It is frequent to face estimation problems when dealing with mineral deposits involving multiple correlated variables. The ResumoNa indústria mineira, a estimativa de múltiplas variáveis correlacionadas é comum, na qual os modelos devem reproduzir a correlação exibida pelos dados. Porém, se as variáveis forem estimadas individualmente por krigagem e a informação da correlação não for incorporada explicitamente, não há garantia de que a correlação observada nos dados será reproduzida. A abordagem clássica para estimativa de múltiplas variáveis correlacionadas, cokrigagem, exige um modelo que satisfaça as condições de positividade impostas pelo modelo linear de corregionalização, condição que torna essa metodologia extremamente laboriosa, quando há mais de duas variáveis. Uma alternativa à cokrigagem é descorrelacionar as variáveis e as estimar de forma independente. Para isso, pode-se utilizar de fatores de mínimas/máximas autocorrelações (MAF), aplicando-se uma transformação linear nos dados, transformando-os em outro conjunto descorrelacionado. Os novos fatores calculados, a partir dos dados, podem ser estimados através de krigagem individualizada. Essa metodologia é ilustrada por meio de um estudo de caso, no qual três variáveis correlacionadas são estimadas, aplicando krigagem aos MAF, denominados de KMAF. A cokrigagem é utilizada, aqui, como referência. Os resultados apresentam menos de 1% de desvio relativo.Palavras chave: Fatores de mínimas /máximas autocorrelaçoes, geoestatística, krigagem.
It is frequent to face estimation problems when dealing with mineral deposits involving multiple correlated variables. The ResumoNa indústria mineira, a estimativa de múltiplas variáveis correlacionadas é comum, na qual os modelos devem reproduzir a correlação exibida pelos dados. Porém, se as variáveis forem estimadas individualmente por krigagem e a informação da correlação não for incorporada explicitamente, não há garantia de que a correlação observada nos dados será reproduzida. A abordagem clássica para estimativa de múltiplas variáveis correlacionadas, cokrigagem, exige um modelo que satisfaça as condições de positividade impostas pelo modelo linear de corregionalização, condição que torna essa metodologia extremamente laboriosa, quando há mais de duas variáveis. Uma alternativa à cokrigagem é descorrelacionar as variáveis e as estimar de forma independente. Para isso, pode-se utilizar de fatores de mínimas/máximas autocorrelações (MAF), aplicando-se uma transformação linear nos dados, transformando-os em outro conjunto descorrelacionado. Os novos fatores calculados, a partir dos dados, podem ser estimados através de krigagem individualizada. Essa metodologia é ilustrada por meio de um estudo de caso, no qual três variáveis correlacionadas são estimadas, aplicando krigagem aos MAF, denominados de KMAF. A cokrigagem é utilizada, aqui, como referência. Os resultados apresentam menos de 1% de desvio relativo.Palavras chave: Fatores de mínimas /máximas autocorrelaçoes, geoestatística, krigagem.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.