Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
ENGENHARIA GEOLÓGICA
PROFESSOR ANTONIO ALVES
Dezembro, 2015
SUMÁRIO
LISTA DE FIGURAS 3
LISTA DE TABELAS 6
1. INTRODUÇÃO 7
1.1. Banco de dados 7
1.2. Objetivos 9
1.2.1. Gerais 9
1.2.2. Específicos 9
1.3. Metodologia 9
1.3.1. Geoestatística 9
1.3.2. GSLib 10
1.3.3. GSView 10
1.3.4. NotePad++ 10
1.3.5. S-GeMS 10
1.3.6. Microsoft Excel 10
2. ROTINAS BÁSICAS DO GSLIB I – ANÁLISE DAS VARIÁVEIS DE INTERESSE 11
2.1. Histograma 11
2.2. Mapa de localização das amostras 16
2.3. Desagrupamento 19
2.4. Análise comparativa 26
3. ROTINAS BÁSICAS DO GSLIB II – CORRELAÇÃO BIVARIADA 27
4. MODELAMENTO DA CONTINUIDADE ESPACIAL DAS VARIÁVEIS 28
5. VALIDAÇÃO 47
5.1. Krigagem 47
5.2. Validação cruzada 52
5.3. Histogramas de erros 54
5.4. Modelo de blocos 59
5.5. Parametrização 80
6. Conclusões 84
REFERÊNCIAS 85
2
LISTA DE FIGURAS
3
Figura 34: Variograma de ângulo 135° com estrutura exponencial e range de 1200m
37
para Cobalto.
Figura 35: Variograma de ângulo 157,5° com estrutura exponencial e range de 1000m
37
para Cobalto.
Figura 36: Variograma de ângulo 0° com estrutura esférica e range de 820m para
38
Níquel.
Figura 37: Variograma de ângulo 22,5° com estrutura esférica e range de 900m para
38
Níquel.
Figura 38: Variograma de ângulo 45° com estrutura esférica e range de 1000m para
39
Níquel.
Figura 39: Variograma de ângulo 67,5° com estrutura esférica e range de 1300m para
39
Níquel.
Figura 40: Variograma de ângulo 90° com estrutura esférica e range de 1100m para
40
Níquel.
Figura 41: Variograma de ângulo 112,5° com estrutura esférica e range de 1000m
40
para Níquel.
Figura 42: Variograma de ângulo 135° com estrutura esférica e range de 900m para
41
Níquel.
Figura 43: Variograma de ângulo 157,5° com estrutura esférica e range de 800m para
41
Níquel.
Figura 44: Variograma de ângulo 0° com estrutura exponencial e range de 900m para
42
Níquel.
Figura 45: Variograma de ângulo 22,5° com estrutura exponencial e range de 1000m
42
para Níquel.
Figura 46: Variograma de ângulo 45° com estrutura exponencial e range de 1100m
43
para Níquel.
Figura 47: Variograma de ângulo 67,5° com estrutura exponencial e range de 1600m
43
para Níquel.
Figura 48: Variograma de ângulo 90° com estrutura exponencial e range de 1500m
44
para Níquel.
Figura 49: Variograma de ângulo 112,5° com estrutura exponencial e range de 1400m
44
para Níquel.
Figura 50: Variograma de ângulo 135° com estrutura exponencial e range de 1000m
45
para Níquel.
Figura 51: Variograma de ângulo 157,5° com estrutura exponencial e range de 800m
45
para Níquel.
Figura 52: Variograma Experimental de Cobalto. 46
Figura 53: Variograma Experimental de Níquel. 46
Figura 54: Gráfico em Radar dos valores de continuidade de cada Variável. 47
Figura 55: Mapa de blocos com a estimativa para Cobalto. 50
Figura 56: Mapa de blocos com a variância estimada para Cobalto. 50
Figura 57: Mapa de blocos com a estimativa para Níquel. 51
Figura 58: Mapa de blocos com a variância estimada para Níquel. 51
Figura 59: Valores de Erro do Co, mostrando a amplitude dos dados. 53
Figura 60: Valores de Erro do Ni, mostrando a amplitude dos dados. 54
Figura 61: Histograma de Frequência dos Erros para o Cobalto. 55
Figura 62: Histograma de Frequência dos Erros para o Níquel. 56
Figura 63: Histograma Acumulado dos Erros para o Cobalto. 57
Figura 64: Histograma Acumulado dos Erros para o Níquel. 58
Figura 65: Análise bivariada dos teores verdadeiros contra estimados de Cobalto. 59
4
Figura 66: Análise bivariada dos teores verdadeiros contra estimados de Níquel. 60
Figura 67: Mapa estimado de Cobalto com teor de corte 0. 62
Figura 68: Mapa estimado de Cobalto com teor de corte 0,2. 62
Figura 69: Mapa estimado de Cobalto com teor de corte 0,4. 63
Figura 70: Mapa estimado de Cobalto com teor de corte 0,6. 63
Figura 71: Mapa estimado de Cobalto com teor de corte 0,8. 64
Figura 72: Mapa estimado de Cobalto com teor de corte 1. 64
Figura 73: Mapa estimado de Cobalto com teor de corte 1,2. 65
Figura 74: Mapa estimado de Cobalto com teor de corte 1,4. 65
Figura 75: Mapa estimado de Níquel com teor de corte 0. 67
Figura 76: Mapa estimado de Níquel com teor de corte 0,4. 67
Figura 77: Mapa estimado de Níquel com teor de corte 0,8. 68
Figura 78: Mapa estimado de Níquel com teor de corte 1,2. 68
Figura 79: Mapa estimado de Níquel com teor de corte 1,6. 69
Figura 80: Mapa estimado de Níquel com teor de corte 2. 69
Figura 81: Mapa estimado de Níquel com teor de corte 2,4. 70
Figura 82: Mapa estimado de Níquel com teor de corte 2,8. 70
Figura 83: Mapa estimado de Níquel com teor de corte 3,2. 71
Figura 84: Mapa estimado de Níquel com teor de corte 3,6. 71
Figura 85: Histograma de Frequências para o Cobalto com teor de corte 0. 72
Figura 86: Histograma de Frequências para o Cobalto com teor de corte 0,2. 72
Figura 87: Histograma de Frequências para o Cobalto com teor de corte 0,4. 73
Figura 88: Histograma de Frequências para o Cobalto com teor de corte 0,8. 73
Figura 89: Histograma de Frequências para o Cobalto com teor de corte 1,0. 74
Figura 90: Histograma de Frequências para o Cobalto com teor de corte 1,2. 74
Figura 91: Histograma de Frequências para o Cobalto com teor de corte 1,4. 75
Figura 92: Histograma de Frequências para o Níquel com teor de corte 0,0. 75
Figura 93: Histograma de Frequências para o Níquel com teor de corte 0,4. 76
Figura 94: Histograma de Frequências para o Níquel com teor de corte 0,8. 76
Figura 95: Histograma de Frequências para o Níquel com teor de corte 1,2. 77
Figura 96: Histograma de Frequências para o Níquel com teor de corte 1,6. 77
Figura 97: Histograma de Frequências para o Níquel com teor de corte 2,0. 78
Figura 98: Histograma de Frequências para o Níquel com teor de corte 2,4. 78
Figura 99: Histograma de Frequências para o Níquel com teor de corte 2,8. 79
Figura 100: Histograma de Frequências para o Níquel com teor de corte 3,2. 79
Figura 101: Histograma de Frequências para o Níquel com teor de corte 3,6. 80
Figura 102: Gráfico Recuperação x Teor de Corte para o Cobalto. 81
Figura 103: Gráfico Teor Médio x Teor de Corte para o Cobalto. 81
Figura 104: Curva de Parametrização para o Cobalto. 82
Figura 105: Gráfico Recuperação x Teor de Corte para o Níquel. 82
Figura 106: Gráfico Teor Médio x Teor de Corte para o Níquel. 83
Figura 107: Curva de Parametrização para o Níquel. 83
5
LISTA DE TABELAS
6
1. INTRODUÇÃO
O Jura, tal como é conhecido o Maciço do Jura ou a Cordilheira do Jura, é uma cadeia
de montanhas culminando a 1 720 m de altitude, situada ao norte dos Alpes, na França, Suíça e
Alemanha (Figura 1). O maciço estende-se na realidade desde Lägern, um anticlinal no cantão
de Zurique na Suíça, até ao departamento da Isère na França, pelo que tem cerca de 400 km de
comprimento (Figura 3). O Jura deu seu nome a um célebre período geológico do nosso planeta,
o Jurássico, durante a era secundária, entre 210 a 140 milhões de anos atrás. Na verdade, foi
durante esse período que os sedimentos que viriam a formar a cadeia do Jura se depositaram.
