Ir al contenido

Documat

Simulación Geometalúrgica para la Exploración de Ocurrencias Minerales de Oro y Plata

  • Alvarez, Miguel [1] ; Ramos, Nelson [2] ; Ramos, Diego [1] ; Calderón-Celis, Marilú [1]
    1. [1] Universidad Nacional Mayor de San Marcos

      Universidad Nacional Mayor de San Marcos

      Perú

    2. [2] Unidad de Posgrado, Facultad de Ingeniería Geológica, Minera, Metalúrgica y Geográfica, Universidad Nacional Mayor de San Marcos, Lima, Perú; Recursos Mineros – RecMin, Oviedo, España
  • Localización: Revista Politécnica, ISSN-e 2477-8990, Vol. 54, Nº. 2, 2024 (Ejemplar dedicado a: Revista Politécnica), págs. 21-34
  • Idioma: español
  • DOI: 10.33333/rp.vol54n2.02
  • Títulos paralelos:
    • Geometallurgical Simulation for the Exploration of Gold and Silver Mineral Occurrences
  • Enlaces
  • Resumen
    • español

      La exploración de recursos constituye una etapa importante para localizar elementos de interés económico, sin embargo, tradicionalmente solo se evalúan indicadores geoquímicos sin considerar variables que impactan en la cadena de valor de la minería. Por consiguiente, el objetivo de esta investigación consistió en elaborar la simulación geometalúrgica para la exploración de ocurrencias minerales de Au y Ag, mediante información geo-estructural, geoquímica y atributos geometalúrgicos de una zona prospectiva ubicada al NW de Ecuador. Para esto se aplicó el Análisis Composicional a datos geoquímicos de 37 elementos en 448 muestras de sedimentos fluviales, y se conformaron dos grupos multielementales, para indicadores geoquímicos de Au – Ag y otro de perjudiciales en lixiviación. Luego, se elaboró su análisis geoestadístico mediante Simulación Secuencial Gaussiana, ejecutando 100 realizaciones para cada grupo y se eligieron aquellas que reproduzcan mejor las estadísticas y variogramas. Además, se evaluó la probabilidad de ocurrencia por encima del valor umbral. Los resultados anómalos son coherentes con datos de depósitos cercanos que indican una ley de 57.45 g/t Au y recuperación mayor al 90 %; asimismo, existen zonas con alta probabilidad (> 50 %) de ocurrencias de elementos perjudiciales, lo que probablemente afecte negativamente en la recuperación de Au a gran escala. Dada la fuerte correlación entre anomalías geoquímicas con presencia de cuerpos intrusivos, sistemas estructurales de fallas y datos metalúrgicos, se establece una nueva metodología para labores prospectivas que permite definir áreas más precisas para la exploración a detalle, lo cual reduce el riesgo e incertidumbre en etapas iniciales de la minería.

    • English

      Resource exploration is an important stage to locate elements of economic interest, however, traditionally only pathfinder elements are evaluated without considering variables that impact the mining value chain. Therefore, the objective of this research consisted in elaborating the geometallurgical simulation for the exploration of Au and Ag mineral occurrences, integrating geo-structural, geochemical and geometallurgical attributes information of a prospective zone located in NW Ecuador. For this purpose, the Compositional Analysis was applied to geochemical data of 37 elements in 448 samples of fluvial sediments, forming two multi-elemental groups, the first one of Au - Ag pathfinders and the other of detrimental in leaching. A geostatistical analysis was elaborated by Gaussian Sequential Simulation, running 100 realizations for each group and choosing those that best reproduce the statistics and variograms; in addition, the probability of occurrence above the threshold value was evaluated. The anomalous results are consistent with data from nearby deposits indicating a grade of 57.45 g/t Au and recovery greater than 90 %. There are also zones with high probability (> 50 %) of occurrences of deleterious elements, which will likely negatively affect the large-scale Au recovery. Given the strong correlation between geochemical anomalies with the presence of intrusive bodies, structural fault systems and metallurgical data, a new methodology for prospective work is established that allows defining more precise areas for detailed exploration, which reduces risk and uncertainty in the initial stages of mining.

