رده‏ بندی سقف کارگاه در معادن زغال‏سنگ با استفاده از تحلیل گر زمین آماری و GIS

نوع مقاله : علمی - پژوهشی

نویسندگان

1 فارغ التحصیل کارشناسی ارشد

2 هیأت علمی-دانشگاه تربیت مدرس

3 دانشگاه تربیت مدرس

چکیده

   ریزش سقف معادن زیرزمینی یکی از مشکلاتی است که معدن‏کاران اغلب با آن روبرو می‌شوند. مواردی مثل شکستگی‎ها و گسل‌ها باعث کاهش مقاومت طبقات بالایی لایه زغال‏سنگ می‌شود. به‏همین دلیل، آگاهی از وضعیت سقف در معادن زغال‏سنگ قبل از استخراج آن بسیار  مهم است. این تحقیق به‌منظور پیش‎بینی وضعیت سقف‏ کارگاه در معدن مکانیزه زغال‏سنگ طبس و به کمک تخمین‏گر زمین‎آماری انجام شد. در این راستا، ابتدا اطلاعات آماری موجود در رابطه با وضعیت لایه‏های بالای سقف (شامل 33 گمانه)، جمع‎آوری و بانک اطلاعاتی تهیه شد. پس از بررسی نرمال بودن داده‏ها، وجود یا عدم وجود روند و همسانگردی، از میان روش‏های زمین‎آماری، روش کریجینگ معمولی به‌عنوان بهترین روش تخمین  انتخاب شد. با ارزیابی چهار معیار خطای تخمین، بهترین مدل واریوگرام از میان مدل‌های کروی، توانی و گوسین انتخاب شد. بررسی‎ها نشان داد که ‏واریوگرام مدل کروی به‌عنوان بهترین مدل برازش شده به ساختار فضایی داده‏ها می‎باشد. اعتبارسنجی متقابل، دقت بالای پیش‌بینی با درونیابی زمین‌آماری را نشان داد. برای رده‏بندی سقف از طبقه‏بندی ارائه شده توسط مارک و مولیندا استفاده شد. سپس نقشه رده‏بندی سقف معدن مورد مطالعه در محیط نرم‎افزار ArcGIS  ترسیم شد. نتایج نقشه پیش‎بینی وضعیت سقف نشان داد که به‌طور تقریبی 22% از کل مساحت سقف محدوده مورد مطالعه، در رده سقف‎های ضعیف و 78% در رده سقف‎های متوسط قرار دارد. به‌منظور اعتبارسنجی نتایج، تجربیات پانل‌های استخراج شده E1  و E2  و مشاهدات میدانی با نقشه نهایی پیش‏بینی وضعیت سقف معدن مقایسه شد، به‏طوری‏که داده‏های واقعی ثبت شده از تأخیرهای مربوط به شرایط زمین، نقشه نهایی به‌دست آمده برای وضعیت سقف کارگاه استخراج را تأیید می‏کند.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Classification of coal mine roof using geostatistical Analyst and GIS, Case study: Tabas mechanized mine

نویسندگان [English]

  • Vahid Vaziri 1
  • Jafar Khademi Hamidi 2
چکیده [English]

Underground mine roof collapse is one of the most critical problems encountered by miners. Faults and fractures decrease the strength of overlying strata. As a result, knowledge of the roof geology and quality within coal mining before coal extraction is necessary. In this study, geostatistical estimator was used to predict the roof condition in Tabas coal mine. First, core data from 33 exploration boreholes was gathered. Ordinary Kriging method was chosen as the best estimation method based on the quality of data and the absence of isotropy. Also, the best variogram model was selected among exponential, spherical and Gaussian ones considering the evaluation criteria including MPE, RMSSPE, ASE and RMSPE. Cross validation showed the high accuracy level of the geostatistical estimator. The roof classification map of Tabas coal mine was built using ArcGIS. Based on the obtained results, approximately 22% of total area is under a weak roof, and 78% covered with an intermediate roof. For validity check, the geological experiences obtained during the extraction of panels E1 and E2 and real data were compared with the final ArcGIS map of mine roof classification. The real data regarding the mining operation and downtime for the mined out panels verified the mine roof classification was obtained by geostatistical analyst and ArcGIS model in this study.

کلیدواژه‌ها [English]

  • Coal mine roof rating (CMRR)
  • Geographical Information System (GIS)
  • geostatistical estimator
  • Tabas mechanized coal mine