“ESTIMACIÓN GEOESTADÍSTICA DEL

RQD, RCU, JRC APLICADA A EL

COMPORTAMIENTO GEOMECÁNICO
DEL CERRO LA FALDA, LA ENCAÑADA
– CAJAMARCA, 2019”
INTEGRANTES:

Bazán Gamonal, Ana

Caruajulca Arana, Tatiana

Cóndor Huingo, William

Huamán Murga, Luis

Medina Moreno, Rossy

Plascencia Mostacero, Aldo

DOCENTE:

Ing. Chuquiruna Chávez, Wilder

Pág. 0
INDICE
RESUMEN ........................................................................................................................ 2
1. INTRODUCCIÓN ......................................................................................................... 3

CAPITULO I ......................................................................................................................... 4

1. ANTECEDENTES ......................................................................................................... 4

CAPÍTULO II. .................................................................................................................... 12

1. GENERALIDADES DE LA ZONA DE ESTUDIO ................................................... 12

CAPÍTULO III. ................................................................................................................... 13

1. Metodología ................................................................................................................. 13

CAPITULO IV .................................................................................................................... 14

1. PROCEDIMIENTO DE ANÁLISIS DE DATOS: ETAPA FINAL ........................... 14

2. FUNDAMENTACIÓN DEL PROCEDIMIENTO ...................................................... 14

Análisis de los parámetros de tendencia central y normalidad de los datos ....................... 14

Análisis de los parámetros de dispersión y normalidad de los datos .................................. 15

3. RESULTADOS ............................................................................................................ 16

4. ESTADÍSTICAS UNIVARIADAS (RQD y RCU) ..................................................... 24

5. ANÁLISIS BIVARIADO ............................................................................................ 26

6. ANÁLISIS DE LA TENDENCIA DE LOS DATOS .................................................. 28

7. ANÁLISIS ESTRUCTURAL ...................................................................................... 29

8. INTERPRETACION .................................................................................................... 31

9. DISCUSION................................................................................................................. 32

V. CONCLUSIONES ....................................................................................................... 33

VI. BIBLIOGRAFIA ...................................................................................................... 33

ANEXOS…………………………………………………………………………………34

Pág. 1
RESUMEN

En la actualidad existen diversos métodos geotécnicos y clásicos que permiten estimar,

diseñar y evaluar los macizos rocosos.
La tesis que hemos trabajado aplico técnicas geoestadísticas como procedimientos de
análisis de la normalidad de datos, variogramas, estadística univariada y bivariada para
analizar el macizo rocoso del cerro la Falda- La Encañada, Cajamarca.
Se analizaron cuatro tipos de parámetros:

RQD (%): “Designación de la calidad de la roca”, este parámetro nos brindará el resultado
de tipo de calidad de roca que existe en la zona, el cual fue medido a partir de la ocurrencia
de fracturas por metro lineal.
RCU: “Resistencia a la compresión uniaxial, se obtuvo a partir de la medición del rebote
obtenido del martillo de SCHMIDT y se trabajó en base a un ábaco (Miller, 1996) este
parámetro nos proporcionará la resistencia del macizo rocoso.

JRC: “Coeficiente de rugosidad de las juntas, este parámetro nos dará el tipo de rugosidad
presente en el macizo rocoso, los resultados se obtuvieron con el peine de BARTON.
Palabras clave: Designación de la calidad de la roca (RQD), Resistencia a la compresión
uniaxial (RCU), Coeficiente de rugosidad de las juntas (JRC), densidad, técnicas
geoestadísticas.

Pág. 2
1. INTRODUCCIÓN

Actualmente existen diversos medios disponibles para reducir los factores de riesgos
geológicos que afectan a las diversas poblaciones, en este contexto el presente trabajo busca
obtener una caracterización geomecánica adecuada aplicando técnicas geoestadísticas en el
sector la Falda - La Encañada, Cajamarca, de tal manera que la información obtenida sirva
como guía y ayude a prevenir eventos naturales en futuros trabajos civiles que se puedan
realizar en la zona de estudio.
Mediante las técnicas geoestadísticas como el análisis estructural (variograma), que utiliza
análisis de variables regionalizadas se determina el comportamiento geomecánico, partiendo
de los parámetros de rugosidad, densidad, resistencia a la compresión y su RQD.
La ocurrencia de riesgos geológicos inventariados por el (INGEMMET, 2011) muestran una
clara tendencia a la susceptibilidad de movimientos en masa, asociados a los taludes más
cercanos y las vías de acceso entre distritos, provincias, centros poblados, etc. Un porcentaje
considerable de esos movimientos (22.5%) está asociado a macizos rocosos.
2. Justificación

Este trabajo se hace con el fin de analizar el riesgo geológico de los macizos rocosos
utilizando la Geoestadística.

3. Formulación del problema

¿Lograremos realizar un adecuado análisis Geoestadístico?

4. Objetivo

Realizar un análisis Geoestadistico del RQD, RCU, JRC a entender el comportamiento

geomecánico del cerro la Falda, La Encañada – Cajamarca.

Pág. 3
 CAPITULO I

1. ANTECEDENTES

Zavala y Rosado (2011), “Boletin 44” del INGEMMET, realizan el estudio de Riesgos
Geológico en la Región Cajamarca en el que se indica que Cajamarca es afectada
frecuentemente por inundaciones, huaycos y deslizamientos; se indica la ocurrencia de
peligrós geológicos y geohidrológicos inventariados mostrando en primer lugar
deslizamientos (36.81%), caídas de rocas y derrumbes (22.25%), flujos (17.83 %),
erosión de laderas (10.25%), movimientos complejos (7.81%), erosión e inundación
fluviales (3.22%), reptaciones (1,56%), hundimientos (0.18%) y vuelcos (0.09%).
Concluyendo con la elaboración de mapas de inventarío de peligros geológicos,
susceptibilidad a movimientos en masa, susceptibilidad a las inundaciones y erosión
fluvial, zonas críticas por peligros geológicos.

Pág. 4
 Riesgos Geológicos, Cajamarca - 2011
40.00% 36.81%
35.00%

30.00%

25.00% 22.25%

20.00% 17.83%

15.00%
10.25%
10.00% 7.81%

5.00% 3.22%
1.56%
0.18% 0.09%
0.00%

Figura 1. Ocurrencia de riesgos geológicos inventariados

Fuente: (INGEMMET, 2011)

Según (Villada & Londoño, 2014) en “Aplicación de métodos

Geoestadísticos para la caracterización de la calidad química de un depósito de material

calcáreo”, realizada en la Universidad de San Buenaventura Facultad de Ingenierías sede
Medellín, llega a las siguientes conclusiones:
 Las técnicas geoestadísticas en comparación con las tradicionales presentan
mayores confiabilidades, ya que consideran la correlación espacial para predecir
un valor asignando pesos o ponderaciones a los puntos que se consideran cercanos
para la estimación. Para este caso, el kriging constituye una técnica ideal para
representar las variables del fenómeno objeto de estudio, las confiabilidades que se
pueden obtener están por encima del 90%.

Según (Egaña, 2008) en su tesis titulada: “Geoestadística aplicada a parámetros

geotécnicos”, realizada en la Universidad de Chile facultad de ciencias físicas y matemáticas
departamento de Ingeniería de Minas, concluye:

Pág. 5
  Cuando disminuye la dispersión de los datos, aumenta la calidad del promedio
como estimador. Esto queda más claro si tomamos el ejemplo extremo de una base
de datos con varianza cero, es decir todos los valores iguales, claramente en este
caso el promedio es un estimador perfecto.
 En general, los variogramas muestran muy poca continuidad, lo que posiblemente
se asocie a la multipoblacionalidad de las variables. Además, en ningún caso se
encontraron direcciones preferenciales, pues los variogramas experimentales
calculados en la N-S, W-E y en la vertical se entrecruzaban constantemente, por lo
que se trabajó siempre con variogramas omnidireccionales.
Conceptos Necesarios de Estadística

Con el objetivo de conocer la naturaleza de la data obtenida en campo, se procede a hacer

un análisis de la estadística descriptiva (Lopez,1997). A continuación, se presenta un
resumen de los conceptos y parámetros estadísticos necesarios empleados en dicha
evaluación:
Las medidas de tendencia central son: La media, la mediana y quedan definidas a
continuación:

a) Media Aritmética (X):

Sensible a valores extremos. Se calcula mediante la expresión:

Ecuación N° 1. Media aritmética

b) Mediana (Me)

No sensible a valores extremos. Es el dato central cuando los datos se ordenan de

menor a mayor. El 50% de los demás datos son menores que ella y el 50% de los demás
datos son mayores a ella.
Una vez calculadas las medidas de tendencia central, es posible analizar qué tan
simétrica es la distribución de los datos, teniendo en cuenta que una distribución
completamente simétrica es una distribución normal.
Las medidas de dispersión, permiten determinar qué tan alejados están los datos con
relación a las medidas de tendencia central, las más comunes son la desviación estándar
(DE) y el coeficiente de variación (CV).

Pág. 6
 c) Desviación estándar (DE): Es sensible a valores extremos.

Es una normalización de la varianza mediante la transformación raíz cuadrada. Una

varianza y una desviación estándar altas indican un alto nivel de dispersión de los datos
en torno a la media y viceversa. Se calcula de la siguiente manera.
Ecuación N° 2. Desviación estándar

d) Coeficiente de variación (CV):

Es sensible a valores extremos.

Expresa la dispersión porcentual en términos relativos. Se calcula mediante la siguiente

expresión.
Ecuación N° 3. Coeficiente de variación

En el cálculo de las medidas de caracterización de los datos se debe tener en cuenta

que unos pocos valores muy pequeños o muy grandes pueden afectar fuertemente las
estadísticas como la media, la varianza, el coeficiente de correlación lineal o las
medidas de continuidad espacial (la covarianza o el semivariograma), a estos valores
se les denomina: valores extremos y outliers.
Procedimiento de análisis de la normalidad de datos

 Análisis de desviación estándar

La desviación estándar es un índice numérico de la dispersión de un conjunto de datos

(o población). Mientras mayor es la desviación estándar, mayor es la dispersión de la
población. Así, la desviación estándar mide el grado de dispersión o variabilidad. La
desviación estándar es un indicador en extremo valioso con muchas aplicaciones. Por
ejemplo, los estadísticos saben que cuando un conjunto de datos se distribuye de
manera “normal”, el 68% de las observaciones de la distribución tiene un valor que se
encuentra a menos a menos de una desviación estándar de la media. También saben
que el 96% de todas las observaciones tiene un valor no es mayor a la media más o
menos dos desviaciones estándar. (ver figura 2)

Pág. 7
 (Londoño & Valdés, 2012)

Figura 2. Variabilidad de la DE en relación a la media de los datos.

 Análisis del coeficiente de variación

Para conocer la posible normalidad de una distribución de una base de datos de
ocurrencia aleatoria se analiza el coeficiente de variación y el valor que éste toma. Según
Koch y Link (1970) el valor del CV debe ser inferior a 0.5 (o 50%) para que una
distribución pueda considerarse como gaussiana de distribución normal, mientras que
valores superiores indican un carácter log-normal o un conjunto de datos con
distribución errática. Otros autores como Carras (1984) por el contrario, admite valores
del CV de hasta uno (o 100%). Para fines de este estudio de investigación emplearemos
el criterio de Koch y Link (1970).

 Análisis de la diferencia entre el promedio y la mediana

Para asumir una distribución normal los valores de la media aritmética (promedio) y la
mediana deben ser los mismos o diferir en un valor menor o igual a la unidad (1), por lo
que un valor superior a la unidad se asume como una distribución log-normal.
(Koch & Link, 1970)

 Estadística bivariada

Cuando se tiene más de una variable de estudio, es importante tratar de describir que posible
relación puede haber entre ellas, esto se hace por medio de diagramas de dispersión
(scatterplots), histogramas bivariados, distribuciones marginales, gráficos interquantiles,
distribuciones condicionales, análisis de regresión, de covarianza y de coeficientes de
correlación. (Henao, 2003)

Pág. 8
  Análisis de tendencia de datos (Trend Analysis)

La herramienta de análisis de tendencias proporciona una perspectiva tridimensional

de los datos. Las ubicaciones de los puntos de muestreo se representan en el plano x,
y. Por encima de cada punto de muestra, el valor viene dado por la altura de una línea
vertical en la dimensión z. característica única de la herramienta de análisis de
tendencias es que los valores se proyectan en el plano x, z, y la y, z plano que los
diagramas de dispersión. Esto puede ser pensado como vistas de lado a través de los
datos tridimensionales. Los polinomios se tienen que montar a través de los diagramas
de dispersión en los planos de proyección. (ver figura 3)

Figura 3. Trend Analysis

Una característica adicional es que se pueden rotar los datos para aislar las tendencias
direccionales. De forma predeterminada, la herramienta seleccionará polinomios de segundo
orden para mostrar las tendencias en los datos, pero puede que desee investigar polinomios
de orden uno y tres para evaluar lo bien que encajan los datos. (Esri, 2010)
En los análisis se hace uso de la estadística univariada (Media, mediana, desviación estándar,
coeficiente de variación), las correlaciones bivariadas, el uso del variograma esférico.

Pág. 9
 ANÁLISIS ESTADÍSTICO
Análisis de tendencia de
UNIVARIADO datos (Trend Analysis)
BIVARIADO
Práctica generalizada de
Construcción del histograma de los Busca investigar la relación recopilar información e
datos, para determinar densidad, el que existe entre 2 variables intentar detectar un patrón
tipo de distribución (normal, log-
normal), si aparecen valores
extremos, determinar la Mediante:
Diagramas de
variabilidad del fenómeno.
dispersión

Histogramas
Medidas de dispersión bivariados
Medidas de
tendencia central Distribuciones
Desviación
Marginales
Media Aritmética
Gráfico Intercuantiles
Coeficiente de variación
(QQplot)
(CV)
Mediana Distribuciones
Condicionales
Análisis de
regresión
Análisis de
Covarianza
CV< 50%: Distribución Análisis de coeficiente de
≠entre promedio y media ≤1; ≠
Gaussiana o normal correlación (𝜌𝑅𝑎𝑛𝑘 )
> 1 = 𝐷𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖𝑜𝑛 𝐿𝑜𝑔 −
CV> 50%: Distribución 𝑁𝑜𝑟𝑚𝑎𝑙
Log-normal o datos
erráticos
Gráfico 1. Conceptos de análisis estadístico
Fuente: Modificado de Galvez,2019
 CONTINUIDAD CERCA DEL
VARIOGRAMA ORIGEN

