نوع مقاله: علمی - پژوهشی

نویسندگان

1 دانشجو

2 عضو هیئت علمی

3 عضو هئیت علمی

چکیده

تخمین عیار در ذخایر چند متغیره بسیار مهم است. انتخاب روش مناسب در این ذخایر می‌تواند در دقت تخمین عیار نقش اساسی داشته باشد. به­‌طور معمول روش کوکریجینگ (Co-Kriging) برای تخمین عیار ذخایر چند متغیره استفاده می‌شود اما این روش در بازتولید میانگین و همبستگی بین داده‌های واقعی دقت کافی ندارد. در سال‌های اخیر، برای حل این مسئله روش ترکیبی کریجینگ و فاکتورهای خودهمبستگی مینیمم/ماکزیمم (KMAF)، به­طور موفقیت‌آمیزی به­کار گرفته شده است. در این روش با استفاده از واریوگرام‌های مستقل و متقابل و حذف واریوگرافی متقابل، واریوگرام‌های مستقل جدید برای تخمین عیارها تولید می‌شوند. در ادامه فاکتورهای خودهمبسته‌ی تخمین زده شده به حالت اولیه تبدیل می‌شوند. به­کارگیری این روش منجر به افزایش دقت تخمین می­شود. در این مقاله، که در آن کانسار سرب و روی گوشفیل اصفهان به­عنوان مطالعه موردی در نظر گرفته شده، روش Co-Kriging و KMAF برای تخمین عیار استفاده شده است. بر اساس نتایج، دقت تخمین در روش KMAF بیشتر از روش Co-Kriging است. همچنین عیار معادل متوسط برای روش‌های KMAF و Co-Kriging به­ترتیب 220/7 و 136/7 درصد به­دست می‌آید.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Grade Estimation in two variable Deposits using hybrid method of Kriging-minimum/maximum Autocorrelation factors

نویسندگان [English]

  • vali safari 1
  • masoud monjezi 2
  • jafar khademi hamidi 3

2 Academic member

کلیدواژه‌ها [English]

  • Grade estimation
  • Multivariate deposits
  • Co-Kriging
  • minimum/maximum autocorrelation factors

منابع

1-Marechal, A., 1970, "Cokrigeage et régression en corrélation intrinsèque", Publication N-205, Centre de Géostatistique, Ecole des Mines de Paris, Fontainebleau.

2-Davis, B.M., Greenes, K.A., 1983, "Estimation using spatially distributed multivariate data: an example with coal quality", Journal of the International Association for Mathematical Geology, 15(2), pp.287-300.

3-Switzer, P., Green, A., 1984, "Min/max autocorrelation factors for multivariate spatial imagery", Dept. of Statistics. Stanford University, Tech. Rep. 6.

4-Emery, X., Ortiz, J.M., 2012, "Enhanced coregionalization analysis for simulating vector Gaussian random fields", Computers & Geosciences, 42, pp.126-135.

5-Boucher, A., Dimitrakopoulos, R., 2004, "A new efficient joint simulation framework and application in a multivariable deposit", In Ore body Modelling and Strategic Mine Planning-Uncertainty and Risk Management International Symposium 2004 (pp. 303-312), The Australasian Institute of Mining and Metallurgy.

6-Dimitrakopoulos, R., Fonseca, M.B., 2003, "Assessing risk in grade-tonnage curves in a complex copper deposit, northern Brazil, based on an efficient joint simulation of multiple correlated variables", Application of Computers and Operations Research in the Minerals Industries, South African Institute of Mining and Metallurgy.

7-Rondon, O., 2012, "Teaching aid: minimum/maximum autocorrelation factors for joint simulation of attributes", Mathematical Geosciences, 44(4), pp.469-504.

8-Da Silva, C.Z., Costa, J.F., 2014, "Minimum/maximum autocorrelation factors applied to grade estimation", Stochastic Environmental Research and Risk Assessment, 28(8), pp.1929-1938.

9-Mai, N.L., Erten, O., Topal, E., 2016, "Joint Conditional Simulation of an Iron Ore Deposit Using Minimum or Maximum Autocorrelation Factor Transformation", In Geostatistical and Geospatial Approaches for the Characterization of Natural Resources in the Environment (pp. 577-582), Springer International Publishing.

10-مدنی، حسن؛ 1374؛ "مبانی زمین‌آمار"، دانشگاه صنعتی امیرکبیر، واحد تفرش.

11-حسنی پاک، علی‌اصغر؛ شرف‌الدین، محمد؛ 1390؛ "تحلیل داده‌های اکتشافی"، تهران، دانشگاه تهران، انتشارات دانشگاه تهران.

12-Leuangthong, O., Khan, K.D. and Deutsch, C.V., 2011, "Solved problems in Geostatistics", John Wiley & Sons.

13-Rondon, O., Tran, T.T., 2008, "Multivariate simulation using min/max autocorrelation factors: practical aspect and case studies in the mining industry", Geostats, 1, pp.269-278.

14-Dimitrakopoulos, R. and Fonseca, M.B., 2003, "Assessing risk in grade-tonnage curves in a complex copper deposit, northern Brazil, based on an efficient joint simulation of multiple correlated variables", Application of Computers and Operations Research in the Minerals Industries, South African Institute of Mining and Metallurgy. Pp.373-382.

15-Tajvidi, E., Monjezi, M., Asghari, O., Emery,