7
Figura 2: Mapa de localização da área do Banco de Dados Jura.
8
1.2. Objetivos
1.2.1. Gerais
1.2.2. Específicos
1.3. Metodologia
1.3.1. Geoestatística
9
1.3.2. GSLib
1.3.3. GSView
1.3.4. NotePad++
1.3.5. S-GeMS
10
2. ROTINAS BÁSICAS DO GSLIB I – ANÁLISE DAS VARIÁVEIS DE INTERESSE
2.1. Histograma
Para estes parâmetros o arquivo de chamada foi o banco de dados JuRa.dat (linha 5),
contendo a coluna da variável Co utilizada representada pelo número 3 (linha 6). Como os dados
são agrupados, o segundo parâmetro da linha 6 foi 0, eliminando este parâmetro na leitura dos
dados pelo programa. Os limites de teores de corte (linha 7) foram estipulados por padrão com
intervalo de -1 a, virtualmente, infinito. O Arquivo de saída (linha 8) chama-se Co-Histo.ps.
Na linha 9 temos os valores mínimo (0) e máximo (2.06) da variável, qe no caso será o
eixo X do histograma e foi condicionada pela origem e pelo teor máximo que a variável
apresenta ao longo das amostragens. Para frequência máxima (linha 10), foi colocado o valor 0
para que o algoritmo do programa gere automaticamente o melhor ajuste. O número de classes
escolhido foi 20 (linha 11), e foi selecionado a plotagem em escala Aritmética, correspondendo
ao valor 0 da linha 12. Para gerar um Histograma de Frequencia, a linha 13 deve corresponter
ao valor 0.
Na linha 14, foi definido o número de quantis para o valor 0, que mostratrá todos. O
número de casas decimais foi estipulado como 2 (linha 15) e o Título do Histograma (linha 16)
foi definido como “Histograma Co Agrupado”. O quadro de estatísticas teve seu valor de posição
1 (linha 17) para que ficasse levemente deslocado para a direita e o valor de referência para o
gráfico de caixa foi deixado como -1.1e21 na linha 18.
11
Com esses parâmetros foi gerado o histograma de frequência dos dados agrupados de
Cobalto (Figura 4).
Mudando o campo Histograma (linha 13) do valor 0 para o valor 1 e o título (linha 16)
para Histograma Co Acumulado Agrupado temos o histograma de frequência acumulada (figura
5) para os mesmos parâmetros anteriores.
12
Parâmetros para o Histograma Acumulado para o Cobalto no arquivo histplt.par
13
Para gerar o histograma de frequência dos dados agrupados para o Níquel, a partir dos
parâmetros de Frequencia dos dados Agrupado do Cobalto, muda-se o valor de 3 para 4 na linha
6, o nome para “Ni-Histo.ps” na linha 8, valor máximo de variável muda de 2.06 para 5.32 na
linha 9 e no título (linha 16), o nome dado é “Histograma Ni Agrupado”.
14
O Histograma Ni Agrupado apresenta valores em porcentagem com uma
amplitude de 0,20% a 5,32%, com uma média aritmética de 2,00% referente às 359
amostras, representando o centro de gravidade da distribuição da variável. Mediana 2,07%,
sendo este o valor que divide as observações no meio. O gráfico demostra uma leve
assimetria negativa, indicando mais dados nos valores finais. Temos no primeiro quartil
1,46% e no ultimo quartil 2,54%.
Mudando o campo Histograma (linha 13) do valor 0 para o valor 1 e o título (linha 16)
para Histograma Ni Acumulado Agrupado temos o histograma de frequência acumulada (figura
7) para os mesmos parâmetros anteriores.
15
Figura 7: Histograma Acumulado dos dados Agrupados de Níquel.