ZONA DE INFLUENCIA

TIPOS

ANISOTROPIAS
VARIOGRAMA
SIMPLE
ESTRUCTURAS

VARIOGRAMA
INDICADOR

VARIOGRAMA CORREGIONALIZACIÓN
RESIDUAL
SOPORTE

VARIOGRAMA
CRUZADO

VARIOGRAMA
REALIZADO

Gráfico 2. Tipos de Variograma

Fuente: (Emery & Alfaro, 2012)
 CAPÍTULO II.

1. GENERALIDADES DE LA ZONA DE ESTUDIO

El presente estudio se realizó en la zona Norte del Territorio Peruano, específicamente en

el sector La Falda, perteneciente al distrito de La Encañada – provincia y departamento
de Cajamarca. El área de estudio está ubicada en el lado SW de los proyectos mineros de
Minas Conga y Lumina Copper, corresponde a los cuadrángulos 15-g San Marcos y 14-
g Celendín.
El acceso a los puntos de la zona de estudio está comprendido desde el Km. 29+062 hasta
el km.31+082 de la carretera que une el distrito de la Encañada con la Provincia de
Celendín, dicho acceso se lo puede realizar mediante la misma carretera mencionada.
 CAPÍTULO III.

1. Metodología

La caracterización geomecánica de los macizos rocosos facilita en forma significativa

y hace más confiable el pronóstico sobre el comportamiento del macizo rocoso, lo que
disminuye la probabilidad de que se produzcan afectaciones de diferentes índoles que
puedan atentar tanto la economía como la seguridad de las obras y los trabajadores que
se encuentran en ellas. Para complementar la tarea planteada se emplea una
metodología integral de investigación que consta de trabajos analíticos y
experimentales. La metodología que se desarrolla puede ser aplicada en la
caracterización geomecánica de diversos macizos rocosos en obras de superficie. Como
tal esta metodología constituye un aporte científico, ya que incluye aspectos de gran
importancia que permiten evaluar y pronosticar el comportamiento del macizo rocoso.
2. Población y muestra

2.1 Población

Macizo rocoso del sector La Falda

2.2.Muestra

El macizo rocoso que se encuentra en los taludes del tramo comprendido

entre el km. 29+062 y km.31+082 de la Carretera que une el distrito de La
Encañada y la provincia de Celendín
 CAPITULO IV

1. PROCEDIMIENTO DE ANÁLISIS DE DATOS: ETAPA FINAL

La información obtenida es procesada e interpretada en gabinete, haciendo uso de la

mitología de experimentación se determinará los valores de los parámetros
analizados (RQD, RCU, JRC,), el mejor modelo geoestadístico para las variables
geomecánicas, haciendo uso de softwares especializados (Excel, SGEMS, Arcgis).
2. FUNDAMENTACIÓN DEL PROCEDIMIENTO

Análisis de los parámetros de tendencia central y normalidad de los datos

El resumen de los parámetros de tendencia central se muestra en las tablas 1 y 2.

Se puede observar que los parámetros geomecánicos no siguen una distribución
normal, por lo que para el análisis geoestadístico se hará una transformación a
una base de logaritmo neperiano (ln).
Tabla N° 1 Análisis de los parámetros de tendencia central de los valores con
distribución normal.

Tabla N° 2. Análisis de los parámetros de tendencia central de los valores con

distribución log normal.

Análisis de los parámetros de dispersión y normalidad de los datos

El resumen de los parámetros de dispersión se observa en las tablas 3 y 4. Se puede

corroborar que los parámetros geomecánicos no siguen una distribución normal, por lo
que para el análisis geoestadístico se hará una transformación a una base de logaritmo
neperiano.
Tabla N° 3. Análisis de los parámetros de dispersión de los valores con distribución
normal

Tabla N° 4. Análisis de los parámetros de dispersión de los valores con distribución log
normal.

3. RESULTADOS

3.1.Cálculo del RQD

Para este ítem se ha tomado la relación matemática de Hudson and Priest (1979) y
analizada por Palmstron (2005) el cual detalla el cálculo del RQD en función a la
cantidad de fracturas contabilizadas por metro lineal, al cual lo representa por la letra
griega lambda (𝜆), expresada mediante siguiente fórmula Matemática:
Ecuación N° 5. Relación matemática de Hudson and Priest

𝑅𝑄𝐷 = 100 ∗ 𝑒−0.1(𝜆) ∗ (0.1𝜆 + 1)

 Los datos obtenidos para cada punto muestreado, los reemplazamos en dicha fórmula
y obtenemos el RQD para cada una de las 40 muestras. Y se tiene una descripción
general de la caracterización del macizo.
En la tabla N°5 se observan los resultados del RQD para cada uno de los puntos
muestreados.
Tabla N° 5. Valores del RQD para cada uno de los puntos de muestreo.

