Buscar en Google Scholar
Título: Caracterización de la incertidumbre del modelo geomecánico del túnel de acceso principal en el tramo crítico con presencia de aguas hidrotermales de un proyecto minero al sur del Perú utilizando Simulación Gaussiana
Otros títulos: Characterization of the uncertainty of the geomechanical model of the main access tunnel in the critical section with the presence of hydrothermal waters of a mining project in southern Peru using Gaussian Simulation
Asesor(es): Solis Sarmiento, Hugo
Campo OCDE: http://purl.org/pe-repo/ocde/ford#2.00.00; https://purl.org/pe-repo/ocde/ford#2.07.05
Fecha de publicación: 10-ene-2022
Institución: Universidad Peruana de Ciencias Aplicadas (UPC)
Resumen: Una caracterización precisa y el modelamiento de la heterogeneidad geomecánica del macizo rocoso conducen a una planificación y diseño de mina eficientes. El uso de técnicas convencionales como el Kriging para el modelamiento del macizo rocoso es limitado, pues no considera la variabilidad espacial y la heterogeneidad del macizo rocoso, dando como resultado estimaciones que no representan el comportamiento real del macizo rocoso. En este contexto, se propone como alternativa de solución usar la Simulación Gaussiana para estimar la heterogeneidad espacial del macizo rocoso basado en el análisis de los valores de UCS, RQD, Condición de aguas y condición de juntas para el modelado del RMR, esta técnica consiste en simular diferentes valores a partir de datos conocidos, además permite analizar la incertidumbre de las simulaciones obtenidas. La metodología que se propone en esta investigación considera el análisis variográfico de las variables regionalizadas geomecánicas en diferentes direcciones, con el fin de determinar su comportamiento anisotrópico; asimismo, se desarrolla el análisis de la incertidumbre mediante la técnica de la validación cruzada que consiste en dividir los datos originales en dos subconjuntos al azar. El 85% de la base de datos se usó para estimar los valores de RMR, mientras que el 15% se utilizó como subconjunto de prueba. El caso de estudio es el tramo crítico con presencia de aguas hidrotermales del túnel de acceso principal de un proyecto minero al sur de Perú, se utilizaron los datos de registro geomecánico tomados en campo, con ellos se produjeron un total de 5 simulaciones por cada variable, produciéndose aproximadamente 3 millones de valores por cada variable. El error medio absoluto del modelo generado con Simulación Gaussiana es de solo 6.58%, que es considerado admisible comparado con el 38.01% obtenido con Kriging.

Accurate characterization and modeling of the rock mass geomechanical heterogeneity leads to efficient mine planning and design. The use of conventional techniques such as Kriging for modeling the rock mass is limited, since it does not consider the spatial variability and heterogeneity of the rock mass, resulting in estimates that do not represent the real behavior of the rock mass. In this context, it is proposed as an alternative solution to use the Gaussian Simulation to estimate the spatial heterogeneity of the rock mass based on the analysis of the values of UCS, RQD, Water condition and joint condition for the RMR modeling, this technique consists in simulating different values from known data, in addition to allowing to analyze the uncertainty of the obtained simulations. The methodology proposed in this research considers the variographic analysis of the regionalized geomechanical variables in directions, in order to determine their anisotropic behavior; Likewise, the uncertainty analysis is developed using the cross-validation technique that consists of dividing the original data into two subsets at random. 85% of the database was used to estimate the RMR values, while 15% was used as a test subset. The case study is the critical section with the presence of hydrothermal waters of the main access tunnel of a mining project in southern Peru, the geomechanical record data taken in the field was used, with them a total of 5 simulations were produced for each variable, producing approximately 3 million values for each variable. The mean absolute error of the model generated with Gaussian Simulation is only 6.58%, which is considered admissible compared to the 38.01% obtained with Kriging.
Enlace al repositorio: http://hdl.handle.net/10757/659198
Disciplina académico-profesional: Ingeniería Minera
Institución que otorga el grado o título: Universidad Peruana de Ciencias Aplicadas (UPC). Facultad de ingeniería
Grado o título: Ingeniero de Gestión Minera
Fecha de registro: 1-mar-2022



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons