Esse artigo apresenta uma técnica de coestimativa - Cokrigagem Co-Locada - aplicada à integração de dados mineralógicos e químicos de minério de ferro. Tendo-se como premissa a adoção de um Modelo Markoviano para facilitar a modelagem de covariâncias, o procedimento sugerido consiste na coestimativa da variável mineralógica goethita - GO com o auxílio da variável química Perda por Calcinação - PPC. A utilização dessa técnica é apoiada em: a) Correlação estatística existente entre as variáveis; b) Abundância de amostras da variável PPC, facilitando a modelagem de sua covariância direta. O método proposto apresenta como principal característica a simplicidade operacional, destacando-se a facilidade do uso da covariância direta da variável Goethita através do uso do Modelo Markoviano. A técnica foi aplicada ao minério de ferro de uma jazida do Quadrilátero Ferrífero e, considerando-se que a proporção de goethita afeta sobremaneira os processos de cominuição, aglomeração e redução, presta-se a auxiliar a caracterização do minério, seja na fase de avaliação de reservas, seja na fase do controle de lavra.
This paper presents a coestimation technique - Collocated Cokriging - applied for integrating mineralogical and chemical data from iron ore. Adopting, as an assumption, a Markov Model for making the covariances modelling easier, the suggested procedure is made up of coestimating the mineralogical variable Goethite having as auxiliary variable Loss on Ignition. The application of this technique is based on: a) The existing statistical correlation between the two variables; b) Existence of a large amount of Loss on Ignition samples, making its direct covariance modelling easier. The proposed method has, as the most important characteristic, operational simplicity, emphasizing the easily direct covariance modelling of Goethite through the Markov Model 2. The technique was applied to iron ore minerals from a deposit located in the Iron Quadrangle (MG). Considering that the proportion of Goethite affects the comminution, pelletizing and reduction processes, the method is suitable for characterizing the iron ore in both resources modelling and mining control phases
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.