Puntos RQD
de X Y Z Litología Fract/ml Valor Lineal
muestreo

1 794402 9216386 3209 caliza 15 15 56

2 794396 9216534 3198 caliza 16 16 52

3 794399 9216462 3196 caliza 20 20 41

4 794392 9216380 3198 caliza 15 15 56

5 794341 9216358 3208 caliza 12 12 66

6 794277 9216352 3209 caliza 9 9 77

7 794251 9216254 3209 caliza 19 19 43

8 794229 9216124 3210 caliza 20 20 41

9 794206 9216004 3219 caliza 18 18 46

10 794181 9216900 3225 caliza 18 18 46

11 794127 9215824 3226 caliza 20 20 41

12 794088 9215770 3227 caliza 25 25 29

13 793880 9215662 3234 caliza 20 20 41

14 793892 9215636 3242 caliza 20 20 41

15 794025 9215674 3243 caliza 21 21 38

16 794129 9215772 3248 caliza 23 23 33

17 794152 9215786 3249 caliza 19 19 43

18 794168 9215796 3249 caliza 18 18 46

19 794145 9215836 3248 caliza 12 12 66

20 794217 9215856 3246 caliza 15 15 56

21 794267 9215880 3252 caliza 10 10 74

22 794283 9215892 3252 caliza 14 14 59

23 794295 9215894 3252 caliza 18 18 46

24 794303 9215916 3253 caliza 10 10 74

25 974300 9215972 3247 caliza 12 12 66

26 794291 9215020 3256 caliza 18 18 46

27 974293 9216044 3258 caliza 15 15 56

28 794287 9216068 3256 caliza 25 25 29

29 794300 9216008 3260 caliza 28 28 23

30 794305 9216186 3263 caliza 12 12 66

31 974304 9216192 3259 caliza 18 18 46

32 794305 9216210 3258 caliza 13 13 63

33 794322 9216233 3274 caliza 24 24 31

34 794325 9216242 3267 caliza 28 28 23

35 794355 9216236 3262 caliza 17 17 49

36 794404 9216222 3268 caliza 25 25 29

37 794420 9216218 3262 caliza 22 22 35

38 794470 9216242 3264 caliza 23 23 33

39 794494 9216282 3269 caliza 20 20 41

40 794496 9216283 3270 caliza 22 22 35

3.2.Cálculo de la Resistencia a la compresión uniaxial

Este procedimiento requiere de un valor auxiliar el cual es la densidad del macizo

rocoso, por consiguiente, se han utilizado los datos obtenidos a partir de las pruebas de
laboratorio, a la cuales han sido sometidas las muestras obtenidas en el campo de
estudio.
El valor de la densidad obtenido a partir de los análisis de laboratorio, es igual a 26.50
Kilo- Newton sobre metro cúbico (KN/𝑚3)
 En la tabla N°7, se presentan los valores obtenidos para el RCU en cada uno de los
puntos muestreados.

Tabla N° 6. Valores del RCU para cada uno de los puntos de muestreo.
Punto de Orientacion del Prom. Resist.
Muestreo Martillo Schmidt Rebotes Compres
X Y Z Litología
Uniaxial
(Mpa)