16
Título do Gráfico
6000
5000
4000
3000
2000
1000
0
0 1000 2000 3000 4000 5000 6000
Para estes parâmetros o arquivo de chamada foi o banco de dados JuRa.dat (linha 5),
contendo as colunas para X, Y e da variável Co utilizada representada pelos números 1, 2 e 3
respectivamentes (linha 6). Os limites de teores de corte (linha 7) foram estipulados por padrão
com intervalo de -1 a, virtualmente, infinito. O Arquivo de saída (linha 8), chama-se Locmap-
Co.ps. Nas linhas 9 e 10, temos os valores mínimo (0) e máximo (6000) da variável X, que no caso
será o eixo X do mapa e foi condicionada pela origem e pelo teor máximo que a variável
apresenta ao longo das amostragens, determinada atravéz do passo anterior no aplicativo
Microsoft Excel. Para os dados (linha 11), foi colocado o valor 0 para que o algoritmo do
programa gere o mapa com os valores puros do banco de dados e foi selecionado a plotagem
em escala Aritmética, correspondendo ao valor 0 da linha 12. Para gerar um Mapa de localização
colorido ao invéz de tons de cinza, a linha 13 deve corresponter ao valor 0.
17
Na linha 14 definimos se queremos que o mapa plote os valores em cada ponto (1) ou
apenas os pontos (0), foi escolhido naõ marcar os pontos, ou seja o valor 0. Na linha 15, os
valores 0.1, 2.1 e 0.25 correspondem, respectivamente ao intervalo mínimo da escala de
coloração/tom de cinza, o intervalo máximo e ao incremento. O Tamanho dos pontos foi
definido como 04 (linha 16) e o título do mapa foi definido como “Mapa de Localização Co”
(linha17). Com esses parâmetros foi gerado, via locmap.exe, o Mapa de Localização dados para
Cobalto (Figura 9).
18
Para gerar o mapa de localização para o Níquel, a partir dos parâmetros do mapa de
localização do Cobalto, muda-se o valor de 3 para 4 na linha 6, o nome para “Locmap-Ni.ps” na
linha 15, valor mínimo, máximo e de incremento da escala de coloração/teor de cinza para,
respectivamente, 0.2, 5.4 e 0.8 e no título (linha 16), o nome dado é “Mapa de Localizacao Ni”.
2.3. Desagrupamento
19
𝜆𝑎 = 1/ 𝐵. 𝑛
𝑚 = ∑𝜆𝑎. 𝑧(𝑢𝑎)
Onde: λa = peso;
B = número de células;
n = número de dados de cada célula;
m = média desagrupada dos dados;
z(ua) = valor da variável resposta no ponto.
O método do inverso da distância faz com que os pesos dos dados sejam avaliados
durante o processo de interpolação, tal que a influência de cada ponto é inversamente
proporcional à distância do nó da malha. O fator peso pode ser pré-determinado pelo usuário,
sendo que quanto maior o valor escolhido, menor será a influência dos pontos mais distantes
do nó. Inversamente, quanto menor for o peso, maior o efeito de pontos distantes sobre toda a
malha. Uma característica negativa deste método é a geração de efeito mira ao redor dos pontos
observados. Este é um método rápido e requer pouco custo computacional.
20
9 Co-Desagrupado.out - file for output with data & weights
10 1.0 1.0 - Y and Z cell anisotropy (Ysize=size*Yanis)
11 0 - 0=look for minimum declustered mean (1=max)
12 100 50 5000 - number of cell sizes, min size, max size
13 4 - number of origin offsets
Para estes parâmetros o arquivo de chamada foi o banco de dados JuRa.dat (linha 5),
contendo as colunas para X, Y, Z e da variável Co utilizada representada pelos números 1, 2, 0 e
3 respectivamentes (linha 6). Os limites de teores de corte (linha 7) foram estipulados por
padrão com intervalo de -1 a, virtualmente, infinito.
21
Figura 11: Histograma de Frequência com dados Desagrupados de Cobalto.
22
Figura 12: Histograma Acumulado com dados Desagrupados de Cobalto.
23
Parâmetros para o Histograma de Frequência para Cobalto com valores Desagrupados
no arquivo histplt.par
24
Em relação ao Histograma Ni Agrupado, o Histograma de Frequência com os dados
Desagrupados de Níquel, diferencia-se em 1% na média, 1.99% contra 2% do agrupado, na
mediana, 2,06% contra 2,07% do agrupado, e nos quartis, temos no primeiro quartil 1,39%
e no ultimo quartil 2,55% nos desagrupados e, para os dados agrupados temos no primeiro
quartil 1,46% e no ultimo quartil 2,54%. Em relação às frequências temos apenas uma
anomalia em 1,20%, apresentando um pico de 90 de frequência. O desvio padrão foi de
0.78% contra 0,81% do agrupado e a variância foi de 0,40% para 0.39% no desagrupado.
