חישוב אסטיגמות רציונאליות: שיטות ושיקולים מעשיים בחקר מינרלים

הערכת מילואים היא תהליך קריטי ב חקר מינרלים ומבצעי כרייה, מתן נתונים חיוניים לקבלת החלטות, תכנון פרויקטים והערכה של השקעות. חישובים משפטיים לעזור לקבוע את הכדאיות הכלכלית של אסטרטגיות ניהול משאבים הדרכה לאורך כל החיים של פרויקט כרייה. מינרל משאבים estimation כרוך בקביעת הציון והענקת פיקדון מינרלים המבוסס על המאפיינים הגיאולוגיים שלה באמצעות שיטות שונות של תזמון, תכנון יעיל באופן ישיר של יעילות ייצור.

הבנת המורכבות של estimation מילואים דורש ידע של דיסציפלינות מרובות, כולל גיאולוגיה, סטטיסטיקה, מתמטיקה והנדסת כרייה.התהליך התפתח באופן משמעותי במהלך העשורים, נע משיטות גיאומטריות פשוטות לטכניקות גיאוסטסטיות מתוחכמת אשר מהוות עבור פנויות מרחבית וחוסר ודאות.אנשי מקצוע כריית של היום חייבים לנווט מערך של שיטות מתודולוגיות, פלטפורמות תוכנה וסטנדרטים בינלאומיים כדי לייצר הערכות אמין כי לענות על דרישות רגולטוריות וספק.

הבנת משאבים מינרליים ומילואים

לפני היותו מעורב בשיטות הערכה, חיוני להבין את ההבחנה בין משאבי מינרלים עתודות מינרלים. משאבים מינרלים מפרשים הוא חלק של משאב מינרלים שעבורו כמות, ציון (או איכות) ותוכן מינרלים ניתן להעריך עם רמה נמוכה של אמון. זה נובע מראיות גיאולוגיות להניח אך לא מאומתים או רציפות כיתה.זה מבוסס על מידע שנאסף באמצעות טכניקות מתאימות כגון , כגון , pstrecrops, אשר עשוי להיות ממתחים לא בטוח, או לא בטוח, או להניח, או לא ברור של עצבים.

משאבים בולטים הם פשוט התרחשות מינרלים כלכלית אשר כבר מסומנת (ממיקומים כגון החוצה, תעלות, בורות וחלל) עד לנקודה שבה ההערכה נעשתה, ברמה סבירה של ביטחון, של המתכת הכלולת שלהם, כיתה, טונה, צורה, דונות, מאפיינים פיזיים.מד משאבים מייצגים את הרמה הגבוהה ביותר של ביטחון, לאחר שעבר מספיק דגימה כי אדם מוסמך מוסמך מוסמך עבור מחקרים קלים כי הוא הכריזומים.

ישנם מספר מערכות סיווג להערכת הכלכלה של הפקדות מינרלים ברחבי העולם.בסיס תוכניות נפוצות ביותר על פורמט הדוח הבינלאומי, שפותח על ידי CRIRSCO - הוועדה לתקני דו"ח בינלאומיים מינרלים, כמו ה-Ore Joint Ore Reserves - JORC Code 2012 fin- European Reserve & דוח דוח דוח של ועדת התקינה של PERCing מ-2021, המכון הקנדי ל- MinMRICO ו-Cluation Database משאבי אנוש (CDC) ו-CDC) ו-CDC, ו-CDC, ו-CDC, ו-CDC, ו-CDC, מינרליים (CDC) מינרליים, מינרליים, ו-CDC, מינרליים, מינרליים, ו-CDC, מינרליים, מינרליים, מינרליים, מינרליים, מינרליים, מינרליים, ו-CDC, מינרליים, מינרליים, מינרליים, ו-CDC, מינרליים של משאבי אנושות, מינרלים, מינרלים, מינרלים, מינרליים, מינרלים, מינרלים, מינרליים, מינרליים, מינרליים, מינרל

The Foundation: Geological Modeling and Data Collection

הדיוק של כל estimation מילואים תלוי ביסודו על איכות וכמות הנתונים הגיאולוגיים שנאספו.הערכת משאבים טיפוסית כוללת בניית מודל גיאולוגי ומשאבים עם נתונים ממקורות שונים.שלב איסוף נתונים זה מייצג את אחת ההשקעות המשמעותיות ביותר בפרויקטים של חקר, שכן תוכניות קידוח יכולות לעלות מיליוני דולרים בהתאם לעומק ההפקדה, נגישות ומורכבות.

איסוף נתונים באמצעות קידוח ונפיחות

תוכניות קידוח יוצרות את עמוד השדרה של איסוף נתונים של חקר מינרלים.שיטות קידוח שונות מועסקות בהתאם לשלב המחקר, סוג הפיקדון ומגבלות התקציב. קידומת הליבה של היהלום מספקת את הדגימות האיכותיות הגבוהות ביותר, ומאפשרות לגולוגים לבחון ליבות סלע שלמות ולהבין מבנים גיאולוגיים, תבניות מינרלים, אזורי שינוי. Reverseתפוצה (RC) ייצוב מציע חלופה מהירה ויעילה יותר, הפקת שבבי סלע שניתן לנתחם לדגימות גיאולוגיות פחות מאשר לדגימות ליבה.

התכווצות והכיוון של חורים קידוח משפיעים באופן משמעותי על איכות הערכות משאבים. בבור קידוח רגיל על דפוס רשת מאפשר estimation ו סיווג, בעוד שספא לא סדיר עשוי להיות הכרחי לעקוב אחר מבנים גיאולוגיים או לבחון מטרות ספציפיות.כיוון חור קידוח חייב לשקול את הגיאומטריה של הגוף המינרש כדי להבטיח הדגימה ייצוגית.

פרוטוקולי איסוף דגימות חייבים לעקוב אחר אבטחת איכות קפדנית ובקרה איכות (QA/QC) נהלים.זה כולל הוספת חומרי התייחסות מוסמכים (סטנדרטים), דגימות ריקות, דגימות כפולות לתוך זרם הדגימה כדי לפקח על דיוק אנליטי, לזהות זיהום, ולהעריך דיוק דגימה ירודה.

יצירת מסד נתונים ואימות

ברגע שדוגמיות נאספות וניתחו, הנתונים חייבים להיות מואספים לתוך מסד נתונים מקיף המשלב מידע גיאולוגי, גיאוכי, גיאוכיני וגאולוגי.מאגרי מחקר מודרניים כוללים בדרך כלל קואורדינטות של חור קידוח, נתונים של סקרי חור למטה, יומני אסטולוגי, אספר תוצאות, מדידות צפיפות, ותכונות שונות רלוונטיות להערכת משאבים.

אימות מסד הנתונים הוא צעד קריטי הכולל בדיקת שגיאות, אי-הסכמות, ו anomalies בנתונים.זה כולל אימות כי קואורדינטות הן מדויקות, סקרי חור למטה הם סבירים, מרווחי דגימות הם רציף ללא פערים או חפיפות, ו- Assay ערכים נופלים בטווחים צפויים.ניתוח סטטיסטי של מסד הנתונים מסייע לזהות חריגים, שגיאות כניסה נתונים, בעיות איכות פוטנציאליות כי יש לפתור עם estimation לפני est.

פרשנות גיאולוגי ו- Domain Definition

פרשנות גיאולוגית כוללת סינתיזציה של כל הנתונים הזמינים לפיתוח הבנה תלת-ממדית של המבנה של הפיקדון, סטריפטוגרפיה, ובקרת מינרליזציה.פירוש זה מנחה את יצירת תחומים גיאולוגיים או דומיינים של הערכה המייצגים כרכים של מאפיינים גיאולוגיים וציוניים יחסית.

הגדרת דומיין היא חיונית משום שיחידות גיאולוגיות שונות דורשות לעתים קרובות פרמטרים נפרדים של הערכה, ועשויות להציג מאפיינים מרחביים נפרדים של רציפות מרחבית.דומיינים עשויים להיות מוגדרים על בסיס ליתולוגיה, סוג שינוי, סגנון מינרליזציה, או אוכלוסיות כיתה.הגבולות בין תחומים צריכים לשקף מגעים גיאולוגיים אמיתיים או מעברים ציונים במקום חטיבות שרירותיות.