1 794402 9216386 3209 caliza Horizontal 15 30

2 794396 9216534 3198 caliza Horizontal 14 27

3 794399 9216462 3196 caliza Horizontal 12 24

4 794392 9216380 3198 caliza Horizontal 20 37

5 794341 9216358 3208 caliza Horizontal 15 30

6 794277 9216352 3209 caliza Horizontal 24 43

7 794251 9216254 3209 caliza Vertical hacia 20 40

arriba

8 794229 9216124 3210 caliza Horizontal 15 30

9 794206 9216004 3219 caliza Vetical hacia 13 30

abajo

10 794181 9216900 3225 caliza Horizontal 20 36

11 794127 9215824 3226 caliza Horizontal 18 33

12 794088 9215770 3227 caliza Horizontal 20 36

13 793880 9215662 3234 caliza Diagonal hacia 20 43

arriba

14 793892 9215636 3242 caliza Horizontal 15 30

15 794025 9215674 3243 caliza Horizontal 14 28

16 794129 9215772 3248 caliza Vertical hacia 17 40

arriba

17 794152 9215786 3249 caliza Horizontal 18 32

18 794168 9215796 3249 caliza Horizontal 20 35

19 794145 9215836 3248 caliza Horizontal 38 83

20 794217 9215856 3246 caliza Horizontal 30 58

21 794267 9215880 3252 caliza Diagonal hacia 28 60
abajo

22 794283 9215892 3252 caliza Horizontal 26 49

23 794295 9215894 3252 caliza Horizontal 15 30

24 794303 9215916 3253 caliza Vertical hacia 40 92

abajo

25 974300 9215972 3247 caliza Horizontal 35 75

26 794291 9215020 3256 caliza Horizontal 15 30

27 974293 9216044 3258 caliza Horizontal 28 50

28 794287 9216068 3256 caliza Diagonal hacia 25 50

abajo

29 794300 9216008 3260 caliza Horizontal 35 72

30 794305 9216186 3263 caliza Horizontal 22 39

31 974304 9216192 3259 caliza Horizontal 26 49

32 794305 9216210 3258 caliza Horizontal 26 49

33 794322 9216233 3274 caliza Horizontal 30 58

34 794325 9216242 3267 caliza Diagonal hacia 18 40

arriba

35 794355 9216236 3262 caliza Horizontal 27 48

36 794404 9216222 3268 caliza Horizontal 28 50

37 794420 9216218 3262 caliza Horizontal 17 31

38 794470 9216242 3264 caliza Vertical hacia 30 64

arriba

39 794494 9216282 3269 caliza Horizontal 28 50

40 794496 9216283 3270 caliza Horizontal 22 38

3.3.Cálculo del JRC

Para calcular el JRC se ha empleado el ábaco de la figura 6 (Barton, 1982), el cuál

combina en el eje de las ordenadas el tamaño del peine de Barton, que para este
caso tuvo una longitud de 0.30m, y en el eje de las abscisas se ubica la
profundidad de la rugosidad. Combinando ambos ejes se obtiene el valor del JRC.
Figura 6. Profundidad de la rugosidad vs lon. del peine de Barton - cálculo del JRC.

Posteriormente el dato obtenido del JRC se lo combina con la figura 6 para

determinar el tipo de rugosidad de las discontinuidades.
Figura 7. Relación del parámetro JRC de Barton and Choubey (1977) con la
descripción de Bienawski (1976).

Finalmente, en la tabla N°7 se presentan los valores obtenidos para el JRC en cada uno
de los puntos muestreados.
Tabla N° 7. Valores del JRC para cada uno de los puntos de muestreo

Punto de Profundidad Rugosidad

Muestreo de la RMR
X Y Z Litología JRC
Rugosidad
(mm)
1 794402 9216386 3209 caliza 20 20 muy rugosa

2 794396 9216534 3198 caliza 25 20 muy rugosa

3 794399 9216462 3196 caliza 28 20 muy rugosa

4 794392 9216380 3198 caliza 15 20 muy rugosa

5 794341 9216358 3208 caliza 32 20 muy rugosa

6 794277 9216352 3209 caliza 20 20 muy rugosa

7 794251 9216254 3209 caliza 15 20 muy rugosa

8 794229 9216124 3210 caliza 15 20 muy rugosa

9 794206 9216004 3219 caliza 32 20 muy rugosa

10 794181 9216900 3225 caliza 26 20 muy rugosa

11 794127 9215824 3226 caliza 35 20 muy rugosa

12 794088 9215770 3227 caliza 38 20 muy rugosa

13 793880 9215662 3234 caliza 26 20 muy rugosa

14 793892 9215636 3242 caliza 28 20 muy rugosa

15 794025 9215674 3243 caliza 35 20 muy rugosa

16 794129 9215772 3248 caliza 45 20 muy rugosa

17 794152 9215786 3249 caliza 42 20 muy rugosa

18 794168 9215796 3249 caliza 32 20 muy rugosa

19 794145 9215836 3248 caliza 48 20 muy rugosa

20 794217 9215856 3246 caliza 30 20 muy rugosa

21 794267 9215880 3252 caliza 32 20 muy rugosa

22 794283 9215892 3252 caliza 24 20 muy rugosa

23 794295 9215894 3252 caliza 20 20 muy rugosa
24 794303 9215916 3253 caliza 48 20 muy rugosa
25 974300 9215972 3247 caliza 45 20 muy rugosa

26 794291 9215020 3256 caliza 12 17 muy rugosa

27 974293 9216044 3258 caliza 6 8 ligeramente

rugosa

28 794287 9216068 3256 caliza 22 20 muy rugosa

29 794300 9216008 3260 caliza 42 20 muy rugosa

30 794305 9216186 3263 caliza 40 20 muy rugosa

31 974304 9216192 3259 caliza 10 14 rugosa

32 794305 9216210 3258 caliza 8 10 ligeramente

rugosa

33 794322 9216233 3274 caliza 30 20 muy rugosa

34 794325 9216242 3267 caliza 35 20 muy rugosa

35 794355 9216236 3262 caliza 36 20 muy rugosa

36 794404 9216222 3268 caliza 24 20 muy rugosa

37 794420 9216218 3262 caliza 26 20 muy rugosa

38 794470 9216242 3264 caliza 45 20 muy rugosa

39 794494 9216282 3269 caliza 32 20 muy rugosa

40 794496 9216283 3270 caliza 28 20 muy rugosa

4. ESTADÍSTICAS UNIVARIADAS (RQD y RCU)

Para determinar la distribución de los datos de los parámetros geomecánicos analizados