Mudando o campo Histograma (linha 13) do valor 0 para o valor 1 e o título (linha 16) para
Histograma Ni Acumulado Desagrupado, temos o histograma de frequência acumulada (figura
7) para os mesmos parâmetros anteriores.
25
2.4. Análise comparativa
Cobalto Desagrupado
1,01
Média do Desagrupamento (%)
1,00
0,99 y = 3E-12x3 - 3E-08x2 + 5E-05x + 0,943
0,98 R² = 0,4067
0,97
0,96
0,95
0,94
0,93
0 1000 2000 3000 4000 5000 6000
Tamanho da Célula (m)
Níquel Desagrupado
2,14
Média do Desagrupamento (%)
2,12
y = 6E-12x3 - 4E-08x2 + 6E-05x + 2,0375
2,10 R² = 0,4459
2,08
2,06
2,04
2,02
2,00
1,98
1,96
0 1000 2000 3000 4000 5000 6000
Tamanho da Célula (m)
26
3. ROTINAS BÁSICAS DO GSLIB II – CORRELAÇÃO BIVARIADA
Com a existência de mais de uma variável para cada amostra, uma análise da existência
de correlação entre as variáveis se torna necessária. Com o programa scatplt.exe do Gslib, foi
gerado os gráficos de correlação entre Co e Ni. Os parâmetros para a correlação Níquel x cobalto
no arquivo scatplt.par são:
Para estes parâmetros o arquivo de chamada foi o banco de dados JuRa.dat (linha 5).
As colunas para variável forma 4 para X e 3 Para Y (linha 6). Os limites de teor de corte (linha 7)
foram padrão. O arquivo de saída (linha 8) é “satplt.ps”. Os valores limítrofes do gráfico (linhas
9 e 10) foram definidos em 0,0 e 6,0. Foi escolhido não plotar cada dado nos pontos na linha 11
setando o valor em 0, bem como tamanho do ponto na linha 12, deixado como 1. A linha 13 naõ
se aplica pois não há uma terceira variável e na linha 14 o título escolhido foi “Ni vs Co”.
27
Como visto na figura 17, temos uma correlação de 0.744 entre os dados, indicando
uma dispersão significante de correlação na nuvem de pontos, porém ainda assim a correlação
é válida. Os dados mostran um natureza linear na correlação de Ni vs Co.
28
A medida da continuidade espacial das variáveis através do programa SGeMS inicia no
menu “Data Analysis” e em “Variogram”. No modelador do Variograma Escolhemos o banco de
dados JuRa.dat e as propriedades da variável (Co-Co ou Ni-Ni). Os parâmetros são definidos
(Tabela X) e os Variogramas são gerados (Tabela Y).
29
Os Variogramas com seus respectivos ranges são mostrados a seguir:
Figura 20: Variograma de ângulo 0° com estrutura esférica e range de 800m para Cobalto.
Figura 21: Variograma de ângulo 22,5° com estrutura esférica e range de 900m para Cobalto.
30
Figura 22: Variograma de ângulo 45° com estrutura esférica e range de 1200m para Cobalto.
Figura 23: Variograma de ângulo 67,5° com estrutura esférica e range de 1500m para Cobalto.
31
Figura 24: Variograma de ângulo 90° com estrutura esférica e range de 1200m para Cobalto.
Figura 25: Variograma de ângulo 112,5° com estrutura esférica e range de 1000m para
Cobalto.
32
Figura 26: Variograma de ângulo 135° com estrutura esférica e range de 800m para Cobalto.
Figura 27: Variograma de ângulo 157,5° com estrutura esférica e range de 700m para Cobalto.
33
Figura 28: Variograma de ângulo 0° com estrutura exponencial e range de 1100m para
Cobalto.
Figura 29: Variograma de ângulo 22,5° com estrutura exponencial e range de 1300m para
Cobalto.
34
Figura 30: Variograma de ângulo 45° com estrutura exponencial e range de 1800m para
Cobalto.
Figura 31: Variograma de ângulo 67,5° com estrutura exponencial e range de 2000m para
Cobalto.
35
Figura 32: Variograma de ângulo 90° com estrutura exponencial e range de 1600m para
Cobalto.
Figura 33: Variograma de ângulo 112,5° com estrutura exponencial e range de 1400m para
Cobalto.
36
Figura 34: Variograma de ângulo 135° com estrutura exponencial e range de 1200m para
Cobalto.