מודלים Wireframe משמשים בדרך כלל לייצג גבולות גיאולוגיים בשלושה ממדים.משטחים דיגיטליים אלה בנויים על ידי פרשנות מגעים גיאולוגיים על קטגוריות או תוכניות ברמה ולאחר מכן לחבר את הפרשנות האלה כדי ליצור משטחים רצופים.הגדר מגדיר את הכרכים שבהם estimation בכיתה יבוצעו וישרתו כמגבלות עבור מודל בלוק.

בלוק מודלינג: המסגרת לאסטימומציה

מודל בלוק נוצר באמצעות גיאטטיסטים והמידע הגיאולוגי שנאסף באמצעות קידוח של אזור האור הפוטנציאלי.מודל בלוק הוא למעשה קבוצה של "בלוקים" בגודל ספציפי בצורת או גוף מינרלים.למרות שלבלוקים יש את אותו גודל, המאפיינים של כל בלוק שונה.הציון, צפיפות, סוג סלע וביטחון הם כולם ייחודיים לכל אחד בתוך המודל השלם.

מודלים בלוק מספקים מסגרת סטנדרטית עבור הערכת משאבים מינרלים ודיווח. במקום לנסות להעריך ציון בכל מקום אפשרי בתוך פיקדון, נפח מינרלים מחולק בלוקים קבועים, ואת הציון הממוצע של כל בלוק מוערך בנתונים מדגם סמוך. גישה זו מפשטת פעולות תכנון שלי לאחר מכן, כפי שניתן להקצות בלוקים ישירות יחידות כרייה ולוח הזמנים של ייצור.

בחירת גודל

ברגע שהגוף המינרכל הוגדר, הם מחולקים לבלוקים.המדים של כל בלוק תלויים במורפולוגיה של הגוף המינרכל, החלוקה המרחבית של הנתונים, ואת שיטת הכרייה המתוכננת (למשל, גובה ספסל בכריית בית פתוח). בחירת גודל בלוק כוללת מספר גורמים מתחרים.

בלוקים קטנים יותר מספקים פתרון גדול יותר ויכולים לייצג טוב יותר את יכולת הסימון בתוך הפיקדון, אך הם מגבירים את דרישות החישוביות ועלולים להוביל לממצאים של הערכה אם הדגימה אינה מספיקה כדי לתמוך בגודל הבלוק הנבחר. בלוקים גדולים יותר להפחית דרישות חישוביות והם מתאימים יותר כאשר דגימת דגימת דגימת דגימת דגימת דגימת הדגימה רחבה, אך הם עשויים להחליק וריאציות חשובות ולספק פחות גמישות לתכנון שלי.

גישה נפוצה היא לבחור גודל בלוק ההורה היישר עם בחירת הכרייה המתוכננת, כגון גובה הספסל עבור פעילות בתי-חולים פתוחים או את מימדי עצירה עבור כרייה תת-קרקעית.חסומי צוללת יכולים להיות מיושם על גבולות גיאולוגיים טובים יותר ולשפר חישובים נפח מבלי להתפשר על איכות הזיכימות. מחסומים יירשו את הציון של חסימת ההורה שלהם אבל לאפשר ייצוג מדויק יותר של נפח מינרלים, במיוחד, קרוב לתחומים.

מודל TERIEM

כל בלוק במודל מאחסן תכונות מרובות מעבר לא רק הערכות כיתה.תכונות נפוצות כוללות לתאם (X, Y, Z מיקום), קודים דומיינים גיאולוגיים, ציונים מוערכים עבור אלמנטים שונים, צפיפות או כוח הכבידה ספציפי, קטגוריה סיווג (מחושת, מסומן, מופר), מספר דגימות המשמשות בהערכה, מרחק לדגימה הקרובה ביותר, והערכה של ce או אמצעי אי ודאות אחרים.

תכונות נוספות עשויות לכלול מאפיינים מתכתיים, תכונות גיאוטכניות, פרמטרים סביבתיים, ומשתנים כלכליים כגון החזר תרמיל נטו או רווח לבלוק.התווית מקיפה זו הופכת את מודל הבלוק מהערכה פשוטה בכיתה לתוך כלי רב עוצמה לתכנון שלי, תזמון, הערכה כלכלית.

שיטות של אסטיגמציה Reserve

שיטות estimation לאמנה, כגון טכניקות גיאומטריות וגיאוסטיסטיות, נשאר השיטות הנפוצות ביותר עבור הערכת משאבים.כמה שיטות משמשות כדי להעריך עתודות מינרלים, כל אחת מתאימה לסוגים שונים של פיקדונות וזמינות נתונים.הבחירה של שיטת השמדה מתאימה תלויה בגורמים כולל המורכבות הגיאולוגית של הפיקדון, חלוקת המרחבית והדחיסות של נתונים, מידת האמינות כיתה, רמת הביטחון הנדרשת, וזמן פנוי, ותקציב.

שיטות גיאומטריות

שיטות גיאומטריות מייצגות את הגישות המוקדמות ביותר לגישור מילואים ולהישאר שימושיות בנסיבות מסוימות, במיוחד במהלך חקר בשלבים המוקדמים או עבור פיקדונות פשוטים, מוגדרים היטב.שיטות אלה להקצות ציונים לבלוקים המבוססים על קרבה לנקודות מדגם מבלי לדגום באופן מפורש.

שיטת שכנים קרובה

השיטה הקרובה ביותר ששמה את ערכי הציונים לבלוק מנקודת המדגם הקרובה ביותר לבלוק. גישה פשוטה זו מעניקה משקל של אחד לדגימה הקרובה ביותר ולאפס לכל הדגימות האחרות.השיטה יוצרת גבולות חדים בין תחומי השפעה, וכתוצאה מכך מראה חסום כאשר הוא ויזואלי.בזמן יעיל וקל להבנה, הפחתת ההסתכנות הקרובה ביותר אינה מעברים חלקיים ויכולה לייצר התפלגות לא מציאותית, במיוחד כאשר הדגימה אינה סדירה.

השיטה הקרובה ביותר היא המתאימה ביותר עבור פיקדונות ממוחזרים עם התפלגות כיתה אחיד יחסית או ליצירת הערכות ראשוניות בשלבים המוקדמים של חקר.זה יכול גם להיות שימושי עבור הטמעת משתנים קטגוריאליים כגון טיפוס רוק או דומיין גיאולוגי, שבו האינטרפולציה בין קטגוריות שונות אינה משמעותית.

שיטת Polygonal

שיטת הפולגונל, הידועה גם כאזור שיטת השפעה, מקצה כל מדגם נקודה לאזור (או נפח בשלושה ממדים) שבו הציון של הדגימה הוא מונחה.זוהי טכניקת השמדה עתירה שמושכת את תחום ההשפעה עבור חור קידוח. הגבולות בין תחומי השפעה בנויים בדרך כלל באמצעות מטאטאים של perpendbisectors בין נקודות לידות, יצירת וורווונים או פוליגון.

שיטה זו היא פשוטה ליישם ולדמיין, מה שהופך אותה שימושי עבור תקשורת הערכות משאבים לקהלים לא טכניים. עם זאת, כמו השכן הקרוב ביותר, זה יוצר גבולות ציונים חדים אשר לא יכול לשקף את המעברים הדרגתיים האופייניים לפקדות מינרלים רבות.השיטה גם אינה מספקת כל אמצעי של אי הוודאות של השמדה, אשר נדרש יותר ויותר על ידי תקני הדיווח המודרניים.

שיטות משקל מרחוק

משקל מרחק הפוך (IDW) מייצג שיפור משמעותי על שיטות גיאומטריות פשוטות על ידי שילוב מידע מדגימות מרובות ומשקל אותם על פי המרחק שלהם מן הבלוק מוערך.דגמיות קרוב יותר לנקודה של עניין מקבל משקל גבוה יותר מאשר דגימות רחוק יותר.

הנוסחה הבסיסית של IDW מחשבת את הציון המשוער כממוצע של ציוני מדגם סמוכים, שבו המשקל שהוקצה לכל מדגם הוא פרופורציה יחסית למרחקו ממרכז בלוק שגדל לעוצמה (בדרך כלל 2 או 3). פרמטר הכוח שולט במהירות ההשפעה של דגימות יורדות עם מרחק.כוח של 2 (ממרחק הפוך) הוא נפוץ ביותר, מתן איזון סביר בין מקומי ומגמות גבוהות יותר, אך עשוי להיות פחות תלוי יותר, אך יצירת הערכות מקומיות.

