نوع مقاله: علمی - پژوهشی

نویسندگان

1 دانشجوی دکتری مهندسی اکتشاف معدن، دانشکده مهندسی معدن، پردیس دانشکده های فنی دانشگاه تهران، تهران، ایران

2 عضوهیئت علمی دانشکده مهندسی معدن، پردیس دانشکده های فنی دانشگاه تهران، تهران، ایران

چکیده

مهمترین گام در آغاز یک فعالیت معدنکاری، تعیین محدوده ماده معدنی است. براساس محدوده تعیین شده طراحی معدن، برنامه ریزی استخراج و خوراک کارخانه فرآوری انجام می‌شود. برای تعیین این محدوده روش های مرسوم به صورت تقریبی و بدون درکی از میزان خطای محدوده تعیین شده، صورت می گیرد، اما زمین آمار به عنوان یک ابزار قدرتمند قادر است که با استفاده از آمار فضایی داده ها، این محدوده را مشخص کند. برای مشخص کردن محدوده ماده معدنی به عنوان یک متغیر گسسته از انواع روش های شبیه سازی می توان استفاده کرد که از این جمله روش یک گوسی است که بر مبنای شبیه‌سازی یک تابع گوسی تصادفی و قانون نوع سنگ، تخمین محدوده را میسر می سازد. در کنار این روش ها، می توان از روابط ساده ای نیز برای تعیین محدوده یک دامنه مشخص بهره برد، از این جمله میتوان روش تابع فاصله را نام برد که با استفاده از فواصل اقلیدسی بین نقاط غیر مشابه و کالیبراسیون این فواصل، محل مرز ماده معدنی قابل تعیین است. برای تعیین بهترین شبیه سازی در روش تک گوسی از اعتبارسنجی های آماری و زمین آماری استفاده شد. برای مقایسه بین دو روش نیز از محاسبه ماتریس پیچیدگی در راستای تعیین میزان خطا و دقت تعیین محدوده و همچنین مقایسه کیفی مقاطع و پلان های مختلف بهره برد. اعتبارسنجی کیفی نتایج در کنار اعتبارسنجی‌های آماری و زمین‌آماری نشان از نتایج کارآمد روش تک گوسی می‌باشد. در مقام مقایسه روش تک گوسی دقت بالایی در شبیه‌سازی واحد کانسنگی و باطله دارد و دقت آن از روش تابع فاصله بالاتر است. الگوریتم تک گوسی قادر به بازتولید بهتر ناهمسانگردی در مقیاس‌های کمتر از تابع فاصله است در صورتی که تابع فاصله تغییرپذیری و ناهمسانگردی را در مقیاس بزرگتر بهتر بازتولید می‌کند.

کلیدواژه‌ها

عنوان مقاله [English]

determination of ore domain using distance function and truncated Gaussian simulation, case study Gol gohar iron ore

نویسندگان [English]

  • Fatemeh Amirpoorsaeed 1
  • Omid Asghari 2

1 PhD Cadidate, Mining Engineering Exploration, College of Engineering, University of Tehran, Tehran, Iran

2 Faculty Member, Mining Engineering Department, College of Engineering, University of Tehran, Tehran, Iran.

چکیده [English]

Abstract:
Determination of ore body domain is the main step in the beginning of a mining project. The mine designing, mining and processing plant planning would be implemented based on this domain. Traditional methods characterize this domain graphically and would not concentrate error and uncertainty, but Geostatistics as a powerful tool is able to determine this domain using spatial statistics. Ore domain is a district variable that can be modeled by different simulation methods, such as Truncated Gaussian simulation (TGS). TGS simulates the domain according to the simulation of one Gaussian function and rock type rule. Furthermore, simple relations can be applied for determination of ore domain, for example, Distance Function (DF). DF defines the ore boundary by the Euclidian distance between each point and the nearest dissimilar point and the distance calibration.
Statistical and geostatistical validations are applied to find the best realization of TGS. The DF and TGS results are compared by assessing confusion matrices, overall error and precision of the modeled domains. Moreover, different plans, and section are qualitatively compared. Validation and comparisons indicate that TGS is a more efficient way to model the ore domain. Therefore, Gol Gohar mine was studied and after the implementation of both methods showed that TGS compared to DF results in more precise domain simulation. TGS algorithm is able to reproduce the small scale anisotropies versus, better results at large scale anisotropies using DF algorithm.
Key words: Geostatistics, Ore Domain, Truncated Gaussian simulation, Distance Function,

کلیدواژه‌ها [English]

  • Geostatistics
  • Ore Domain
  • Truncated Gaussian simulation
  • Distance Function

منابع و مراجع

1-         Emery, Xavier, and Karina González. "Incorporating the uncertainty in geological boundaries into mineral resources evaluation." (2007).