Figura 35: Variograma de ângulo 157,5° com estrutura exponencial e range de 1000m para
Cobalto.
37
Figura 36: Variograma de ângulo 0° com estrutura esférica e range de 820m para Níquel.
Figura 37: Variograma de ângulo 22,5° com estrutura esférica e range de 900m para Níquel.
38
Figura 38: Variograma de ângulo 45° com estrutura esférica e range de 1000m para Níquel.
Figura 39: Variograma de ângulo 67,5° com estrutura esférica e range de 1300m para Níquel.
39
Figura 40: Variograma de ângulo 90° com estrutura esférica e range de 1100m para Níquel.
Figura 41: Variograma de ângulo 112,5° com estrutura esférica e range de 1000m para Níquel.
40
Figura 42: Variograma de ângulo 135° com estrutura esférica e range de 900m para Níquel.
Figura 43: Variograma de ângulo 157,5° com estrutura esférica e range de 800m para Níquel.
41
Figura 44: Variograma de ângulo 0° com estrutura exponencial e range de 900m para Níquel.
Figura 45: Variograma de ângulo 22,5° com estrutura exponencial e range de 1000m para
Níquel.
42
Figura 46: Variograma de ângulo 45° com estrutura exponencial e range de 1100m para
Níquel.
Figura 47: Variograma de ângulo 67,5° com estrutura exponencial e range de 1600m para
Níquel.
43
Figura 48: Variograma de ângulo 90° com estrutura exponencial e range de 1500m para
Níquel.
Figura 49: Variograma de ângulo 112,5° com estrutura exponencial e range de 1400m para
Níquel.
44
Figura 50: Variograma de ângulo 135° com estrutura exponencial e range de 1000m para
Níquel.
Figura 51: Variograma de ângulo 157,5° com estrutura exponencial e range de 800m para
Níquel.
45
Figura 52: Variograma Experimental de Cobalto.
46
A continuidade espacial pode ser demonstrada por uma modelagem em gráfico em
forma de radar. Nela conseguimos notar claramente a direção preferencial da estrutura. Foi
plotada as variáveis Cobalto e Níquel nos estudos das estruturas exponenciais e esféricas para a
continuidade através do programa Microsoft Excel. A direção de maior alcance define a direção
preferencial de correlação entre as amostras. E esta informação é utilizada para a realização da
interpolação de dados através de Krigagem.
0
337,5 2000 22,5
315 1500 45
1000
292,5 67,5
500 Co (Exp)
Co (Esf)
270 0 90
Ni (Exp)
Ni (Esf)
247,5 112,5
225 135
202,5 157,5
180
Figura 54: Gráfico em Radar dos valores de continuidade de cada Variável.
5. VALIDAÇÃO
5.1. Krigagem
A ferramenta kt3d.exe (Gslib) fornece o número de blocos gerado e o seu teor de corte
pela krigagem de blocos. Com o executável KT3D.exe e seu respectivo parâmetro, foi
selecionada a variável cobre do banco de dados JuRa.dat para ser trabalho, gerando dois
arquivos de saída, um “.dbg” e outro “.out”.
Outro parâmetro modificado foi a discretização de blocos, que corrige quando possui
bloco com muitas amostras e blocos com poucas amostras, criando linhas diagonais em cada
amostra, linhas na forma de losango, estimando uma média de todas as médias, para um
determinado bloco quando neste possui agrupamento de muitas amostras.
47
Parâmetros para a Krigagem do banco de dados JuRa para o Cobalto:
48
Na linha 27 é definida o número de estruturas (1) e o efeito pepita (0,007). Na linha 28
são definidos a presença de sill (1) e o seu valor (0,12). Finalmente , na linha 29 é definido o
range máximo e mínimo, respectivamente 2000 e 700.
49
Para tal, gerou o seguinte mapa de Krigagem:
50
Figura 57: Mapa de blocos com a estimativa para Níquel.