טכניקות מרחק verse מציגות נושאים כגון תוצאות חיפוש והחלטות מטעה, ולחפש את הערכת בלוקים בגודל מוגדר, בנוסף להערכות נקודה. פרמטרים של חיפוש חייב להיות מוגדר כדי לציין אילו דגימות משמשים בכל estimation של בלוק.זה בדרך כלל כרוך הגדרת אלפסואיד חיפוש עם ממדים המשקפים את ההמשכיות הצפויה של מינרליזציה בכיוונים שונים.

שיטות זיהוי ו- IDW הן יעילות חישובית, קלות ליישום, ומייצרות הערכות סבירות עבור סוגים רבים של פיקדונות.הם מתאימים במיוחד כאשר דגימת דגימת דגימת דגימת הדגימה היא אחידה יחסית והפקדה מציגה מעברים הדרגתיים.עם זאת, IDW אינו מודל מפורש של מבנה מרחבי ומספק לא מדד קפדני של אי הוודאות של השמימה, אשר מגביל את יכולתה לסיומנט משאבים מפורטים והערכה של סיכון.

שיטות גיאוסטסטיות וקריינג

שיטות גיאוסטסטיות המועסקות ב- Oreמילואים estimation לנצל סטטיסטיקות מרחביות תלת-ממדיות כדי לשפר את איכות ההערכה. Geostatistics מייצגות את הגישה המתוחכמת ביותר ומקובלת ביותר להתאמה של משאבי מינרל, ומספק מסגרת סטטיסטית קפדנית למודל יכולת מרחבית וודאות קוונטית.

התפתחותם של גיאוטטיסטים כמתודולוגיה של מילואים אורה התפתחה בצרפת בתחילת 1960 מעבודתו של מתירון (1962) והייתה מבוססת על מחקרים מקוריים של D.G. קריג' מתפקדת את הקצאת המשקל האופטימלית לערכי הדגימה השכנות המשמשים בהעלאת הציון של בלוקים במכרות זהב בדרום אפריקה.

מושג יסוד של גיאוסטיסטים

ניתן להגדיר גיאוטטיסטים כיישום של התיאוריה של "משתנה מבוזר" להערכתו של הפקדה מינרלים, תוך שילוב המחקר של מערכת היחסים המרחבית בין ערכי הדגימה, עובי או כל תופעות גיאולוגיות המציגות פיזור פנימי.התבנה העיקרית של גיאוטטיסטים היא כי דגימות קרוב יחד בחלל נוטות להיות דומות יותר מאשר דגימות רחוקות, ומרחב זה יכול להיות מזוהה ומשמש לשיפור.

הסטטיסטיקה הקלאסית דורשת שימוש במודל הפצה מסוים, למשל, הנתונים מופצים בדרך כלל, וכי הדגימות יהיו עצמאיות זה מזה באופן כללי, יש לנו דגימות לא מספיקות של הגוף כדי להקצות הפצה, ויותר מכך, הדגימות לעתים קרובות מתואמות, כלומר, הם לא מספקים את הדרישה לעצמאות של סטטיסטיקות קלאסיות.

ניתוח והמשך Spatial Continuity Analysis

הערכה מרחבית זו מושגת באמצעות נתוני הדגימה ומודל הידוע כ- variogram, המשמש לייצג את הקורלציה בין הדגימות.ה- variogram (או ליתר דיוק, ה- Semi-variogram) הוא הכלי הבסיסי לקביעת המשכיות מרחבית בגיאוסטיסטים.

הפונקציה המדורגת את יכולת הגומלין בין ערכי הדגימה נקראת "שוליות של סמי-בארוגרמה" (Smi-variograms) הוקמו על ידי השוואת ערך מדגם עם הנותרים במרחק הולך וגובר הנקרא מרווחי lag.ה variogram הניסוי מחושב על ידי השוואת כל זוגות הדגימות שהופרדו על ידי מרחקים דומים ומחשוב חצי מההבדלים המקובעים הממוצעים בין הערכים שלהם.תהליך הזה חוזר על עצמו למגוון רחב (R) כדי ליצור פערים מרובים (Rimrems) כדי ליצור פערים עם מרחקים עם מרחקים עם מרחקים עם מרחקים עם מרחקים דומים.

variogram טיפוסי מציג כמה תכונות אופייניות. at מאוד קצר מרחקים (near Zeroהפרדה), variogram עשוי להראות הפסקת הנקרא אפקט nugget, המייצג שגיאות מדידה, micro-scale variability, או שגיאות דגימה. as Distance עולה, variogram בדרך כלל עולה, המשקפת את הירידה בין דגימות בסופו של דבר, vario עשויה לרדת ברמת הנקראת הרמה, אחהל, המייצג את המרחק הוא למעשה, אשר הוא מעל לטווח של הנתונים הקשורים.

כדי מודל ניסיוני למחצה-variogram, מודלים מתמטיים שונים עשויים להיות מצויד כגון מודל Spherical / Matheron, מודל אקסנטימי, De Wijsian /Logarithmic מודל קואר, מודל parabolic, מודל Hole-אפקט, מעורב / Nested Spherical מודל וכו 'מודל Spheric / Matheron הוא הנפוץ ביותר לעתים קרובות יותר מ-95% של הפקדים ניסיוניים כדי להתאים מודל דינמי מתאים כדי להתאים את המודל המתאים ל-reative מתאים ל-reative מתאים כדי להתאים את המודל ה-reative.

יש לבצע לעתים קרובות בנפרד עבור כיוונים שונים כדי לזהות מודל anisotropy - הבדלים עקיפים בהמשכיות מרחבית. הרבה פקדים מינרלים להראות anisotropy עקב בקרה גיאולוגיים כגון מצעים, פיסול או מגמות מבניות. Anisotropy הוא מודל על ידי הגדרת מגוון שונה בכיוונים שונים, בדרך כלל באמצעות אליפסואיד כדי לייצג את המבנה הרציני.

המונחים: Optimal Estimation

הערכה זו מושגת לעתים קרובות באמצעות טכניקה המכונה קריינג. קריינג מספק זיהום אופטימלי באמצעות ה-Variogram; והטכניקה דומה לזיהום פשוט, כפי שנעשה באומר אלגוריתם המרחק ההפוך, אך שונה, כי זה מאפשר לנו לקחת בחשבון מידע שאנו יודעים על הגיאולוגיה והנכסים הדילריים.

ההליך הגיאולוגי של ערכים של משתנה אזורי באמצעות המידע המתקבל ממודל סמי-variogram הוא קרייגינג.זוהי טכניקת אינטרפולציה מרחבית אופטימלית.זה נקרא BLUE as (i) זה הטוב ביותר (בגלל מינימום estimation irdation irgin), (ii) LINEAR (בגלל ממוצע משקל); (i) UNUE) UNAS (מכיוון ששווה ערך לאחדות) אסטנס (I) אסטנס).

כמו IDW, הקפדה על הערכות חוסמות ציונים כממוצעים של דגימות סמנים סמוכים.עם זאת, הקפדה קובעת את המשקל האופטימלי על ידי פתרון מערכת של משוואות נגזר מודל variogram. אלה משקולות ממזער את השחלות הניתנות תוך הבטחת ההערכה היא ללא משוחד.מערכת ההדקה באופן אוטומטי עבור תצורה של דגימות מרחביות, את המוערך כדי שרידים, דגימות חסימת של המבנה המרחבי, ואת המבנה המרחבי.

שיטות גיאוסטסטיות יכולות להיות מסווגות לשלוש קטגוריות, כלומר גישות קיקליות ליניאריות, שיטות נוקשות לא לינאריות (פרוביליסטיות) ושיטות סימולציה. Linear kriging היא שיטה סטטיסטית המשמשת לשילוב / אקסטרופולציה של דגימות ידועות לחזות ערכים במקומות לא ידועים במהלך estimation משאבים מינרליים.סוגים נפוצים של שיטות קירור ליניאריות כוללים קלינג (SK), רגיל (krigial), עם kriging), רגיל (king), עם ⁇ חיצוני), עם ⁇ חיצוני), עם ⁇ חיצוני), עם ⁇ חיצוני (King) ו-אוניבורגופנימינלי) עם ⁇ (King).

משיכה רגילה (OK) היא הגרסאות הנפוצות ביותר של estimation של משאבי מינרל.זה מניח משמעות קבועה אך לא ידועה בתוך שכונת החיפוש והערכות הן הציון והן ברמה המקומית בו זמנית.זה הופך את OK חזק ורלוונטי לרוב סוגי הפיקדון מבלי לדרוש הנחות על מגמות גלובליות או כוננות.

