| Summary: | A distribuição espacial e o volume dos domínios litológicos são freqüentemente as maiores fontes de incerteza na modelagem geológica. Geralmente, a interpretação destas características é baseada em critérios subjetivos de observações, sem levar em consideração a incerteza inerente a este processo. Existem métodos de simulação geoestatísticos capazes de quantificar esta incerteza tipológica das unidades geológicas. A maioria desses métodos utiliza como medida de continuidade geológica os modelos de covariância. Entretanto, estas ferramentas de estatística de dois-pontos, raramente, conseguem capturar os padrões de geometrias complexas. Uma alternativa para esta limitação é utilizar métodos de estatística de múltiplos pontos para reproduzir os padrões espaciais de heterogeneidade que são informados por uma imagem de treinamento. Nessa dissertação, será aplicada a geoestatística de múltiplos pontos (SNESIM) para simular os litotipos de um depósito de minério de ferro. A imagem de treinamento foi baseada em seções interpretadas. Os furos de sondagem são utilizados como amostras primárias. As informações geológicas são acessadas por mapas de probabilidade utilizados como informações secundárias. A metodologia é testada na simulação de um depósito de ferro brasileiro com três diferentes litotipos. Os resultados das simulações são comparados contra um modelo de referência e novos furos de sondagens. As geometrias e distribuição espacial das tipologias foram reproduzidas de forma consistente. A incerteza das distribuições e dos volumes dos domínios tipológicos foi quantificada. O algoritmo de múltiplos pontos e a metodologia proposta mostraram grande potencial de aplicação na simulação de depósitos minerais. === The spatial distribution and volumes of lithological domains are often the biggest sources of uncertainty in geological modeling. Usually, the interpretation of these characteristics is based on subjective criteria of observations, without taking into account the uncertainty inherent in this process. There geostatistical simulation methods capable of quantifying this uncertainty typological geological units. Most of these methods uses as a measure of continuity in geological models covariance. However, these two-point statistical is rarely sufficient to capture the patterns of complex geometries. An alternative to this limitation is to use statistical methods of multiple points to reproduce the spatial patterns of heterogeneity that are informed by a training image. In this dissertation, will be applied to multi-point geostatistics (SNESIM) to simulate lithotypes a deposit of iron ore. The training image was based on sections interpreted. The drillholes are used as primary samples. Geologic information is accessed by probability maps used as secondary information. The methodology is tested in the simulation of a deposit of Brazilian iron with three different rock types. The simulation results are compared against a reference model and new drillholes. The geometries and spatial typologies were reproduced consistently. The uncertainty distributions and volumes of typological domains were quantified. The algorithm of multiple points and the proposed methodology showed great potential for application in the simulation of mineral deposits.
|
|---|