  • Referencias bibliográficas
    • bildin, Y., Madani, N., & Topal, E. (2019). A Hybrid Approach for Joint Simulation of Geometallurgical Variables with Inequality Constraint....
    • Abzalov, M. (2016). Applied Mining Geology. Springer International Publishing. https://doi.org/10.1007/978-3-319-39264-6
    • Adeli, A. (2018). Geostatistical modeling and validation of geological loggins and geological interpretations [Tesis doctoral, Universidad...
    • Aitchison, J. (1983). Principal Component Analysis of Compositional Data. Biometrika, 70(1), 57. https://doi.org/10.2307/2335943
    • Álvarez, M., & Lovera, D. (2022). Modelo geometalúrgico para la exploración de recursos minerales. Revista Del Instituto de Investigación...
    • Battalgazy, N., Valenta, R., Gow, P., Spier, C., & Forbes, G. (2023). Addressing Geological Challenges in Mineral Resource Estimation:...
    • Boland, M., Pilatasig, L., Ibadango, E., McCourt, W., Aspden, J., Hughes, R., & Beate, B. (2000). Geology of the Western Cordillera between...
    • Chao, T. T., & Theobald, P. K. (1976). The significance of secondary iron and manganese oxides in geochemical exploration. Economic Geology,...
    • Coward, S., Vann, J., Dunham, S., & Stewart, M. (2009). The primary-response framework for geometallurgical variables. Seventh international...
    • Dominy, S., O’connor, L., Parbhakar-Fox, A., Glass, H., & Purevgerel, S. (2018). Geometallurgy—A route to more resilient mine operations....
    • Egozcue, J., Pawlowsky-Glahn, V., Mateu-Figueras, G., & Barceló-Vidal, C. (2003). Isometric Logratio Transformations for Compositional...
    • Ekolle, F., Meying, A., Zanga-Amougou, A., & Emery, X. (2022). Resource Estimation in Multi-Unit Mineral Deposits Using a Multivariate...
    • Ghasemzadeh, S., Maghsoudi, A., Yousefi, M., & Mihalasky, M. J. (2019). Stream sediment geochemical data analysis for district-scale mineral...
    • Gholamy, A., Kreinovich, V., & Kosheleva, O. (2018). Why 70/30 or 80/20 Relationn Between Training and Testing Sets: A Pedagogical Explanation....
    • Goovaerts, P. (1999). Impact of the simulation algorithm, magnitude of ergodic fluctuations and number of realizations on the spaces of uncertainty...
    • Gulley, A. L., Nassar, N. T., & Xun, S. (2018). China, the United States, and competition for resources that enable emerging technologies....
    • Habib, A., Bhatti, H. N., & Iqbal, M. (2020). Metallurgical Processing Strategies for Metals Recovery from Industrial Slags. Zeitschrift...
    • Hein, J. R., Mizell, K., Koschinsky, A., & Conrad, T. A. (2013). Deep-ocean mineral deposits as a source of critical metals for high-...
    • Hickson, D. C., Boivin, A. L., Tsai, C. A., Daly, M. G., & Ghent, R. R. (2020). Modeling the Dielectric Properties of Minerals From Crystals...
    • Hosseini, S. A., & Asghari, O. (2015). Simulation of geometallurgical variables through stepwise conditional transformation in Sungun...
    • Ichau, M. (2019). Caracterización mineralógica y optimización del proceso en la extracción de oro en una muestra de mina del sector Buenos...
    • Jones, M. C., & Aitchison, J. (1987). The Statistical Analysis of Compositional Data. Journal of the Royal Statistical Society. Series...
    • Korshunova, V., & Charykova, M. (2019). Mobile Forms of Gold and Pathfinder Elements in Surface Sediments at the Novye Peski Gold Deposit...
    • Lane, D. J., Cook, N. J., Grano, S.R., & Ehrig, K. (2016). Selective leaching of penalty elements from cooper concentrates: A review....
    • Lishchuk, V., & Pettersson, M. (2021). The mechanisms of decision-making when applying geometallurgical approach to the mining industry....
    • Madani Esfahani, N., & Asghari, O. (2013). Fault detection in 3D by sequential Gaussian simulation of Rock Quality Designation (RQD)....
    • Manchuk, J. G., & Deutsch, C. V. (2012). A flexible sequential Gaussian simulation program: USGSIM. Computers & Geosciences, 41, 208–216....
    • Narciso, J., Araújo, C. P., Azevedo, L., Nunes, R., Costa, J. F., & Soares, A. (2019). A geostatistical simulation of a mineral deposit...
    • Oñate, E. (2018). Exploración de datos geoquímicos mediante análisis de datos composicionales (CoDA):aplicación a los suelos urbanos de Arica...
    • Pachas, D. (2014). La Exploración Minera en el Perú: Un Breve Alcance sobre las Principales Autorizaciones para el Desarrollo de un Proyecto...
    • Ramos, N., & Calderón, J. (2022). Revisión del modelo geometalúrgico para la estimación de recursos minerales en depósitos pórfido cupríferos....
    • Rossi, M., & Deutsch, C. (2014). Mineral resource estimation. In Mineral Resource Estimation. Springer Netherlands. https://doi.org/10.1007/978-1-4020-5717-5
    • Talesh, S., Asghari, O., & Ghavami, S. (2018). Spatial modelling of zonality elements based on compositional nature of geochemical data...
    • Vallejo, C., Spikings, R. A., Horton, B. K., Luzieux, L., Romero, C., Winkler, W., & Thomsen, T. B. (2019). Late cretaceous to miocene...
    • Wouters, M., Rahman, S., Myamoto, H., Tran, N. N., & Hessel, V. (2021). Continuous microfluidic solvent extraction of cobalt from mimicked...
    • Zheng, W., Liu, B., McKinley, J. M., Ji, X., Kong, Y., Xie, M., Wu, Y., & Luo, D. (2023). Metallogeny and exploration indicators of Sn...
    • Zhou, S., Zhou, K., & Wang, J. (2020). Geochemical metallogenic potential based on cluster analysis: A new method to extract valuable...
    • Zuo, R. (2021). Mineral Exploration Using Subtle or Negative Geochemical Anomalies. Journal of Earth Science, 32(2), 439–454. https://doi.org/10.1007/s12583-020-1079-2
Fundación Dialnet

Mi Documat

Opciones de artículo

Opciones de compartir

Opciones de entorno