51
5.2. Validação cruzada
52
9 xvk.dat -file with jackknife data
10 1 2 0 4 0 - columns for X,Y,Z,vr and sec var
11 3 -debugging level: 0,1,2,3
12 kt3d-Ni-Cross.dbg -file for debugging output
13 kt3d-Ni-Cross.out -file for kriged output
14 45 450 100 -nx,xmn,xsiz
15 52 500 100 -ny,ymn,ysiz
16 1 0.5 1.0 -nz,zmn,zsiz
17 5 5 1 -x,y and z block discretization
18 2 12 -min, max data for kriging
19 0 -max per octant (0-> not used)
20 1600 800 0 -maximum search radii
21 67.5 0.0 0.0 -angles for search ellipsoid
22 1 0 -0=SK,1=OK,2=non-st SK,3=exdrift
23 000000000 -drift: x,y,z,xx,yy,zz,xy,xz,zy
24 0 -0, variable; 1, estimate trend
25 extdrift.dat -gridded file with drift/mean
26 4 - column number in gridded file
27 1 0.007 -nst, nugget effect
28 1 0.12 0.0 0.0 0.0 -it,cc,ang1,ang2,ang3
29 2000 700 1 -a_hmax, a_hmin, a_vert
1,5
0,5
0
0 50 100 150 200 250 300 350 400
-0,5
-1
-1,5
53
2,5
2
1,5
1
0,5
0
-0,5 0 50 100 150 200 250 300 350 400
-1
-1,5
-2
-2,5
-3
54
Figura 61: Histograma de Frequência dos Erros para o Cobalto
55
12 0 -0=arithmetic, 1=log scaling
13 0 -0=frequency, 1=cumulative histogram
14 0 - number of cum. quantiles (<0 for all)
15 2 -number of decimal places (<0 for auto.)
16 Histograma Ni Erros
17 1 -positioning of stats (L to R: -1 to 1)
18 -1.1e21 -reference value for box plot
O Histograma Ni Erros apresenta valores com uma amplitude de -2,36 a 2,18, com
uma média aritmética em zero, referente às 359 amostras, representando o centro de
gravidade da distribuição da variável. Mediana -0,01, sendo este o valor que divide as
observações no meio. O gráfico demostra simetria, indicando mais dados nos valores
centrais e igualmente distribuída. O primeiro quartil ficou em -0,33 e o ultimo em 0,30.
56
Parâmetros para o Histograma Acumulado de Erro para Cobalto:
57
Parâmetros para o Histograma Acumulado de Erro para Níquel:
58
5.4. Modelo de blocos
Figura 65: Análise bivariada dos teores verdadeiros contra estimados de Cobalto
59
Parâmetros para o modelo de blocos para o Níquel no scatplt.exe:
Figura 66: Análise bivariada dos teores verdadeiros contra estimados de Níquel
60
Para gerar os mapas com teor de corte vamos para o programa pixelplt.exe e definimos
os parametros do pixelplt.par como:
A Linha 14 contém o título do mapa, definido como “Mapa Estimado - Teor de Corte:
0”. Linhas 16 a 20 foram deixadas como padrão. Na linha 21, definimos a escala de cor do mapa
para ir de 0 a 1.6 com incremento de 0,1. As demais linhas não se aplicam.
Para os demais teores de corte, os parâmetros a serem mudadas são: o teor que será
de 0.2, 0.4, 0.6, 0.8, 1.0, 1.2 e 1.4 (linha 7), o nome do arquivo (linha 8) e o seu respectivo título
(linha 14). Todos coerentes com a linha 7.
61
Figura 67: Mapa estimado de Cobalto com teor de corte 0
62
Figura 69: Mapa estimado de Cobalto com teor de corte 0,4
63
Figura 71: Mapa estimado de Cobalto com teor de corte 0,8
64
Figura 73: Mapa estimado de Cobalto com teor de corte 1,2
65
O mesmo é feito para o Níquel, apenas trocando o arquivo de entrada (linha 5) para
“kt3d-Ni.out”, o arquivo de saída para “pixelpltNi0.ps” (linha 8), o título do mapa para “Mapa
Estimado – Teor de Corte: 0” (linha 15) e na linha 21 agora definimos a escala de cor do mapa
para ir de 0 a 4 com incremento de 0.4, Conforme visto abaixo:
Para os demais teores de corte, os parâmetros a serem mudadas são: o teor que será
de 0.4, 0.8, 1.2, 1.6, 2.0, 2.4 e 2.8, 3.2 e 3.6 (linha 7), o nome do arquivo (linha 8) e o seu
respectivo título (linha 14). Todos coerentes com a linha 7.