קלורינג פשוט (SK) מניח משמעות קבועה ידועה בכל הפיקדון.בעוד פחות גמישה מבסדר, SK יכול להיות יעיל יותר כאשר המשמעות היא מבוססת היטב ויכול לשמש בטכניקות מתקדמות יותר כגון הקפדה עם סחף חיצוני או השקיה משותפת.

הקפדה אוניברסלית (בריטניה) והקפדה על סחף חיצוני (KED) מאפשרת מגמות בערך הממוצע על פני הפיקדון. שיטות אלה שימושיות כאשר יש מגמות מרחביות ברורות בכיתה כי צריך להיות מודל במפורש, כגון ירידה בכיתה עם עומק או מרחק ממקור מינרליזציה.

קידוד הופך את נתוני הציון לאינדיקטורים בינאריים (מעל או מתחת לסף) והעריך את ההסתברות של מעבר לחתכים שונים של ציונים.מספר אינדיקטורים (MIK) משתמשים במספר סףים כדי להעריך את ההפצה המלאה של הציונים בתוך כל בלוק, מתן מידע עשיר להערכת אי הוודאות וציון הקיצוץ.

יתרונות ומגבלות של קרייג

טכניקות גיאוסטסטיות אינן מספקות רק הערכות לכל נקודה, אלא גם מאפשרות למצוא אפקטיביות משקל עבור בלוק כרייה נתון וגם תצורה נתונים הממזערים את השגיאה או להשיג את השחלות הקשורות.השקיה מספקת מידה של אי ודאות estimation שניתן להשתמש בה עבור סיווג משאבים, הערכת סיכונים, ואופטימיזציה של שלי.

קרייג מכבד את נתוני הדגימה, כלומר, במקומות מדגם, הערכה קפדנית שווה ערך הדגימה (במקרה של הדבקה נקודה) השיטה באופן אוטומטי מהווה איסוף דגימות, נותן פחות משקל לקבוצות של דגימות מעוקלות כדי להימנע מייצוג יתר של אזורים מדגימים בצפיפות. קריינג מספק גם הערכות חלקיות כי הם בדרך כלל מציאותיות יותר מאשר התוצאות החוסמות ביותר של שיטות פוליגון שכנו או פוליגון.

עם זאת, קרירינג יש מגבלות. קוייר קרינג מבטא אי ודאות באמצעות שינוי שגיאות בהתבסס על תצורה של נתונים, ומכאן מתן הערכה פחות מעשית של אי ודאות.החלות הנוקשות תלוי רק בתצורה המרחבית של דגימות ואת מודל variogram, לא על ערכי הדגימה בפועל.זה אומר בלוקים עם תצורה של דגימות דומות יהיה נוקשות דומה ללא קשר אם הדגימות עקביות או משתנים מאוד.

קרייג מציגה גם אפקט חלק, שבו הציונים המשוערים יש פחות גמישות מאשר הציונים האמיתיים.זה קורה כי הקפדה ממזער את השחלות של estimation, אשר נוטה לייצר הערכות קרוב יותר למשמעות.אפקט החלקה יכול להוביל להפחתה של חומר ברמה נמוכה ותחתית חומר ברמה גבוהה, אשר יש השלכות חשובות לתכנון שלי ושליטה.

שיטות גיאוסטסטיות דורשות יותר מומחיות ומשאבים חישוביים מאשר טכניקות פשוטות יותר. Variogram מודלים כרוכים החלטות סובייקטיביות על בחירת מודלים ופרמטר המתאים, מודלים אדוגרמה גרועה יכולים להוביל לאמדנים עניים.מורכבות של גיאוסטיסטים יכול גם להקשות על להסביר תוצאות לבעלי עניין לא טכניים.

סימולציה גיאוסט

בעוד קרירינג מספק הערכות אופטימליות במונחים של מיניזציה של השחלות, זה לא משכפל את מלוא הגמישות של הציונים בתוך ההפקדה. Geostatistical סימולציה מתייחס המגבלה זו על ידי יצירת מספר רב של התגשמות סבירות באותה מידה של הפיקדון כי לכבד את נתוני הדגימה, לשחזר את מודל variogram, ולשמור על המאפיינים הסטטיסטיים של ההפצה.

סימולציה Gaussian בולטת היא טכניקת הסימולציה הנפוצה ביותר.It מתקדם על ידי ביקור אקראי כל בלוק במודל, הערכת ההפצה האזורית של הציונים באמצעות קיפדינג, ולאחר מכן לצייר ערך אקראי מן ההתפלגות זו.זה ערך מדומה נוסף אז ל-Dataset ומשמש למצב סימולציות לאחר מכן, הבטחת המשכיות מרחבית.

סימולציות מרובות (בדרך כלל 50-200) נוצרות כדי לייצג את טווח ההפצה של כיתה אפשרית בהתאם לנתונים הזמינים. .המימושים האלה יכולים לשמש כדי להעריך אי ודאות בהערכות משאבים, להעריך את הסיכון של תרחישים כרייה שונים, לייעל תוכניות שלי תחת אי ודאות, ולתמוך בקבלת החלטות כאשר מתמודדים עם אי ודאות גיאולוגית משמעותית.

סימבול הוא בעל ערך מיוחד עבור פיקדונות עם ניידות גבוהה, גיאולוגיה מורכבת, או היכן הבנה אי הוודאות היא קריטית להערכת הפרויקט.עם זאת, סימולציה היא אינטנסיבית חישובית ודורשת אימות זהיר כדי להבטיח שהמימושים הם סבירים מבחינה גיאולוגית ונכון מייצגים אי ודאות.

Machine Learning Accesss

ההתקדמות האחרונה באלגוריתמים ממוחשבים אפשרה לחוקרים לחקור את הפוטנציאל של טכניקות למידת מכונה במשכי משאבים מינרליים.שיטות למידת מכונות מציעות את הפוטנציאל לדגם יחסים לא ליניאריים מורכבים בין ציונים לבין משתנים גיאולוגיים, גיאוכימיים וגיאופיזיקהיים שונים.

הספרות מראה כי דגמי למידת המכונה יכולים להכיל מספר פרמטרים גיאולוגיים ביעילות מערכות יחסים מורכבות לא ליניארית ביניהם, המציג ביצועים מעולים על הטכניקות המקובלות. Common Machine Learning גישות החלות על הערכת משאבים כוללות תוקפנות יערות אקראיים, מכונות וקטור תמיכה, רשתות עצביות, ו- ⁇ להגביר אלגוריתמים כגון XGBoost.

שיטות אלה יכולות לשלב סוגים שונים של נתונים כולל תחומים גיאולוגיים, מדדי שינוי, מדידות גיאופיות, ויחסי גיאוכימיים כמו משתנים חזופים.הם יכולים ללכוד תבניות מרחביות מורכבות שעשויות להיות קשה לדגם עם גישות גיאוסטאליות מסורתיות.מודלים של למידת מכונות יכולים גם להתאים לריאציות מקומיות במערכת היחסים בין צופים וציונים.

עם זאת, גישות למידת מכונה יש מגבלות בהקשר של הערכת משאבים. הם בדרך כלל דורשים נתונים הכשרה גדולה, אשר עשוי לא להיות זמין בשלבים המוקדמים של חקר.מודלים יכול להיות קשה לפרש, מה שהופך אותו מאתגר להבין מדוע תחזיות מסוימות נעשות.הם עשויים לא לכבד נתונים מדגם בדיוק ויכולים לייצר הערכות לא מציאותיות אם לא מחוסנים כראוי.

כיום, למידת מכונה נחשבת לכלי משלים ולא להחלפה של שיטות גיאוסטיסטיות קונבנציונליות.זה עשוי להיות בעל ערך רב ביותר עבור שילוב מידע עזרי, זיהוי דפוסים מורכבים, או מתן הערכות חלופיות להשוואה ולאימות.

שיקולים מעשיים ב- Reserve Estimation

כאשר estimating עתודות, חשוב לשקול איכות נתונים, צפיפות דגימה, וגמישות גיאולוגי. אסטמיזציה משאבי מינרלים קשורה לאי ודאות מ-sampling, heterogeneity גיאולוגי, מחסור בידע ויישום של מודלים מתמטיים במיקומים מדגימים ולא מדגימים.האי הוודאות גורמת להפחתה או להפחתה של הערכה של איכות ו / או כמות, המשפיעה על הערך הצפוי של גורמי משאבים אלה של רמת האמינות של רמת האמינות של רמת הדיוק.

