Spelling suggestions: "subject:"optimización dde camino"" "subject:"optimización dee camino""
1 |
Modelo Mejorado de Corto Plazo para Predecir la Variabilidad en la Ley de Alimentación a PlantaYarmuch Guzmán, Juan Luis January 2007 (has links)
Una de las principales interrogantes en la minería corresponde a la estimación del
recurso geológico que, en la etapa evaluativa, determina la cantidad de reservas y condiciona el
potencial económico del yacimiento. La predicción de corto plazo resulta problemática cuando
sólo se cuenta con datos de largo plazo.
El objetivo general del presente trabajo de título es diseñar y evaluar un algoritmo que
simule la extracción de un banco, prediciendo la variabilidad de la ley de alimentación a planta
para distintos modelos geoestadísticos. Para ello, se define una metodología para simular la
extracción y se implementa una rutina computacional acorde a la metodología propuesta.
La primera parte del trabajo consiste en una descripción del formalismo geoestadístico,
técnicas de estimación y simulación geoestadística. Además, se hace una revisión bibliográfica
de lo realizado en cuanto a planificación minera, modelos de leyes que incorporan información
de corto y largo plazo y estudios sobre simulación de la extracción. Se continúa presentando la
metodología desarrollada para simular la extracción de un banco minero y cómo se aplica ésta
para estudiar la capacidad de distintos métodos geoestadísticos de largo plazo para predecir la
variabilidad de alimentación a planta en el corto plazo. Finalmente, se desarrolla un caso de
estudio para aplicar la metodología propuesta, utilizando datos reales de una mina a cielo
abierto de cobre.
Si bien la metodología propuesta para simular la extracción resulta ser una solución
simplificada del problema, es capaz de reproducir los rasgos más importantes de la extracción
real.
Se concluye que la capacidad predictiva mostrada por kriging ordinario utilizando datos
de largo plazo es muy inferior a la capacidad predictiva expuesta por la simulación mediante el
método secuencial Gaussiano, con y sin incorporación de estadísticas de múltiples puntos.
Asimismo, el estudio no muestras pruebas concluyentes de una superioridad en la capacidad
predictiva entre la simulación secuencial Gaussiana tradicional y la simulación secuencial
Gaussiana que incorpora estadísticas de múltiples puntos.
|
Page generated in 0.0496 seconds