Show simple item record

dc.contributor.advisorChavez Flores, Robertoes_PE
dc.contributor.authorLupaca Huanacuni, Ubermaines_PE
dc.date.accessioned2023-03-27T16:56:10Z
dc.date.available2023-03-27T16:56:10Z
dc.date.issued2023-03-30
dc.identifier.urihttps://repositorio.unap.edu.pe/handle/20.500.14082/19673
dc.description.abstractPara estimar recursos minerales nos apoyamos en técnicas geoestadísticas, principalmente en los métodos tradicionales (Interpolación por el más cercano vecino e Inverso de la distancia) y las técnicas de Kriging (Kriging Ordinario y Kriging Simple), pero estos métodos y técnicas presentan ciertas limitaciones, no consideran la variabilidad real de las leyes, por lo tanto no representan a los valores cercanos a la realidad generando incertidumbre en la etapa de estimación, entonces, se recurre a la técnica de simulación condicional Gaussiana, que busca reproducir la variabilidad real de la leyes. El presente trabajo de investigación tiene por objetivo determinar la manera de cómo contribuye la técnica geoestadística de simulación condicional Gaussiana al compararla con las técnicas de Kriging y los métodos tradicionales. Para poder desarrollar los objetivos planteados en este trabajo de investigación se utilizó un conjunto de muestras históricas obtenidas entre los años 2007 y 2012 (leyes de Oro y Plata) del proyecto minero IGOR 2012 (Veta Callanquitas) que se ubica en el departamento de la Libertad. Esta investigación es de carácter descriptivo - deductivo, donde el proceso para su desarrollo comprende: el estudio exploratorio de datos, la compositación, el desagrupamiento, la anamorfosis Gaussiana, el análisis variográfico, estimación de los recursos mediante las distintos métodos y técnicas, finalmente, el post procesamiento de los resultados. Los resultados muestran que los modelos de recursos estimados por las metodologías tradicionales y las técnicas de Kriging son muy geométricos y no representan correctamente la variabilidad de las leyes. Los escenarios de recursos generados a partir de la técnica de Simulación condicional Gaussiana no muestran suavizamiento y reproducen mucho mejor la variabilidad de los datos verdaderos, además permitió generar distintos escenarios. Sin embargo, es un proceso lento y riguroso que requiere de mucho esfuerzo computacional.es_PE
dc.formatapplication/pdfes_PE
dc.language.isospaes_PE
dc.publisherUniversidad Nacional del Altiplano. Repositorio Institucional - UNAPes_PE
dc.rightsinfo:eu-repo/semantics/openAccesses_PE
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/deed.eses_PE
dc.sourceUniversidad Nacional del Altiplanoes_PE
dc.sourceRepositorio Institucional - UNAPes_PE
dc.subjectSimulación condicional Gaussianaes_PE
dc.subjectEstimaciónes_PE
dc.subjectGeoestadísticaes_PE
dc.titleSimulación condicional aplicada a la estimación de recursos mineraleses_PE
dc.typeinfo:eu-repo/semantics/bachelorThesises_PE
thesis.degree.nameIngeniero de Minases_PE
thesis.degree.disciplineIngeniería de Minases_PE
thesis.degree.grantorUniversidad Nacional del Altiplano. Facultad de Ingeniería de Minases_PE
dc.type.versioninfo:eu-repo/semantics/acceptedVersiones_PE
dc.publisher.countryPEes_PE
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#1.05.06es_PE
renati.advisor.orcidhttps://orcid.org/0000-0002-4826-1870es_PE
renati.typehttps://purl.org/pe-repo/renati/type#tesises_PE
renati.levelhttps://purl.org/pe-repo/renati/nivel#tituloProfesionales_PE
renati.discipline724026es_PE
renati.jurorDurant Broden, Jorge Gabrieles_PE
renati.jurorArizaca Avalos, Americoes_PE
renati.jurorChayña Contreras, Juan Carloses_PE
renati.author.dni72536671
renati.advisor.dni01225820


Files in this item

Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record

info:eu-repo/semantics/openAccess
Except where otherwise noted, this item's license is described as info:eu-repo/semantics/openAccess