Incertidumbre en Domain Modelling
Maptek DomainMCF genera modelos que incluyen una medida de incertidumbre, que se puede usar para tomar decisiones informadas y declaraciones de recursos compatibles.
Para reportar un recurso a partir de un modelo geológico, se requieren tres componentes: volumen, densidad y ley o calidad.
Este modelo debería representar la mejor comprensión de los procesos y observaciones geológicos. Sin embargo, una interpretación volumétrica de las observaciones geológicas es tan buena como el conocimiento, la experiencia, los sesgos y la paciencia del geocientífico que construye el modelo.
En realidad, varios geólogos podrían generar varias interpretaciones posibles y como tal, la incertidumbre geológica es tan importante como la incertidumbre de la ley.
Esta incertidumbre geológica a menudo se pasa por alto, principalmente porque, a diferencia de la incertidumbre de la ley, no existe una manera fácil de capturarla o comunicarla.
A menudo, las revisiones del modelo se generan solo cada tres a seis meses. Esto limita la capacidad de probar hipótesis geológicas o incorporar rápidamente nuevos conocimientos a nivel global y desarrollar nuevos modelos para la implementación a corto plazo.
El uso de DomainMCF para predecir dominios geológicos es un proceso muy eficiente, que requiere pocos parámetros de entrada. Este enfoque genera modelos que incluyen una medida de la incertidumbre, que luego se puede utilizar para tomar decisiones fundadas.
Los presupuestos de perforación pueden enfocarse en áreas de alta incertidumbre, en lugar de perforar en una red en una zona de homogeneidad geológica. Los pozos de perforación pueden diseñarse para alcanzar estos objetivos utilizando el nuevo DrillholeOptimiser disponible en Vulcan 2020.
Caso Lisheen
El historial del caso que utiliza datos de la mina de metal Lisheen en Irlanda, muestra varias posibles interpretaciones de los límites del dominio geológico realizadas a partir de los mismos datos de perforación.
Así como tres geólogos diferentes pueden interpretar los datos de tres formas diferentes, Machine Learning puede emular el mismo proceso pero con varias órdenes de magnitud en la mejora de la velocidad.
Todas las soluciones respetan los datos, destacando la incertidumbre subyacente que existe en la mayoría de los entornos geológicos que se han interpretado a partir de datos del subsuelo, como la geofísica de perforación y fondo del pozo.
Cada modelo generado para este historial de casos, tardó 10 minutos en completarse con DomainMCF, en comparación con una semana de esfuerzo del geólogo de la mina durante la operación de la mina, según Colin Badenhorst, ex geólogo de la mina en Lisheen.
La incertidumbre también se puede utilizar para cuantificar mejor la confianza al evaluar los recursos y las reservas declaradas que cumplen con el código JORC, lo que reduce la subjetividad en torno al proceso.
Los modelos se utilizaron para cuantificar la incertidumbre volumétrica para los dominios geológicos, generados a partir de las perforaciones de exploración ampliamente espaciadas.
Los modelos del cuerpo mineralizado principal, exhibieron una variación volumétrica del 12% entre la predicción más optimista de los dominios geológicos y las interpretaciones más pesimistas.
Ésta es una observación importante, ya que una variación de esta magnitud afectará la declaración de recursos.
En lugar de una declaración como “1 millón de toneladas con una ley de x”, la redacción más apropiada sería “1 millón de toneladas (+/- 6% o +/- 60.000 toneladas) con una ley de x”.
La declaración alternativa proporciona a los planificadores de minas y a los posibles inversores, una evaluación cuantitativa del riesgo debido a la incertidumbre geológica.
Agradecimientos a
S. Sullivan, C. Green, D. Carter, H. Sanderson y J. Batchelor “Deep Learning: un nuevo paradigma para el modelaminento de cuerpos minerales” y Colin Badenhorst, geólogo de minas en Lisheen, 2004-06.
Esta sección transversal a través de la perforación de exploración y los esquemas de estructura alámbrica de dos predicciones de DomainMCF de uno de los yacimientos de Lisheen, se muestra en el contexto de una tercera predicción de dominio DomainMCF.
Aparecen sutiles diferencias entre los tres modelos, cada uno de los cuales representa el registro de perforación litológico.
Las dos predicciones DomainMCF de la imagen de la sección transversal superior, se muestran contra un modelo de bloques DomainMCF de fondo con incertidumbre espacial en naranja.
La incertidumbre del dominio, basada en tres interpretaciones de este yacimiento, ocurre principalmente en los márgenes de contacto entre mineral y estéril.
Esta vista en perspectiva 3D de la perforación de superficie para el yacimiento de Lisheen, proporciona pistas sobre los desafíos inherentes a la interpretación.
Aunque la perforación parece estar muy espaciada, los contactos geológicos que cambian rápidamente en cada pozo, proporcionan un nivel de incertidumbre en cuanto a las interpretaciones entre perforaciones adyacentes.
En este depósito, la mayor parte de la incertidumbre geológica está relacionada con los márgenes terminales del horizonte mineralizado.
- La incertidumbre geológica a menudo se pasa por alto porque no ha habido una manera fácil de capturar o comunicar la información.
- Las interpretaciones más optimistas y pesimistas revelaron / mostraron una variación del 12% en los volúmenes para la predicción del dominio geológico.
- El modelo de incertidumbre proporciona a los planificadores de minas e inversores potenciales, una evaluación cuantitativa del riesgo.