איכות נתונים ו QA / QC

איכות נתוני קלט קובעת באופן יסודי את האמינות של הערכות משאבים.תכניות QA/QC מקיף הן חיוניות לאורך תהליך חקר ו-Sampling. זה כולל פרוטוקולים לאיסוף דגימות נאות, שרשרת של נהלים משמורת, שיטות הכנה מדגם מתאימות, טכניקות אנליטיות מאושרות, ושילוב שיטתי של דגימות בקרת איכות.

חומרים התייחסות מוסמכים (סטנדרטים) עם ציונים ידועים צריך להיות מוכנס במרווחים קבועים (בדרך כלל 5-10% של דגימות) כדי לפקח על דיוק אנליטי. דגימות Blank לעזור לזהות זיהום במהלך הכנת הדגימה או ניתוח. פילד לשכפל את הדיוק המדגימה וזיהוי מקורות של ריקנות. מעבדה לשכפלות או כפייתי כפול להעריך מחדש יכולת.

ניתוח סטטיסטי של נתונים QA / QC צריך להתבצע באופן קבוע כדי לזהות בעיות מוקדם.טיה משמעותית, אימפולס יתר, או בעיות זיהום יש לחקור ופתרון. במקרים מסוימים, דגימות עשוי להיות re-analyzed או שלם של קידוח עשוי להיות צריך להיות מחוץ למשאב להעריך אם איכות נתונים אינה מספקת.

הדגימה Compositing

נתוני כפירה רול מורכבים בדרך כלל מדגימות של אורכו שונים שנאספו על פני מרווחים שונים במורד כל חור קידוח.לפני estimation, דגימות אלה בדרך כלל מוטבעות לתוך מרווחי זמן שווים כדי לספק נקודת נתונים אחידה יותר עבור ניתוח סטטיסטי ו- variography. Composite מבחר כולל איזון מספר שיקולים.

אורך מורכב צריך להיות קטן מספיק כדי ללכוד וריאציות חשובות בכיתה אבל גדול מספיק כדי לספק נתונים יציב ויעילות חישובית סבירה.זה צריך להתייחס באופן אידיאלי לסלקטיביות הכרייה, כגון גובה הספסל עבור כריית בית פתוח. Composites כי הם קצרים מדי עשויים להציג רעש ולעשות variography קשה, בעוד מרוכבים כי הם ארוכים מדי עשויים להחליק ולהפחית את ההמשכיות לכאורה.

הצטברות של החור למטה היא הנפוצה ביותר, שבו דגימות מוטבעות לאורך נתיב חור התרגיל.גישה זו פשוטה ושומרת על מיקומים הדגימה המקורית. Bench compositing כרוך הקרנה דגימות על ספסלים אופקיים לפני הסגירה, אשר עשוי להיות מתאים יותר עבור פיקדונות שטוחה או בעת תכנון כריית בית פתוח על ספסלים.

טיפול בדגימות גבוהות

דגימות גבוהות מאוד (outliers) יכול להיות השפעה לא פרופורציונלית על הערכות משאבים, במיוחד כאשר משתמשים בשיטות כמו משקל מרחוק הפוך או הקפדה חישוב ממוצעים במשקל. מדגם אחד ברמה גבוהה מאוד יכול באופן משמעותי לנפח את הציון המשוער של בלוקים שמסביב, שעלול להוביל למעלית משאבים.

ניתן להשתמש במספר גישות כדי לנהל דגימות ברמה גבוהה. העליון cutting (או capping) כרוך הגדרת סף ציון מקסימלי וצמצום כל דגימות מעל סף זה לערך הקופה הוא בדרך כלל נבחר על פי ניתוח סטטיסטי, כגון בחינת הסתברות מזימה, חישוב המקדם של וריאציות, או הערכה של ההשפעה של ציונים גבוהים על המשמעות.

גישות חלופיות כוללות שימוש בשיטות קריקטור או סימולציה שהן פחות רגישות לערכים קיצוניים, הגבלת רדיוס החיפוש כדי להגביל את ההשפעה של דגימות ברמה גבוהה, או באמצעות דומיינים לאזורים בדרגה גבוהה נפרדים עבור השמדה נפרדת.הגישה שנבחרה צריכה להיות מתאימה לסוג הפיקדון והפצה בכיתה.

הכחדת החיסול

מדידות צפיפות (כוח הכבידה ספציפי) הן חיוניות להמירת הערכות מבוססות נפח לתוך הערכת tonnage.

יש למדוד את ההכחשה על דגימות ייצוגיות לאורך כל הפיקדון, עם מספיק מדידות כדי לאפיין את variability על פני תחומים גיאולוגיים שונים.שיטות מדידה משותפת כוללות קידוד מים (שיטת ארכימדס) עבור דגימות ליבה, pycnometry גז עבור דגימות מוסקיצות, או ג'ופיאזיגל של חורים קידוח.

ניתן להעריך את ההכחשה לכל בלוק באמצעות שיטות דומות כהערכה בכיתה, או שניתן להקצות אותה על בסיס דומיין גיאולוגי, סוג סלע או טווחי כיתה.היחסים בין צפיפות וציון צריכים להיחקר, כפי שמינרליזציה משפיעה לעתים קרובות על צפיפות הסלע.עבור כמה סוגים של הפקדה, צפיפות עשוי להיות מתואמים עם ציון וחייב להיות מוערך בהתאם.

אסטיגמציה Parameters ו- Search Strategy

אסטרטגיית החיפוש מגדירה אילו דגימות משמשים כדי להעריך כל בלוק וכיצד הם נבחרים.זה כולל לציין את מידות החיפוש של אליפסאיד וכיוון, מספר מינימלי ומרבי של דגימות, דגימות מקסימליות לבור קידוח, ודרישות חיפוש מאוגדות או מכווצות.

ממדים אליפסויים צריכים לשקף את הרצף המרחבי של מינרליזציה, בדרך כלל מבוסס על טווחי variogram.הכיוון אליפסואיד צריך להתאים לכיוונים העיקריים של המשכיות, אשר עשוי להתאים מבנים גיאולוגיים, מצעים, או גלקסיות.שימוש במגמות חיפוש לאות או מוכווני חיפוש ellipsoid יכול להוביל לאמדנים עניים.

דרישות מדגם מינימלי מבטיח כי בלוקים מוערכים רק כאשר נתונים מספיקים זמינים.מינימום נפוץ הוא 4-8 דגימות, אם כי זה תלוי המורכבות של הפיקדון ושיטת הדגימה. מגבלת הדגימה המקסימלית למנוע זמן חישובי מוגזם ויכול להפחית את ההשפעה של דגימות מרוחקות. דגימות מקסימליות לבור קידוח מונע משקל יתר של חורים מעוקלים.

אסטרטגיות חיפוש קונבנציונאליות או quadrant דורשות דגימות להיות מבוזר סביב בלוק מוערך, להבטיח כי ההערכה אינה נשלטת על ידי דגימות בכיוון אחד.זה משפר את איכות ההערכה ומפחית את הסיכון של פריטים נוספים.

לעתים קרובות משתמשים במעברי חיפוש מרובים, עם אליפסואידים גדולים יותר ודרישות מדגם רגוע עבור מעברים הבאים.זה מבטיח כי הערכות מושכלות נעשות היכן נתונים בשפע, בעוד עדיין מספקים הערכות לאזורים מתודגם יותר גרוע, אם כי עם ביטחון נמוך יותר.

צעדים ב-Gal Reserve Calculation

תהליך חישוב המילואים עוקב אחר זרימת עבודה שיטתית המבטיחה עקביות, מעקב וציות לסטנדרטים של הדיווח. בעוד פרטים ספציפיים משתנים בהתאם לסוג הפיקדון ושיטת היימדיום, השלבים הכלליים נשארים עקביים על פני רוב הפרויקטים.

שלב 1: איסוף נתונים באמצעות קידוח ונפיחות

התהליך מתחיל עם איסוף נתונים שיטתי באמצעות תוכניות קידוח שנועדו לדגום כראוי את האזור המינרכל.לבור חריצות קידוח צריך להיות מתאים עבור הגיאומטריה והגמישות של הפיקדון, עם ספיגה קרובה יותר באזורים של רמה גבוהה או מורכבות גיאולוגית.שלבים רבים קידוח עשוי להיות נדרש, החל עם רנסנס נרחב רנסנס קידוח והתקדמות קרוב יותר למרחב בתרגול כמו התקדמות הפרויקט.

