MINERÍA la mejor puerta de acceso al sector minero MINERÍA / JULIO 2024 / EDICIÓN 562 68 de Monte Carlo, han podido mitigar estas limitaciones[1]. Sin embargo, el impacto de los altos niveles de heterogeneidad en el comportamiento de los macizos rocosos es aún una tarea compleja y no debidamente resuelta. Recientemente, varios autores han propuesto el uso de técnicas geoestadísticas que, a diferencia de las técnicas probabilísticas tradicionales, tienen en cuenta la dependencia espacial de los datos y permiten estimar con precisión los valores desconocidos de los parámetros geomecánicos, como Rock Quality Designation ( RQD), Rock Mass Rating (RMR) y Uniaxial Compressive Strength (UCS)[2]. Para dar cuenta de esto, la variabilidad espacial en los datos del macizo rocoso se puede estimar y evaluar utilizando modelos de bloques geotécnicos tridimensionales. Además, con técnicas de simulación geoestadística se obtienen varios escenarios que sirven para representar las variables de interés, los cuales reproducen la estructura de correlación espacial de los datos muestrales[3]. El trabajo de investigación tiene como objetivo establecer una metodología para desarrollar un modelo geotécnico en 3D mediante las técnicas geoestadísticas y con ello identificar zonas geotécnicas con posible potencial de riesgo y proyectos de voladura. Objetivos Desarrollar variogramas de las variables de RMR, RQD y UCS en diferentes direcciones para determinar la anisotropía. Estimar las variables geomecánicas y asociarlas a los diferentes litotipos presentes en el tajo. Validar el modelo de bloques geotécnico RMR, RQD y UCS mediante el método visual. Marco teórico Generalidades del Kriging Para estimar o predecir el valor de la variable Tabla 1. Parámetros Estadísticos Fuente: elaboración propia. Parámetros Estadísticos RMR RQD UCS Num Samples 11,035 11,170 762 Num Missing Samples 2,957 2,822 13,230 Min 17 0 4.55 Max 90 100 193.11 Mean 42.8 43.973 64.645 First Quartile 34 19.99 34.54 Median 42 43.751 52.86 Third quartile 51 65.85 82.52 SD 12.2 28.189 41.958 Variance 149.4 794.602 1.760.43 CV 0.3 0.641 0.649 Fuente: elaboración propia. Figura 3. Análisis de confiabilidad de RQD vs FF/m. Fuente: elaboración propia. Figura 4. Diagrama de cajas del RMR, RQD y UCS.
RkJQdWJsaXNoZXIy MTM0Mzk2