[۲] امیرپورسعید، فاطمه؛ «مدلسازی مرز ماده معدنی با استفاده از شبیه‌سازی‌های تابع فاصله و تک گوسی»؛ دانشکده مهندسی معدن. 1395, دانشگاه تهران.

3-         Alabert, Francois Georges. "Stochastic imaging of spatial distributions using hard and soft information." PhD diss., Stanford University Press, 1987.

4-         Journel, A. G., and E. H. Isaaks. "Conditional indicator simulation: application to a Saskatchewan uranium deposit." Journal of the International Association for Mathematical Geology 16, no. 7 (1984): 685-718.

5-         Galli, A., H. Beucher, G. Le Loc’h, and B. Doligez. "The pros and cons of the truncated Gaussian method." In Geostatistical simulations, pp. 217-233. Springer, Dordrecht, 1994.

6-         Matheron, G., H. Beucher, Ch De Fouquet, A. Galli, D. Guerillot, and Ch Ravenne. "Conditional simulation of the geometry of fluvio-deltaic reservoirs." In Spe annual technical conference and exhibition. Society of Petroleum Engineers, 1987.

7-         Deutsch, J. L.; Deutsch, C. V.; 2014; "A multidimensional scaling approach to enforce reproduction of transition probabilities in truncated plurigaussian simulation", Stochastic environmental research and risk assessment, 28(3), 707-716.

8-         Hosseini, Amir Hossein. "Probabilistic modeling of natural attenuation of petroleum hydrocarbons." (2009).

9-         Larrondo, Paula, and Clayton V. Deutsch. "Accounting for geological boundaries in geostatical modeling of multiple rock types." In Geostatistics Banff 2004, pp. 3-12. Springer, Dordrecht, 2005.

10-       Wilde, Brandon J., and Clayton V. Deutsch. "Kriging and simulation in presence of stationary domains: developments in boundary modeling." In Geostatistics Oslo 2012, pp. 289-300. Springer, Dordrecht, 2012.

11-       Amirpoursaeid, F., & Asghari, O. (2016). "Application of truncated gaussian simulation to ore-waste boundary modeling of Golgohar iron deposit" International Journal of Mining and Geo-Engineering, 50(2), 175-181.

12-       Armstrong, Margaret, Alain Galli, Hélène Beucher, Gaelle Loc'h, Didier Renard, Brigitte Doligez, Rémi Eschard, and Francois Geffroy. "Plurigaussian simulations in geosciences". Springer Science & Business Media, 2011.

13-       Munroe, Michael J., and Clayton V. Deutsch. "Full calibration of C and β in the framework of vein-type deposit tonnage uncertainty." Center for Computational Geostatistics Annual Report 10 (2008).

14-       Munroe, Michael J., and Clayton V. Deutsch. "A methodology for modeling vein-type deposit tonnage uncertainty." Center for Computational Geostatistics Annual Report 10 (2008).

15-       Rossi, Mario E., and Clayton V. Deutsch. "Mineral resource estimation". Springer Science & Business Media, 2013.

16-       Wilde, Brandon J., and Clayton V. Deutsch. "A new way to calibrate distance function uncertainty." CCG Annual Report 13 (2011).

17-       Emery, Xavier. "Simulation of geological domains using the plurigaussian model: new developments and computer programs." Computers & Geosciences 33, no. 9 (2007): 1189-1201.

18-       Emery, Xavier, J. M. Ortiz, and A. M. Cáceres. "Geostatistical modelling of rock type domains with spatially varying proportions: application to a porphyry copper deposit." Journal of the Southern African Institute of Mining and Metallurgy 108, no. 5 (2008): 284-292.

19-       Srivastava, R. Mohan, Peter Frykman, and Mark Jensen. "Geostatistical simulation of fracture networks." In Geostatistics Banff 2004, pp. 295-304. Springer, Dordrecht, 2005.