ArticleName |
Использование нелинейных методов оценки содержаний полезного компонента |
Abstract |
Показано, что при наличии редкой сетки скважин правильно выполненная линейная оценка ресурсов, например обычным кригингом, дает искаженную потенциальную зависимость «объем – содержание» по сравнению с оценками на стадии добычи. Отмечено, что при попытке воспроизвести прогнозируемое фактическое распределение содержаний блоков на месторождении во время проведения добычных работ все чаще используют нелинейные методы. Это позволяет обеспечить более достоверную оценку извлекаемых объемов и содержаний полезного компонента. Сопоставлены результаты оценки ресурсов различными методами: обычный кригинг, локальная унифицированная коррекция, условное стохастическое моделирование и имплицитное моделирование. |
References |
1. Ignatieva M. N., Yurak V. V., Logvinenko O. A. Natural capital. Approaches to economic assessment // Eurasian Mining. 2021. No. 1. P. 39–44. DOI: 10.17580/em.2021.01.08 2. Galiev S. Zh., Uteshov E. T., Galiev D. A., Farakhov K. A. Methods and techniques for energy efficiency assessment of geotechnological facilities at opencast mines based on the in-depth analysis // Eurasian Mining. 2021. No. 1. P. 65–69. DOI: 10.17580/em.2021.01.13 3. Dushin A. V., Yurak V. V. Authors’ approach to the Total Economic Value: Essentials, structure, evolution // Eurasian Mining. 2018. No. 1. P. 11–15. DOI: 10.17580/em.2018.01.03 4. Adams M. D. Gold Ore Processing: Project Development and Operations. 2nd ed. – Amsterdam : Elsevier, 2016. – 980 p. 5. Кельчевская Н. Р., Алтушкин И. А., Король Ю. А., Бондаренко Н. С. Особенности и значение ценообразования в цветной металлургии (на примере производства медного концентрата) // Цветные металлы. 2016. № 8. С. 13–19. DOI: 10.17580/tsm.2016.08.01 6. Gandhi S. M., Sarkar B. C. Essentials of Mineral Exploration and Evaluation. – Amsterdam : Elsevier, 2016. – 406 p. 7. Федотов П. К., Сенченко А. Е., Федотов К. В., Бурдонов А. Е. Анализ технологических исследований золотосодержащих руд месторождения Чукотки // Обогащение руд. 2018. № 2. С. 23–29. DOI: 10.17580/or.2018.02.05 8. De-Vitry C., Vann J., Arvidson H. A Guide to Selecting the Optimal Method of Resource Estimation for Multivariate Iron Ore Deposits // Proceedings of Iron Ore. – Perth, 2007. P. 67–77. 9. De-Vitry C., Vann J., Arvidson H. Multivariate iron ore deposit resource estimation – a practitioner’s guide to selecting methods // Applied Earth Science. Transactions of the Institutions of Mining and Metallurgy. 2010. Vol. 119. Iss. 3. P. 154–165. 10. Deraisme J., Bertoli O., Epinoux P. Multivariate block simulations of a lateritic nickel deposit and post-processing of a representative subset // Journal of the Southern African Institute of Mining and Metallurgy. 2014. Vol. 114. No. 8. P. 673–680. 11. Edwards A. C. (Ed.). Mineral Resource and Ore Reserve Estimation: The AusIMM Guide to Good Practice (Monograph 23). – Melbourne : Australasian Institute of Mining and Metallurgy, 2001. – 693 p. 12. Stewart M., de Lacey J., Hodkiewicz P. F., Lane R. Grade Estimation from Radial Basis Functions – How Does it Compare with Conventional Geostatistical Estimation? // Ninth International Mining Geology Conference. – Adelaide, 2014. 13. Abzalov M. Z., Allman A., Arden H., Arvidson H., Baldwin J. T. et al. Mineral Resource and Ore Reserve Estimation: The AusIMM Guide to Good Practice (Monograph 30). 2nd ed. – Melbourne : Australasian Institute of Mining and Metallurgy, 2014. – 937 p. 14. Rahimi H., Asghari O., Hajizadeh F. Selection of Optimal Thresholds for Estimation and Simulation Based on Indicator Values of Highly Skewed Distributions of Ore Data // Natural Resources Research. 2018. Vol. 27. Iss. 4. P. 437–453. 15. Chautru J.-M., Meunier R., Binet H., Bourges M. Use of connection constraints for checking and enhancing geological models // Bulletin of Canadian Petroleum Geology. 2015. Vol. 63. No. 4. P. 358–373. 16. Key concepts of geostatistical simulation / Environmental Systems Research Institute, Inc., 2020. URL: https://desktop.arcgis.com/en/arcmap/latest/extensions/geostatistical-analyst/key-concepts-of-geostatistical-simulation.htm (дата обращения: 21.06.2021). 17. Masoumi I., Kamali G. R., Asghari O. Assessment of an ore body internal dilution based on multivariate geostatistical simulation using exploratory drill hole data // Journal of Mining and Environment. 2019. Vol. 10. No. 1. P. 271–286. 18. Tajvidi E., Monjezi M., Asghari O., Emery X., Foroughi S. Application of joint conditional simulation to uncertainty quantification and resource classification // Arabian Journal of Geosciences. 2015. Vol. 8. Iss. 1. P. 455–463. |