(RQD y RCU) es necesario someter la data obtenida en campo a un análisis estadístico
univariado, de tal manera que nos permita obtener la distribución normal o log – normal
de los datos, si la diferencia entre media y la mediana es mayor a la unidad, se ajusta a
una distribución log – normal para evitar errores en los análisis posteriores.
Este análisis no se ha aplicado a los parámetros de JRC, debido a que la data obtenida
es constante, los resultados muestran una rugosidad (JRC > 20), es decir es un macizo
muy rugoso.
Figura 8. Histograma de distribución normal para el RQD

Figura 9. Histograma de distribución normal para el RCU

Figura 10. Histograma de distribución Log - normal para el RCU

5. ANÁLISIS BIVARIADO

Se han considerado tres pares de parámetros para el análisis bivariado, los cuales son:

 RQD vs JRC

Existe nula correlación entre las variables regionalizadas RQD y JRC, esto lo
evidencia el valor de 𝑅2 el cual es igual a 0.03 (Ver Figura 11)
 RQD vs JRC
25 y = -0.0319x + 20.724
R² = 0.0305
R = 0.1746
20

15

10

0
0 10 20 30 40 50 60 70 80 90 100

Figura 11. Correlación lineal baja entre el RQD y JRC

 RQD vs RCU

Existe una muy baja correlación entre las variables regionalizadas RQD y RCU, esto
lo evidencia el valor de 𝑅2 el cual es igual a 0.07

RQD vs RCU
100
90
80
70
60
50
40
30 y = 0.3026x + 29.985
20 R² = 0.0731
10 R = 0.519
0
0 10 20 30 40 50 60 70 80 90

Figura 12. Correlación lineal baja entre el RQD y RCU

 JRC vs RCU

Existe nula correlación entre las variables regionalizadas JRC y RCU, esto lo
evidencia el valor de 𝑅2 el cual es igual a 0.004 (Ver Figura 13)
 JRC vs RCU
100
90
80 y = -0.3888x + 51.7
R² = 0.004
70 R = 0.0632
60
50
40
30
20
10
0
0 5 10 15 20 25

Figura 13. Correlación lineal baja entre el JRC y RCU

Analizando las correlaciones bivariadas se observa que los parámetros geomecánicos
del macizo rocoso en el sector La Falda son totalmente independientes, por lo tanto, es
importante siempre tratarlos de manera separada y no asumir dependencia entre dichos
parámetros.
6. ANÁLISIS DE LA TENDENCIA DE LOS DATOS
En el análisis de la tendencia de los datos se indican que las curvas de los parámetros
del RQD, RCU y JRC tienen una tendencia de segundo orden. Es decir, son ecuaciones
cuadráticas es por ello que la Geoestadística evita la tendencia de los datos (Trend
Analysis) porque sesgan el resultado.
Análisis de la tendencia de los datos RQD
Análisis de la tendencia de los datos RCU

Análisis de la tendencia de los datos JRC

7. ANÁLISIS ESTRUCTURAL
Variograma RQD
Tipo de modelo: Esférico
Alcance (Rango): 140.25
Sill (Varianza): 102.54
Nugget (Efecto pepita): 126.96
Distancia de los pasos (Lag): 25
Numero de pasos (Lag): 12
Variograma RCU
Tipo de modelo: Esférico
Alcance (Rango): 300
Sill (Varianza): 87.0099
Nugget (Efecto pepita): 179.992
Distancia de los pasos (Lag): 25
Numero de pasos (Lag): 12
Variograma JRC
Tipo de modelo: Esférico
Alcance (Rango): 300
Sill (Varianza): 1.451
Nugget (Efecto pepita): 7.33
Distancia de los pasos (Lag): 25
Numero de pasos (Lag): 12

8. INTERPRETACION
RQD
En los tramos de la carretera con RQD bajo (<50%), se deben tener los cuidados
técnicos adecuados, como la geometría del talúd y el ingreso de agua debido al intenso
fracturamiento. Históricamente esas zonas muestran constantes deslizamientos como
el ocurrido en el año 2016.
Las zonas 1 y 3, muestran un RQD mayor al 50%, evidenciando una zona con menor
fracturamiento asociada a la zona con mayor estabilidad en los tramos de la carretera.