66
Figura 75: Mapa estimado de Níquel com teor de corte 0
67
Figura 77: Mapa estimado de Níquel com teor de corte 0,8
68
Figura 79: Mapa estimado de Níquel com teor de corte 1,6
69
Figura 81: Mapa estimado de Níquel com teor de corte 2,4
70
Figura 83: Mapa estimado de Níquel com teor de corte 3,2
71
Os Histogramas desses mapas foram gerados no Programa SGeMS:
Figura 86: Histograma de Frequências para o Cobalto com teor de corte 0,2
72
Figura 87: Histograma de Frequências para o Cobalto com teor de corte 0,4
Figura 88: Histograma de Frequências para o Cobalto com teor de corte 0,8
73
Figura 89: Histograma de Frequências para o Cobalto com teor de corte 1,0
Figura 90: Histograma de Frequências para o Cobalto com teor de corte 1,2
74
Figura 91: Histograma de Frequências para o Cobalto com teor de corte 1,4
Figura 92: Histograma de Frequências para o Níquel com teor de corte 0,0
75
Figura 93: Histograma de Frequências para o Níquel com teor de corte 0,4
Figura 94: Histograma de Frequências para o Níquel com teor de corte 0,8
76
Figura 95: Histograma de Frequências para o Níquel com teor de corte 1,2
Figura 96: Histograma de Frequências para o Níquel com teor de corte 1,6
77
Figura 97: Histograma de Frequências para o Níquel com teor de corte 2,0
Figura 98: Histograma de Frequências para o Níquel com teor de corte 2,4
78
Figura 99: Histograma de Frequências para o Níquel com teor de corte 2,8
Figura 100: Histograma de Frequências para o Níquel com teor de corte 3,2
79
Figura 101: Histograma de Frequências para o Níquel com teor de corte 3,6
5.5. Parametrização
80
100,00 100,00
Recuperação do Cobalto
97,60
100
90
80
70 65,08
RECUPERAÇÃO (%)
60
45,91
50
40
30
15,70
20
10 2,17
0
0,0 0,2 0,4 0,6 0,8 1,0 1,2
TEOR DE CORTE (%)
0,930
1,00,916 0,916
0,8
0,6
0,4
0,2
0,0
0,0 0,2 0,4 0,6 0,8 1,0 1,2
TEOR DE CORTE (%)
81
Cobalto: Parametrização
120 1,6
1,4
100
1,2
RECUEPRAÇÃO (%)
60 0,8
0,6
40
0,4
20
0,2
0 0,0
0,0 0,2 0,4 0,6 0,8 1,0 1,2 1,4
TEOR DE CORTE (%)
100,00 99,95
Recuperação do Níquel
97,32
100
90 84,37
80 70,75
70
RECUPERAÇÃO (%)
60 55,12
50
40
29,01
30
20
9,11
10 1,50 0,09
0
0,0 0,5 1,0 1,5 2,0 2,5 3,0 3,5 4,0
TEOR DE CORTE (%)
82
Teor Médio do Níquel
4,0 3,774
3,394
3,5
3,038
3,0 2,718
2,474
TEOR MÉDIO (%)
2,329
2,5 2,179
1,989 1,989 2,025
2,0
1,5
1,0
0,5
0,0
0,0 0,5 1,0 1,5 2,0 2,5 3,0 3,5 4,0
TEOR DE CORTE (%)
Níquel: Parametrização
120 4,0
3,5
100
3,0
RECUEPRAÇÃO (%)
60 2,0
1,5
40
1,0
20
0,5
0 0,0
0,0 0,5 1,0 1,5 2,0 2,5 3,0 3,5 4,0
TEOR DE CORTE (%)
83
6. Conclusões
84
REFERÊNCIAS
BRAGA, Luis Paulo. Compreendendo Probabilidade e Estatística. 1. ed. Brasil: Editora E-papers.
2010.
DEUTSCH, C.V; Journel, A. G.1996 – GSLIB – Geostatistical Software Library – Second Edition,
Oxford University Press, New York/Oxford, 1996.
ISAAKS, E. H.; SRIVASTAVA, R. M. Applied Geostatistics. New York: Oxford University Press, 1989.
MOURA, L; ROCA, M; DUTRA, Verônica. Análise Geoestatística: Atributo Cr no DATASET Jura, 2013.
Site:http://crjura.blogspot.com.br/p/o-que-e-geoestatistica.html
REMY, N.; BOUCHER, A.; Applied Geostatistics with SGeMS: A User's Guide, Cambridge University
Press, 2009.
85