דגימות נאספים לאחר פרוטוקולים מבוססים, עם אמצעים QA / QC המתאימים המיושמים לאורך כל. Core התאוששות והגדרה איכות סלע (RQD) יש להקליט עבור קידוח יהלומים. Geological ⁇ לכידת ליתולוגיה, שינוי, מינרליזציה, מבנה ותכונות רלוונטיות אחרות.

מדידות הכחדות נאספות על דגימות ייצוגיות על פני תחומים גיאולוגיים שונים וטווחי כיתה.דגימות גיאוטכניות ופלורגיות ניתן לאסוף גם כדי לתמוך בלימודי תאימות ותכנון שלי.

שלב 2: ניתוח נתונים ומודל גיאולוגי

לאחר שהנתונים נאספים ומאומתים, ניתוח סטטיסטי מקיף מבוצע כדי להבין את ההתפלגות הציונים, לזהות את הבירות, להעריך איכות נתונים, ואפיין ניתוח נתונים של נתונים Exploratory כולל את ה-Hetograms, מיזמים הסתברותיים, פיזור סטטיסטיקה בסיסית עבור כל דומיין גיאולוגי.

פרשנות גיאולוגית מסנתנתנת את כל המידע הזמין לפיתוח הבנה תלת-ממדית של הפיקדון.צלבי חלקים ותוכניות ברמה נוצרים כדי לפרש מגעים גיאולוגיים, גבולות מינרליזציה ותכונות מבניות.

תחומי אסטיגמציה מוגדרים על בסיס מאפיינים גיאולוגיים, מירולוגיים או ציונים.גבולות דומיין צריכים לשקף בקרה גיאולוגיים אמיתיים על מינרליזציה ולא על חטיבות שרירותיות.כל תחום בדרך כלל יעריכו בנפרד עם הפרמטרים הסטטיסטיים שלו מודלים של variogram.

שלב 3: יישום שיטות אסטימומציה

עם המסגרת הגיאולוגית שהוקמה, שיטת ה- estimation נבחרה ויישם. עבור השמצה גיאוסטית, זה כרוך במספר שלבים תת-ממדיים. Compositing הופכת דגימות באורך משתנה לתרכובות באורך שווה המתאים לרכיבים הפיקדון ושיטת הכרייה המתוכננת.ניתוח סטטיסטי של מרוכבים מאפיין התפלגות ציונים בתוך כל דומיין ומזהה כל דגימות גבוהות הדורשות טיפול מיוחד.

Variography מגדירה המשכיות מרחבית על ידי חישוב variograms ניסיוני בכיוונים מרובים והתאמה מודלים תיאורטיים מתאימים. Variogram פרמטרים (nugget, sill, טווח) נקבעים עבור כל תחום וכיוון, לכידת anisotropy שבו הנוכחי.

מודל בלוק נוצר עם ממדים מתאימים בלוק והיקף כדי לכסות את נפח מינרלים.בלוקים ממושמעים עם משימות דומיין גיאולוגיים המבוססים על מודלים של חוט מסגרת. פרמטרים של אסטימוציה מוגדרים, כולל אסטרטגיית חיפוש, קריטריונים בחירה מדגם ו הפרמטרים הקפדה.

הערכה בכיתה מבוצעת עבור כל דומיין באמצעות השיטה שנבחרה (IDW, קרירינג רגיל וכו ') כל בלוק מוקצה ציונים מוערכים, השקיה (אם רלוונטי), מספר דגימות המשמש, מרחק לדגימה הקרובה ביותר, ותכונות רלוונטיות אחרות. Density מוערך או מוקצה לכל בלוק כדי לאפשר חישובים.

שלב 4: אימות ובקרת איכות

בדיקה חזותית בסעיף ותכנן השוואת חלוקת מודל הבלוק ל-Cretle המקורי ו-Stands אחרים מדגם הציונים.בריאת פיסות נפוחות השוואת חלוקת הציון בלוק להתפלגות הציון המדגם לאורך קווי קו וגובה.השוואה של ציוני בלוקים מוערכים ראשוניים המבוססים על תוצאות של שימוש בשיטות השמצה חלופיות. סטטיסטיקות גלובליות השוואת הציונים המורכבים לציונים.

אימות הוא צעד קריטי המבטיח את מודל בלוק באופן סביר מייצג את הנתונים הזמינים והבנה גיאולוגית. אימות חזותי כרוך להציג את מודל בלוק לצד נתוני חור קידוח בסעיפים ותכניות לאמת כי ציונים מוערכים מתאימים לציונים של דגימות וגבולות גיאולוגיים מכובדים.אזורים של הסכמה גרועה עשויים להצביע על בעיות עם הגדרה, פרמטרים של הערכת estimation, או איכות נתונים.

מזימות סווות משווים את ציוני בלוק ממוצעים עם ציונים מורכבים ממוצעים לאורך כיוונים לתאם (מזרח, מצפון, גובה), הסכם טוב מצביע על מודל בלוק משכפל מגמות גלובליות, בעוד הבדלים שיטתיים עלולים לחשוף הטיה או פרמטרים לא מתאימים.

השוואה עם שיטות estimation חלופיות מספקת אמון נוסף.אם מרחק הפוך משקל, השקיה רגילה, ושכנה הקרובה ביותר לייצר תוצאות דומות, זה מרמז שההערכה היא חזקה.

אימות סטטיסטי משווה את ההפצה של ציונים מורכבים עם ציונים בלוקים.ציון בלוק הממוצע צריך להיות משוער כיתה מורכבת (הערכה לא מובנת) השחלות של ציוני בלוק יהיה נמוך יותר מאשר שחלות מורכבות בשל ההשפעה החלקה, אבל ההפחתה צריכה להיות סבירה ועקבית עם הציפיות.

עבור הפעלת מכרות, פיוס עם נתוני ייצור מספק את אימות הסופי. השוואת ציונים מוערכים ו tonnages עם חומר ממוקש בפועל ו- מילימטרים ציונים מגלה אם מודל המשאבים מדויק ומזהה כל הטיה שיטתית שיש לתקן בהערכות עתידיות.

שלב 5: דיווח ומחלקה של מילואים

השיטה המשמשת באופן נרחב לדווח על אי הוודאות בתעשיית הכרייה היא באמצעות סיווג משאבים מינרלים.המשאבים המינרליים המוערך מסווגים לקטגוריות נמדדות, מסומנים ומופרכות, ואי הוודאות מדווחת על סמך רמת האמון.

סיווג משאבים מבוצע באמצעות מודל בלוק תלת-ממדי, שבו כל בלוק מוקצה קטגוריה המבוססת על קריטריונים המשקפים את רמת האמון בערכת כיתה, תרועה, וצפיפות מופרכת.קריטריונים של סיווג בדרך כלל לשקול תרגיל חיתוך חור, מספר דגימות המשמשות בערכת, קרייה או אי ודאות, מורכבות, גיאולוגי, איכות נתונים.

שיטות גיאומטריות לסיווג משאבים מינרלים מסתמכות על הקרבה, הכמות והתפוצה המרחבית של הנתונים (בין אם הם מורכבים או החורים של התרגיל עצמם) בשימוש ב-block Model estimation.הגישה הבסיסית ביותר רואה רק את המרחק לבור הקידוח הקרוב ביותר (או מורכב) או את הספיגה הממוצע בין חרקנטים.מתודולוגיה זו מוחלת במיוחד כאשר רשת הקידוח היא קבועה.

עם זאת, סיווג הוא לא מכני בלבד.האחריות להבטיח גילוי הולם שקרים עם היכולת הטכנית של הפרט או אנשים לאשר את חישובי המשאבים והסיווג, המוגדר כאדם המוסמך (CP) או אדם מוסמך (QP) כתוצאה מכך, סיווג משאבים מינרלים הוא סובייקטיבי, בעיקר תלוי בחוויה של האדם המוסמסמך או המוסמך. A תפיסה שגויה נפוצה היא ששיטות סיווג משאבים מספקות הערכה אובייקטיבית של ביטחון; למעשה, הסיווג של מושג של דעה/דעת/ה הוא ביטוי של דעה/ה.