RCU
El plano de estimación RCU muestra que la mayor cantidad del área estimada
geoestadísticamente muestra valores entre 25% a 50% y 50% a 75%., indicando que
las rocas presetan una resistencia a romperse baja a muy baja, probablemente por
tratarse de rocas calcáreas con contenidos variables de arcillas (margas) o fosilíferas,
lo cual se interpreta como elementos que reducen la resistencia la compresión uniaxial.
JRC
En la mayoría de las 40 muestras analizadas en la zona de estudio las discontinuidades
del macizo rocoso presentan un JRC mayor a 20, es decir presenta irregularidades muy
rugosas. En cambio, en los puntos de muestreo 27, 31 y 32 las muestras analizadas
presentan un valor de JRC de 8, 14 y 10 respectivamente, estas discontinuidades
presentan irregularidades ligeramente rugosas a rugosas.
En general la zona de estudio se caracteriza por presentar afloramientos muy rugosos,
por tal motivo no se ha realizado la interpolación de dichos datos, ya que los valores
tienen tendencia constante (Muy rugoso).
9. DISCUSION
Designación de la calidad de la roca (RQD)
Mediante la investigación se verificó que la calidad del macizo rocoso que se
encuentran en los taludes del tramo comprendido entre el km. 29+062 y km. 31+082
de la Carretera que une el distrito de La Encañada y Celendín está condicionada por los
factores geológicos de calizas, margas. Las cuales se encuentran en gran parte
fracturadas; y por sus factores geomecánicos en parte del sector predomina los
materiales frágiles sobre los dúctiles dando como resultado taludes inestables.
(Rodrigo, 2017)
La sectorización obtenida mediante la interpolación geoestadística de datos muestra las
zonas las zonas 2 y 4, las cuales evidencian un RQD menor al 50%, mientras que las
zonas 1 y 3 muestran un RQD mayor al 50%, es decir la zona de estudio según el RQD
presenta características malas a regulares. Históricamente esas zonas están expuestas a
deslizamientos como el ocurrido hace algunos años, por lo que se deben tener los
cuidados técnicos adecuados.
Resistencia a la compresión Uniaxial (RCU)

La zona de estudio se encuentra delimitada por tres formaciones: Chulec, Pariatambo

y Yumagual. Según (Heras, 2019) dichas formaciones, presentan una resistencia a la
compresión Uniaxial con valores que van desde una zona moderadamente dura a dura,
dichos valores son 35.13, 47.08 y 74.63 Mpa. Con el análisis realizado mediante
técnicas de estimación geoestadística podemos corroborar dichos valores obtenidos,
mediante esta técnica el plano de estimación RCU indica que los puntos de muestreo
tomados en las zonas E, SE no se encuentran muy fracturados ya que su valor promedio
de RCU varía entre 51 a 100 Mpa, es decir los macizos rocosos presentan una regular
resistencia a la compresión uniaxial. Pero también presenta algunos puntos de muestreo
(Zona SO, N, NO) donde se ve que el macizo rocoso se encuentra medianamente
fracturado porque presenta valores promedios, que son menores de 51 Mpa. Por lo
tanto, podemos afirmar que los valores obtenidos aplicando técnicas de estimación
geoestadística nos proporcionan resultados de caracterización confiables, los cuales
pueden ser aplicados para realizar trabajos de diseño geomecánico y prevenir riesgos
geológicos que se puedan producir durante el desarrollo de dichas labores.
Plano de rugosidad de las Juntas (JRC)
De acuerdo a criterios de clasificación geomecánica, la rugosidad está directamente
relacionada con la calidad de la roca, los valores obtenidos en la zona de estudio nos
muestran a un macizo regularmente competente en muchos sectores (JRC ≥20), en otras
zonas la zona presenta afloramientos con características rugosas a ligeramente rugosas.

V. CONCLUSIONES
Se realizó una estimación geoestadística del RQD, RCU, JRC, la cual nos permitió
entender el comportamiento geomecánico del cerro la Falda, La Encañada – Cajamarca.
Dicha estimación nos proporcionó los siguientes datos para el macizo rocoso:
En función a los puntos espaciales de las 40 muestras que se tomaron en campo, las hay
evidencian un RQD<50%, mientras que otras muestran un RQD mayor al 50%. Dichos
valores representan a un macizo rocoso con un RQD que varía entre malo y regular.

VI. BIBLIOGRAFIA
 Zavala, B., & Rosado, M. (2011). Riesgo Geológico en la Región Cajamarca.

Instituto Geológico Minero y Metalúrgico. Lima-Perú.

 López Jimeno, C., Bustillo Revuelta, M. (1997). Manual de evaluación y diseño

de explotaciones mineras. MADRID: Gráficas Arias Montano

 Egaña, M. (2008). Geoestadística aplicada a parámetros geotécnicos, realizada

en la Universidad de Chile, facultad de ciencias físicas y matemáticas,

departamento de Ingeniería de Minas. Santiago- Chile.

 Esri. (2010). Geoestatiscal Analyst Tutorial.

 Hoek E (1994) Strength of rock and rock masses. ISRM News J 2: 4–16

 Londoño, A. & Valdés, C. (2012). Geoestadística Aplicada. Alemania: Academia

Española.

ANEXOS

RQD
RCU
JRC