Abstract¶
Cette section présente les principes clés du traitement statistique des données de forage, en insistant sur l’importance d’un échantillonnage spatialement représentatif et moyennable. Elle explique pourquoi, en raison de la corrélation spatiale des teneurs, il faut éviter les biais liés à une surreprésentation locale. Enfin, elle introduit trois étapes essentielles du prétraitement : la régularisation, le suivi des déviations et le débiaisement des données. On introduit également les calculs de base d’algèbre linéaire pour positionner les forages de manière à intersecter un horizon marqueur.
Introduction¶
Le traitement et l’analyse statistique des données de forage visent essentiellement à fournir une base de données unifiée, dont les statistiques sont représentatives du phénomène étudié. En géostatistique, il est essentiel que les données soient moyennables, ce qui implique l’utilisation d’un support d’échantillonnage uniforme, et qu’elles représentent adéquatement le phénomène géologique analysé.
En géologie, contrairement à plusieurs autres disciplines, les teneurs sont généralement mesurées en un point précis de l’espace. Ces teneurs présentent une autocorrélation spatiale : autrement dit, deux forages proches l’un de l’autre ont plus de chances d’afficher des teneurs similaires que deux forages éloignés. Par conséquent, les échantillons ne peuvent être considérés comme des observations indépendantes issues d’une population homogène. Les teneurs appartiennent souvent à une population structurée spatialement.
Cette réalité impose la nécessité de prendre des précautions supplémentaires lors du prélèvement des échantillons. En effet, pour que les statistiques descriptives de l’échantillon (par exemple : moyenne, écart-type, quantiles) soient pertinentes par rapport à la population, il est essentiel d’obtenir un échantillon aussi homogène que possible sur le plan spatial, i.e., qu’il convient, en particulier, d’éviter la surreprésentation de certaines zones géologiques, afin de ne pas introduire de biais dans l’analyse. Par exemple, réalisé 100 forages dans une zone très riche sur une très petit section du gisement viendrait biaisé les statistiques globales du gisement (i.e., une moyenne des teneurs à la hausse).
Plusieurs étapes clés doivent être respectées lors de l’analyse statistique des données de forage. Cette liste n’est pas exhaustive : d’autres traitements peuvent être nécessaires selon le type de gisement, la méthode d’exploitation (à ciel ouvert ou souterraine), et divers paramètres techniques. Dans cette section, nous aborderons trois étapes importantes du prétraitement des données, avant de procéder à l’estimation des ressources et des réserves minières : la régularisation des données de forages; le suivi et le calcul des déviations des forages; le débiaisement et le dégroupement des données.