A descorrelação de variáveis com fatorização MAF em estimativa de teores

Abstract

Há, na mineração, no que se refere à estimativa de teores, inúmeras situações em que as variáveis de interesse exibem correlação entre si. Neste caso, devem ser consideradas as correlações no processo a fim de se obter um resultado consistente com a estatística de correlação entre as variáveis presentes no depósito. A maneira clássica de abordar problemas desta natureza é por meio do uso da cokrigagem, que exige a modelagem das covariâncias diretas e cruzadas das variáveis. Esta metodologia é muito trabalhosa quando envolve mais de duas variáveis. Alternativas aparecem na forma de métodos de fatoração, em que as variáveis originais correlacionadas são transformadas em fatores descorrelacionados. Nesta linha, se tem o método de Mínimos-Máximos Fatores de Autocorrelação (Minimum-Maximum Autocorrelation Factors, MAF), no qual, por meio de uma transformação linear nos atributos correlacionados, leva-os a um espaço em que estejam descorrelacionados, possibilitando que a estimativa seja realizada individualmente pela krigagem, desta forma, evitando o uso do modelo linear de corregionalização. Nesta dissertação, é analisada a aplicabilidade do método de Mínimos-Máximos Fatores de Autocorrelação à estimativa de teores em depósitos multivariados, bem como analisadas suas vantagens e limitações. A técnica alternativa é comparada com o método de coestimativa clássico, cokrigagem, com as análises em diferenças de estimativas obtidas por meio de cada metodologia. Os resultados obtidos mostraram, nos estudos de caso realizados, que a solução MAF proveu resultados de maneira mais rápida e simples sem perda de precisão em relação à cokrigagem.

There are in mining, as regards the grade estimation, numerous situations in which the variables of interest exhibit correlation. In this case, the correlation must be considered in the process to obtain a result consistent with the statistical correlation between the variables present in the deposit. The classic way of addressing such problems is through the use of cokriging, which requires the modeling of direct and cross-covariances of the variables. This methodology is very troublesome when it involves more than two variables. Alternative appear as factoring methods, where the original correlated variables are transformed into uncorrelated factors. In this line, you have the method Minimum - Maximum Autocorrelation Factors (Minimum - Maximum autocorrelation Factors, MAF) where through a linear transformation on attributes correlated, leads them to a space where they are uncorrelated, allowing that the estimation be performed individually through kriging, thus avoiding the use of the linear model of coregionalization. In this dissertation is analyzed the applicability of the method of Minimum - Maximum Autocorrelation Factors for grade estimation in multivariate deposits, as well as its advantages and limitations. The alternative technique is compared to the classic coestimation method, cokriging, by analyzing differences in the estimates obtained by each method. The results showed, in the case studies that the MAF solution provided results more quickly and easily without loss of accuracy regarding to the cokriging.