com CV menor que 5% com 90% de confiança foram atribuídos à categoria 1, enquanto CV maior que 5% se enquadraram na categoria 2. Para o período de quatro semanas, volumes com CV menor que 5% com 90% de confiança permanecem como categoria 2, do contrário, categoria 3. Um modelo simulado multivariado que reproduz as relações iniciais dos dados e um método de categorização foram propostos considerando múltiplas variáveis. Os critérios de categorização (i.e., CV de 5% e 90% de confiança) funcionaram adequadamente e podem ser ajustados a depósitos distintos.