Importancia de la Validación de la Estimación con el apoyo de GEOVIA GEMS: VALIDACIÓN MEDIANTE DERIVAS.

Please note: This post is also available in English – Click Here

Al momento de estimar un modelo de bloques, sea cual sea el método de interpolación escogido, es indispensable validar los resultados obtenidos, con el fin de asegurar la calidad del proceso de estimación conforme a los estándares actuales de la industria.

Mediante la validación del modelo de bloques, buscamos:
– Que la estimación sea globalmente insesgada.
– Minimizar el sesgo local.
– Mantener el suavizamiento de la estimación en un nivel razonablemente aceptable.

Para esto existen al menos cuatro (4) métodos, de los cuales se sugiere implementar al menos los tres (3) siguientes:

1) Validación gráfica.

2) Validación estadística.

3) Validación mediante derivas (Swath Plots).

A continuación, abordaremos el tercer método:

VALIDACIÓN DE LA ESTIMACIÓN MEDIANTE DERIVAS (Swath Plots)

Objetivo:
Validar que el sesgo local de la estimación sea aceptable, esto es, que las medias locales estimadas (bloques) sean similares y sigan la misma tendencia que los datos “reales” (compósitos desagrupados) para las 3 direcciones principales del espacio.

¿Cómo se hace?:
Se definen lonjas en las 3 direcciones principales del espacio, dentro de las cuales se calculan las medias de los bloques y de los compósitos desagrupados. Posteriormente, se grafican las medias calculadas para las 3 direcciones principales del espacio.

Cuidados que hay que tener en la ejecución:
– Realizar el análisis en las direcciones perpendiculares de interés como, por ejemplo, direcciones principales de anisotropía.
– Que los compósitos tengan el mismo soporte que el tamaño del bloque.
– Realizar el análisis solamente sobre los bloques mejor estimados como, por ejemplo, aquellos candidatos a recursos medidos e indicados.
– Que los compósitos hayan sido previamente desagrupados (declustered). Se sugiere usar el método del vecino más cercano (NN, por sus siglas en inglés: Nearest Neighbour) como método de desagrupación.
– Que el análisis se realice de manera separada por población de estimación.

Resultados esperados:

– Que la curva de las medias de los bloques siga la misma tendencia que la curva de las medias de los compósitos desagrupados.
– Que la curva de las medias de los bloques sea más suave que la curva de las medias de los compósitos desagrupados, pero que respete la misma forma, sin ser exageradamente plana.
– Que las curvas de las medias de los bloques y de los compósitos desagrupados se entrecrucen, evitando que la curva de los bloques pase por abajo o por arriba de la curva de compósitos desagrupados, debido a que esto último sería una clara señal de sub o sobrestimación.

Las derivas se obtienen, como sigue:

• Conocer el espacio sobre el cual se establecerán las lonjas que constituirán las derivas.

• Dividir el espacio en lonjas en las 3 direcciones principales del espacio. Por ejemplo, lonjas de 100 m de ancho en las direcciones NS y EW, y 80 m de ancho en la dirección vertical (elevación). Generar polilíneas cerradas que representen las lonjas y dentro de las cuales se calcularán las estadísticas de los bloques estimados y de los compósitos desagrupados (NN).

A continuación, se incluye un ejemplo en la dirección NS.

Creación de las polilíneas cerradas:

• Agregar TAG apropiado, que permita identificar la línea.

• Copiar la polilínea cada 100 m en la dirección N, hasta abarcar todo el espacio a analizar (5,020 m en este ejemplo)

• Cambiar el TAG a cada una de las líneas copiadas. Seleccionar con el mouse (manualmente) la línea cuya TAG será cambiado y luego ejecutar el cambio. Repetir el mismo proceso para cada uno de las polilíneas cerradas.

• Escoger los bloques que están dentro de cada una de las lonjas.

• Reportar las estadísticas dentro de la selección anterior para los bloques estimados y los compósitos desagrupados (NN).

Finalmente, se presenta un ejemplo de los gráficos finales de derivas: