Новые альтернативные подходы и решения для создания моделей контроля качества содержаний на стадии освоения месторождения

Геологические службы большинства горных компаний и проектные институты России уже несколько десятилетний   успешно используют современные компьютерные технологии геолого-промышленной оценки и моделирования месторождений полезных ископаемых, применяя специализированное горно-геологическое программное обеспечение Мicromine, Surpac, Datamine и т.п.

Главное преимущество современных методов компьютерного моделирование по сравнению с традиционными методами ручного подсчёта запасов состоит в том, что они позволяют количественно оценить пространственную изменчивость границ рудных тел и содержаний в них металлов. При создании модели минеральных ресурсов и запасов месторождения геолог имеет дело с вероятностной информацией так как располагает относительно редкими фактическими данными качественной характеристики руды в точках опробования разведочных выработок, а пространство между точками опробования является предметом прогнозирования и неопределенности. Конечная цель исследования вероятностной информации «смоделированной» для межскважинного пространства сводится к необходимости провести классификацию материала «руда/порода» для целей краткосрочного горного планирования на стадии отработки месторождения.

 В зависимости от стадии изучения и освоения месторождения необходимо четко выделять три вида моделей ресурсов/запасов

Модель ресурсов - это предварительная блочная модель месторождения, которая используется для долгосрочного планирования и отчетности по ресурсам.

Модель запасов – создается из модели ресурсов и содержит информацию о вскрышных и вмещающих породах и не включает ресурсов категории Inferred, которая используется на горных предприятиях для среднесрочного горного планирования и учета движения запасов.

Модель контроля содержаний - создается для классификации материала «руда/порода» на основе всех имеющихся данных опробования (в том числе данных эксплоразведки), и применяется для краткосрочного горного планирования и сопоставления с фактическими результатами добычи.

Таблица. Основные отличия моделей ресурсов и запасов и моделей контроля содержаний

Задача создания простой и понятной технологии блочного моделирования позволяющей воспроизводить исходные фактические статистические параметры (среднее, дисперсию, разброс значений) содержаний полезного компонента и достигать совпадения с реальными значениями в точках опробования является весьма актуальной так как решение этой задачи является условием для выполнения классификации материала «руда/порода» при кратковременном горном планировании. Основная идея данной статьи предложить альтернативный вариант расчета параметров содержаний и наибольшей вероятности «руда /порода» без надуманных сложностей геостатистики и математических формул, а за счет здравого геологического смысла.

Далее будут рассмотрены основные факторы и механизмы оценки благодаря которым технология блочного моделирования позволяет эффективно решать эти актуальные задачи. С другой стороны, предлагается оценить также и возможности использования традиционного метода подсчета запасов с использованием коэффициента рудоносности, для выполнения классификации материала «руда/порода» при создании и актуализации модели контроля качеством. При этом кратко рассматриваются основные плюсы, которые делают данный метод очень популярным в последнее время, а также минусы, вызывающие много критики, с целью предложить, как проблемы и недостатки метода подсчета запасов с коэффициентом рудоносности минимизировать с помощью индикаторного блочного моделирования.

Для начала кратко напомним, что при создании блочных моделей в оболочках по минимальному природному борту зачастую ошибочно бортовое содержание в пробе отождествляют с минимальным граничным содержанием в элементарном блоке (cut off grade), что иногда приводит к искажению представлений о запасах. Бортовое содержание используется для принятия решения о включении пробы в контур подсчета запасов, тогда как минимальное граничное содержание в блоке применяется к ячейке блочной модели, размеры которой существенно превышают размеры пробы и приближаются к размерам подсчетного блока в традиционном варианте подсчета. Исходя из этого величина cut off grade близка к величине минимального промышленного содержания. Минимальное промышленное содержание (аналог для величины cut off grade) при традиционном подсчете служит для включения подсчетного блока в промышленные запасы и его значение выше значения бортового содержания в краевой пробе.

Построение «свободных оболочек» по минимальному природному борту особенно полезно при создании геологической модели ресурсов на ранних стадиях разведки. Однако разделение элементарных ячеек на рудную и безрудную части по вариантам бортового содержания выше минимального природного борта приводит к появлению систематических различий в оценке запасов. Обычно при сопоставлении результатов блочного моделирования и традиционного подсчета, запасы руды по данным блочного моделирования выше, содержания ниже, а запасы металла примерно соответствуют или несколько выше данных традиционного подсчета. Смещение оценок обусловлено различием геометрической базы (размеров, формы, расположения) с одной стороны проб в разведочных выработках, а с другой - в элементарных блоках блочной модели. В результате интерполяции пробы с высоким содержанием под влиянием проб с низким содержанием нивелируются, и наоборот, увеличивается содержание проб с низким содержанием под влиянием проб с высоким содержанием. Распределение содержаний в пробах отличается большей дисперсией и асимметрией, чем распределение в блочной модели, в связи с чем доля исключаемых по бортовому содержанию некондиционных проб оказывается более высокой, чем доля некондиционных блоков.

В тоже время, возможность адекватно оценить основные параметры месторождения (объем рудной массы, количество и содержание полезного компонента) по различным промышленным классам содержаний появляется при подсчете запасов с использованием коэффициента рудоносности. В данном случае без увязки рудных тел, а только лишь при выделении (по геологическим признакам или по природному борту) основной рудной зоны рассчитывается поправочный коэффициент рудоносности к запасам руды по различным промышленным классам содержаний, учитывающий наличие в пределах оконтуриваемых объемов участков пустых пород. Коэффициент рудоносности при подсчете запасов месторождений золота применяется в тех случаях, когда оруденение в рудном теле распределено весьма неравномерно и при принятой плотности разведочных выработок, невозможно достоверно увязывать на соседних разрезах участки с промышленным оруденением.  Коэффициент рудоносности представляет собой статистическую оценку истинной доли промышленных руд в оконтуренном объеме по минимальному природному борту и определяется отношением суммы мощностей рудных интервалов в разведочных пересечениях к суммарной мощности рудоносной зоны, выделяемой по геологическим данным или по минимальному природному борту.  При использовании коэффициента рудоносности среднее содержание рассчитывается только по рудным интервалам, а на запасы руды вводится коэффициент рудоносности, но данная методика не позволяет геометрически определить пространственное положение однородных доменов по классам содержаний, а также ограничить пространство в пределах которого размещаются запасы соответствующего промышленного контура.  Кроме того, при использовании коэффициента рудоносности в подсчет включаются все рудные пересечения, в том числе и те, которые относятся к скоплениям, не обладающим достаточным объемом для селективной выемки. В подобных случаях происходит потеря адекватности отображения положения руды определенного качества, соответствующего определенным кондициям. Следовательно, методика подсчета запасов с коэффициентом рудоносности в традиционном понимании не может использоваться при создании и актуализации постояннодействующей модели контроля качеством из-за неопределенность пространственного положения руды.

Одним из способов который позволяет с одной стороны значительно сократить трудозатраты, с другой стороны повысить точность оценки основных параметров месторождения (объем рудной массы, количество и содержание полезного компонента) с учетом необходимости и возможности геометрически определить пространство, в пределах которого размещаются запасы соответствующего промышленного контура является применение методики индикаторной интерполяции. Основная особенность индикаторной интерполяции состоит в том, что весь массив подсчетных данных (содержаний золота) делится на две группы – <Сборт и ≥Сборт. Всем пробам первой группы присваивается индекс «0», а второй – «1». По результатам интерполяции для каждой ячейки блочной модели вычисляется значение индикатора (от 0 до 1), с которой он может считаться кондиционным (при используемом варианте бортового лимита). Необходимым условием применения индикаторной интерполяции является тарирование значения вероятности Fi (граничного индикатора) при сопоставлении данных подсчета по граничному индикатору с данными эталонного подсчета с использованием линейного коэффициента рудоносности. Данный показатель позволяет установить граничное значение вероятности Fi (от 0 до 1), выше которого любая ячейка может считаться кондиционной. Таким образом, тарирование позволяет определить граничное значение индикатора, при котором объем тарируемой блочной модели, ограниченный предельным значением индикатора с одной стороны, и эталонный объем руды, подсчитанный с использованием коэффициента рудоносности с другой стороны, максимально близки.