האדם המוסמך או המוסמך חייב לשקול את כל הגורמים המשפיעים על האמון, כולל הבנה גיאולוגית, איכות נתונים וכמות, התאמת שיטת השמדה, וכל מקורות אחרים של אי ודאות. סיווג צריך להיות שמרני, ושגוי בצד של קטגוריות ביטחון נמוכות כאשר אי הוודאות היא משמעותית.

דוחות משאבים חייבים לציית לקודים רלוונטיים כגון JORC, NI 43-101, או SAMREC. דוחות חייב לכלול תיעוד מקיף של שיטות איסוף נתונים, תהליכי QA/QC, פרשנות גיאולוגית, מתודולוגיה של הערכה, תוצאות אימות, קריטריונים סיווג, וכל סיכונים חומריים או אי-ודאות.שקיפות וגילוי הם עקרונות יסוד, הבטחת כי למשקיעים ובעלי עניין יש מספיק מידע כדי להבין את המשאבים וההערכה שלהם.

תוכנה וטכנולוגיה ב-Restination

הערכת estimation מודרנית מסתמכת רבות על תוכנה מיוחדת המשלבת ניהול מסד נתונים, מודלים גיאולוגיים, ניתוח גיאוסטטיים, ויכולות הדמיה. גיאולוגים מנוסים בביצוע מגוון רחב של מחקרים סטטיסטיים וגיאו-סטטיים באמצעות תוכנה מסחרית מתקדמת כגון Gemcom, Datamine, וולקן, סוראק, ואיסיטיסטיסטיים אלה הפכו לסטנדרטים בתעשייה, כל אחד המציע כלים מקיפים עבור זרימת העבודה של משאבים שלמים.

חבילות תוכנה מובילות כוללות Maptec וולקנית, Dassault Systèmes Geovia Surpac, Hexagon Mining MineSight, Seequent Leapfrog Geo, Datamine Studio ו Geovariances Isatis. לכל פלטפורמה יש נקודות חוזק בתחומים שונים, וארגונים רבים משתמשים חבילות מרובות בהתאם לדרישות הפרויקט והעדפות המשתמש.

מערכות תוכנה אלה מאפשרות ניהול יעיל של מסדי נתונים של מחקר גדול עם אלפי חורים של קידוח ומיליוני רשומות של אסימונים.הם מספקים כלים לאימות נתונים, ניתוח סטטיסטי ובקרת איכות. 3 ממדים מאפשר לגולוגים לתקשר עם נתונים ופירושים בסביבה מרחבית אינטואיטיבית.

כלים מודלים גיאולוגיים תומכים הן במודל מפורש (שם המשתמש יוצר ישירות משטחים ו מוצקים) ומודלים לא-מעכב (שם משטחים נוצרים באופן אוטומטי מהנתונים באמצעות אלגוריתמים).

תוכנה מודרנית משלבת גם עם מערכות תכנון שלי, ומאפשרת למודלי משאבים לזרום ישירות לתוך עיצוב שלי, תזמון, והערכה כלכלית. שילוב זה משפר את היעילות ומבטיח עקביות בין הערכת משאבים ותכנון שלי.

פלטפורמות מבוססות ענן וכלים שיתופיים חשובים יותר ויותר, ומאפשרים לצוותים המופץ על פני מיקומים מרובים לעבוד על אותם מודלים בו זמנית בקרת גרסאות ודרכי ביקורת להבטיח כי שינויים הם במעקב ותיעוד, תמיכה בציות רגולטוריות ואבטחת איכות.

אתגרים משותפים ומלכודות

למרות ההתקדמות במתודולוגיה וטכנולוגיה, הערכת estimation נותרה מאתגרת ו נוטה לשגיאות.הבנת מלכודות נפוצות מסייעת למתרגלים להימנע מטעויות וליצור הערכות אמינות יותר.

נתונים איכותיים או עניים

המגבלה הבסיסית ביותר היא נתונים לא מספיקים.רחב קידוח, שחזור מדגם גרוע, QA / QC, או מדגימה מוטה יכול כל איכות estimation פשרה.אין כמות של ניתוח מתוחכם יכול לפצות על נתונים לא מספיקים או עניים. פרויקטים בשלבים מוקדמים חייבים להכיר במגבלות אלה ולקדם משאבים שמרניים.

המונחים: inappropriate Domain Definition

תחומים בעלי ערך מוגדר ירודה יכולים להוביל לשגיאות משמעותיות.שלב אזורים שונים מבחינה גיאולוגית עם מאפיינים שונים בכיתה לתוך דומיין אחד יכול לייצר הערכות מטעות., over-domaining על ידי יצירת תחומים קטנים רבים מדי יכול להוביל נתונים לא מספיקים בכל תחום והערכות לא יציבות.

מודלים של Variogram Poor Modeling

מודלים Variogram דורש שיפוט וניסיון. שגיאות נפוצות כוללים מודלים מתאימים שאינם מתאימים ל- variogram הניסויי, באמצעות סוגים לא מתאימים של מודל, לא לקחת בחשבון עבור aisotropy, או באמצעות פרמטרים variogram מתחום אחד אחר. מודלים אדורגמה ירודה להוביל למשקל דביק suboptimal, ויכולים להציג הטיה או חלקה מופרז.

◄0 (בקיצור:0) תוצאות חיפוש

אליפסואידים החיפוש כי הם גדולים מדי יכולים לכלול דגימות מרוחקות, לא רלוונטיות ובודדו וריאציות חשובות בכיתה.חיפוש אליפסואידים קטנים מדי עשויים לגרום בלוקים רבים ללא הערכה או הערכות המבוססות על דגימות לא מספיקות.כשל להגביל דגימות לבור קידוח יכול להיות בעל משקל יתר על המידה של חורים מעודנים.

התעלמות מהאפקט הקצוץ

קרייג ושיטות הערכה אחרות לייצר הערכות חלקה עם פחות ריקנות מאשר הציונים האמיתיים.זה יכול להוביל להערכה מוגזמת של חיזוי מעל ציונים גבוהים ותחת הערכה של דבקות מתחת לדרגות חיתוך נמוכות. שלי תכנון המבוסס על הערכות חלקות עשוי להיות אופטימי מדי.

אימות INDEXIT RESTATION

אין שיטה אחת להשוות את נתוני דגימת הקידוח לציוני בלוק המוערך שיכולים פשוט לאמת מודל בלוק וערכת משאבים מינרלים.אפילו פיוס עם טון ממוקש ומחזים עשויים לא לאשר באופן מוחלט את ציוני בלוק המשוערים בשל בעיות עם כרייה עקב דילול, אובדן כרייה או פיזור / בזבז על ערימה שגויה של מניות והפסדים מ"ל יש לבצע עם שיקול מלא של המולקולות, אך ורק על בסיס מינרלים סטנדרטיים, כולל המודולציה, אם הוא לא מתאים, כולל המינרלים או בדיקה סטנדרטית.

אימות צריך להיות מקיף וביקורתי, לא רק תרגיל של בדיקת קופסה.מודלים העוברים בדיקות אימות בסיסיות עשויים עדיין להכיל שגיאות משמעותיות אם אימות אינו יסודי או אם בעיות נרדפות.

Over-Classification

עם זאת, ניתן ללחוץ על סיווג משאבים לקטגוריות ביטחון גבוהות יותר כדי להפוך פרויקטים למתקדמים יותר או יקרי ערך.עם זאת, הערכה מוגזמת שאינה נמכת על ידי איכות נתונים וכמות אינה מתאימה ועלולים להיות מטעה. סיווג צריך להיות שמרני ומשקף רמות ביטחון אמיתיות.

שיטות והמלצות הטובות ביותר

הפחתת הערכות של מילואים אמינה דורשות דבקות בפרקטיקה הטובה ביותר לאורך התהליך.המלצות אלה משקפות ניסיון בתעשייה והלקחים שנלמדו מפרויקטים מוצלחים ולא מוצלחים.

השקעה בנתונים איכותיים

איכות הנתונים היא חובה. יישום תוכניות QA / QC מקיף מההתחלה. השתמש במעבדות מוכרות עם שיטות אנליטיות מתאימות. לאסוף מספיק מדידות צפיפות.להבטיח שחזור הדגימה נאותה וטיפול.העלות של נתונים איכותיים היא קטנה בהשוואה לערך של הערכות משאבים אמינות ואת העלות הפוטנציאלית של שגיאות.

