Otimização de parâmetros de krigagem baseada na minimização do erro absoluto e o erro quadrático

• Ano de defesa: 2018
• Autor(a) principal: Hundelshaussen Rubio, Ricardo José
• Orientador(a): Costa, Joao Felipe Coimbra Leite
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Krigagem; Geoestatística; Otimização; Tecnologia mineral; Metalurgia extrativa
• Link de acesso: http://hdl.handle.net/10183/198144

A definição da estratégia de busca na krigagem, feita pelo usuário, pode ter impactos significativos nos resultados das estimativas. Domínios estacionários são geralmente estimados utilizando-se uma única estratégia de busca para todo o domínio. No entanto, utilizar uma estratégia de busca global, ou seja, interpolar todos os blocos dentro do domínio estacionário usando-se a mesma estratégia de busca, ignora completamente as variações locais dentro de cada domínio. Nesta tese, é proposta a otimização de parâmetros de krigagem localizada (LKPO, em inglês) como uma metodologia alternativa que considera as melhores configurações de parâmetros de krigagem para estimativas locais (bloco a bloco) baseada na minimização do erro absoluto de cada amostra. Atualmente, a prática utilizada em estimativa de recursos e reservas minerais consiste, primeiramente, em dividir o depósito mineral inteiro em domínios que refletem zonas homogêneas e, em seguida, realizar as modelagens geoestatísticas e as etapas de estimativa dentro de cada um deles. Nessa primeira etapa, o geomodeller geralmente utiliza uma ampla variedade de informações geológicas (e.g., zonas de oxidação, litologias, limites estruturais, distribuição espacial de teores, etc.), visando caracterizar adequadamente o domínio geológico. Entretanto, quando são escassas essas informações, a distribuição dos teores é a única informação que pode ser utilizada para caracterizar aqueles domínios. Nesse sentido, foram testadas 4 alternativas diferentes para criar os domínios geológicos em um estudo de caso 2D, começando por uma simples análise visual até a utilização de métodos de agrupamento para análises de dados através do algoritmo k-means++ (algoritmo usado para agrupar dados em padrões similares), cujo objetivo é particionar um conjunto de dados em um número determinado de clusters (domínios), utilizando somente a informação das amostras. Para ilustrar a metodologia proposta, dois bancos de dados foram utilizados neste trabalho. O primeiro, é um depósito mineral sintético (2D), na qual foram utilizados como referência os dados exaustivos e métodos clássicos de mudança de suporte para realizar as respectivas comparações. O segundo, é um depósito mineral de ouro (3D), na qual foram utilizados como referência os dados provenientes de blasthole e os métodos clássicos de mudança de suporte. Uma ampla variedade de métodos de validação, tais como estatística básica, análise de deriva, curvas teor-tonelagem e análise de suavização da krigagem, demostram que o uso de parâmetros de krigagem locais melhora significativamente o teor estimado, obtendo-se resultados mais precisos e acurados que as metodologias atualmente disponíveis na literatura geoestatística. Por outra parte, no processo de otimização, tanto o número de combinações nas estratégias de busca como o fato de as estimativas serem locais (bloco a bloco) demandam grandes operações matemáticas, que, por sua vez, requerem um grande esforço computacional. Em razão disso, criouse um algoritmo dentro da plataforma do SGeMS para facilitar ao usuário a implementação dessa metodologia. O desempenho em diferentes hardwares desse algoritmo desenvolvido evidenciou que o aumento no número de amostras e a capacidade computacional têm um grande impacto nos tempos de execução do algoritmo da LKPO.