Необходимо напомнить, что при использовании индикаторной интерполяции на стадии подсчета запасов и разработки ТЭО разведочных кондиций, параллельно с созданием блочной модели в обязательном порядке выполняется оценка запасов традиционным способом подсчета, как правило с использованием коэффициента рудоносности. Определив значение коэффициента рудоносности и эталонный объем руды, тарированием удается выделить такую часть блочной модели, которая максимально точно соответствуют эталонному объему руды, который был рассчитан традиционным способом с применением линейного коэффициента рудоносности. Таким образом, объем выделенной части блочной модели, ограниченной индикатором является, во-первых, пространственно геометризованным с максимальной вероятностью (рис. 1) и во-вторых количественно совпадает с объемом руды, подсчитанным с использованием коэффициента рудоносности, что делает данный метод оценки запасов наиболее привлекательным. Однако следует отметить в качестве недостатка, снижающего эффективность использования метода тарирования – это необходимость расчета эталонного объема руды традиционным способом, либо с применением коэффициента рудоносности, либо в жестких контурах. Очень важно отметить, что традиционный способ подсчет запасов с применением коэффициента рудоносности и уж тем более подсчет в жестких контурах, является гораздо более трудоемким методом оценки, чем индикаторная интерполяция   индексов «0» и «1».  

В итоге из всего вышесказанного следует, что для оперативного создания блочных моделей контроля содержаний возникает необходимость применения «продвинутой» методики точного и оперативного построения блочных моделей при которой:

А) Объем тарируемой блочной модели, ограниченный предельным значением индикатора с одной стороны, и эталонный объем руды, подсчитанный традиционным способом с другой стороны, максимально близки.

Б) Объем выделенной части блочной модели, ограниченной индикатором является пространственно геометризованным.

В) Достигается высокая оперативность оценки запасов.

Инструментом, позволяющим с минимальными трудозатратами максимально точно предсказать характер изменчивости, оценить основные параметры месторождения (объем рудной массы, количество и содержание полезного компонента), определить пространственное   положений кондиционных содержаний соответствующие реальному является метод индикаторного моделирования коэффициента рудоносности (ИМКР).

Смысл применения метода ИМКР состоит в использовании ячейки блочной модели в качестве единичного пространства, ограничивающего зону влияния проб внутри данной ячейки, что позволяет выполнять расчет КР и оценку содержаний в каждой ячейке при условии, что в данной оценке участвуют только пробы локализованные в границах ячейки. Данный способ позволяет корректно определять области распространения исходных данных и устранять влияние неравномерности разведочной сети.  Известно, что для положительно асимметричного распределения данных (например, для золотых месторождений) эффект сглаживания информации между известными точками опробования может привести к недооценке высоких и переоценке низких содержаний. Основная цель метода ИМКР воспроизвести исходные параметры (среднее содержание и коэффициент рудоносности) совпадающие с реальными значениями в точках опробования, а не сглаженные процессом интерполяции. Трудоемкость применения подобных методов (метод ближайшей пробы или многоугольников) в период, предшествующий эпохе использования вычислительной техники привела к отказу от него в российской практике. Однако широкое использование компьютерного блочного моделирования, в сочетании с малыми размерами трехмерной сети позволяет успешно использовать данный метод.

Данная статья - это некая промежуточная контрольная (самоконтрольная) точка за которой последуют новые результаты и доказательства преимуществ использования такого инструмента. Несомненно, будет интересна также и другая точка зрения по вопросам, затрагиваемым в данной статье.

Читать дальше