להבין את הגיאולוגיה

מודל בלוק משאבים יהיה רק טוב כמו היסודות הגיאולוגיים שעליהם הוא בנוי.וכפי שמודל חסימת המשאבים הוא הבסיס שעליו נבנות תוכניות המכרה של התעשייה, התוכניות שלנו יהיו רק טובים כמו מודל בלוק הגיאולוגי שניתן לנו להשתמש. להשקיע זמן בפרשנות גיאולוגית והגדרה דומיין.התייעצות עם גיאולוגים מנוסים עם סוג הפיקדון צריך להיות הדרכה גיאולוגית צריך כל ההחלטות.

שימוש בשיטות Appropriate

שיטות הערכה נבחרות המתאימות לסוג הפיקדון, זמינות נתונים, ושלב הפרויקט.שיטות פשוטות עשויות להיות מספיקות לפרויקטים בשלבים המוקדמים או לפקדונות פשוטות. פקדות מורכבות עם שפע של נתונים מחייבות גישות גיאוסטיסטיות מתוחכמות.אל תשתמשו בשיטות מורכבות רק בגלל שהן זמינות, אך אל תשתמשו בשיטות פשוטות מדי כאשר יש צורך בגישות טובות יותר.

כל מסמך

לשמור על תיעוד מקיף של כל הנתונים, הפירושים, הנחות, פרמטרים והחלטות.זה תומך תאימות רגולטורית, מאפשר סקירה עמיתים, מאפשר עדכונים כאשר נתונים חדשים הופכים זמינים, ומספק שקיפות עבור בעלי עניין. תיעוד טוב חיוני להגנה על הערכות במהלך דיאליגנציה או ביקורת.

המונחים: Thoroughly

בצע בדיקות אימות מרובות מנקודת מבט שונה.אל רק לחפש אישור שהמודל נכון; לחפש באופן פעיל בעיות.שוואת שיטות השמדה חלופיות.יש בודקים את המודל.עבור מכרות הפעלה, ליישב באופן קבוע עם נתוני ייצור ולעדכן מודלים המבוססים על תוצאות פיוס.

המונחים: Unquity

הערכות משאבים אינן ידועות, ואי הוודאות הזאת צריכה להיות מכוונת ומתקשרת. השתמש בשקיקה, סימולציה או טכניקות אחרות כדי להעריך את אי הוודאות. להבין כיצד אי הוודאות משפיעה על תכנון וכלכלה שלי.

עדכון קבוע

מודלים משאבים צריכים להיות מעודכנים כמו נתונים חדשים הופך זמין, הבנה גיאולוגית משתפרת, או התקדמות כרייה. עדכונים רגילים להבטיח כי תכנון שלי מבוסס על מידע נוכחי ומאפשר שיפור מתמשך של שיטות ופרמטרים.

חיפוש Peer Review

ביקורת עמיתים עצמאית על ידי מתרגלים מנוסים מספק אבטחת איכות יקר.מבקרים יכולים לזהות בעיות שניתן להתעלם מהן מעורבות הדוקה בפרויקט.סקירה של פירס היא חשובה במיוחד עבור פרויקטים משמעותיים או כאשר ההערכות ישמשו לקבלת החלטות השקעה גדולות.

מגמות עתידיות ופיתוח

הערכת מילואים ממשיכה להתפתח עם התקדמות בטכנולוגיה, מתודולוגיה וזמינות נתונים. מגמות מספריות מעצבות את עתיד התחום.

שילוב של מספר סוגי נתונים

מחקר מודרני מייצר סוגים שונים של נתונים כולל גיאוכימיה, גיאופיזיקה, הדמיה היפר-ספקטרום, וחישה מרחוק. integrating מקורות נתונים אלה עם נתונים קידוח מסורתיים יכול לשפר הבנה גיאולוגית ודיוק estimation. Multivariate גיאוסטיסטים ו- Machine Learning מציעים כלים למינוף מספר סוגי נתונים בו זמנית.

Real-Time Resource Modeling

ההתקדמות באוטומציה וניהול נתונים מאפשרת עדכונים תכופים יותר של מודלים בזמן אמת או קרוב ל-Time משאב מודלים של משאבים המאפשרים לי לתכנן להגיב במהירות למידע חדש מ-St Control קידוח, sampling חור הפיצוץ, או ניטור הייצור.זה תומך אסטרטגיות כריית הסתגלות אופטימיזציה ערך כי אופטימיזציה של החילוץ.

שיפור השוויון הבלתי-ברור

יש הכרה גוברת בחשיבות של אי הוודאות של קוהנציה ותקשורת.שיטות סימום הופכות ליותר בשימוש נרחב. גישות פרובביליסטיות המספקות מגוון של תוצאות אפשריות ולא הערכות חד-נקודות בודדות מתקבלות.זה תומך בניהול סיכונים טוב יותר וקבלת החלטות תחת אי ודאות.

אינטליגנציה מלאכותית ולמידה של מכונות

AI ולמידה מכונה מוחלים על היבטים שונים של הערכת משאבים, מפרשנות גיאולוגית אוטומטית לחיזוי כיתה וגילוי אנומלי. בעוד טכנולוגיות אלה מראות הבטחה, הם חייבים להיות מיושם בזהירות עם אימות הולם ותובנות גיאולוגיות. העתיד כרוך בגישות היברידיות המשלבות גיאוסט מסורתיות עם יכולות למידה.

שיפור הויזואליזציה והתקשורת

מציאות מדומה וטכנולוגיות מציאות מוגברת מציעים דרכים חדשות לדמיין אינטראקציה עם מודלים גיאולוגיים תלת-ממדיים הערכות משאבים.כלים אלה יכולים לשפר פרשנות גיאולוגית, להקל על שיתוף פעולה בין קבוצות מבוזרות, ולשפר את התקשורת עם בעלי עניין אשר עשויים שלא להיות מוכרים עם תוכנות כרייה מסורתיות.

מסקנה

הערכת מילואים היא תהליך מורכב ורב תחומי המשלב גיאולוגיה, סטטיסטיקה, מתמטיקה והנדסה לכמת משאבי מינרלים.הערכה גבוהה הם הכרחיים עבור החלטות השקעה, תכנון שלי, ואת ההצלחה הכלכלית של פרויקטים כרייה.שדה התפתח באופן משמעותי משיטות גיאומטריות פשוטות לטכניקות גיאוסטסטיות מתוחכמות שמשמשות לגמישות מרחבית ולכמת אי הוודאות.

הצלחה בהערכה מילואים דורשת נתונים איכותיים, הבנה גיאולוגית, מתודולוגיה מתאימה, אימות יסודי ודיווח שקוף. מתרגלות צריכות להבין את החוזקות והמגבלות של שיטות הערכה שונות ולבחור גישות המתאימות לכל נסיבות ספציפיות של הפרויקט.הם חייבים גם לזהות כי כל ההערכות הן לא ברורות ולתקשר את אי הוודאות המתאימה.

ככל שהטכנולוגיה מתקדמת ושיטות חדשות מופיעות, יסודות נשארים קבועים: שימור estimation חייב להיות מוטבע בהבנה גיאולוגית מוצקה, נתמך על ידי נתונים איכותיים, מבוצעים עם השקיה טכנית מתאימה, ודיווחו על שקיפות ויושר.על ידי ביצוע שיטות ולמידה מניסיון, תעשיית הכרייה ממשיכה לשפר את האמינות של הערכות משאבים ואת הערך שהם מספקים לקבלת החלטות.

(ב) לאלו המבקשים להעמיק את הבנתם של estimation , משאבים רבים זמינים.ארגונים מקצועיים כגון המכון הפדרלי למינוי ומטלמורגיה (AusIMM) והחברה למינוינג, Metallurgy & מחקר (SME) מציע קורסים, כנסים ופרסומים באוניברסיטה בהנדסה וגאולוגיה מספקים חינוך פורמלי בגיאטטיסטים ובמשאביבתים;

תחום הערכת המילואים ממשיך להתפתח, ומציג אתגרים והזדמנויות למתרגלים.על ידי שילוב מומחיות גיאולוגית מסורתית עם שיטות אנליטיות מודרניות ושמירה על מחויבות לאיכות ושקיפות, התעשייה יכולה להמשיך לייצר הערכות משאבים אמינות התומכים בפיתוח מינרלים אחראי ולתרום לשגשוג כלכלי גלובלי.