
Категоризация ресурсов в БМ
День добрый! Я в своей практике столкнулся с такой проблемой - когда блоки БМ в
местах их "соприкосновения" со стволами скважин характеризуются более
низкой категорией достоверности запасов нежели блоки между скважинами.
Это как то не логично с точки зрения геологии и "бросается в глаза". Как
с этим правильно "бороться"?
Логика алгоритма и почему так происходит мне
понятна - размеры блоков и естественно размеры эллипсоида запроса
выбранного по вариографии - т.е. между скважинами блоки охарактеризованы
двумя скважинами, а непосредственно в районе одной из скважин блоки
характеризуются только одной скважиной т.к. радиуса эллипсоида "не
хватает", что бы "зацепить" вторую скважину. Казалось бы решить проблему
можно - постараться выявить направление осей эллипсоида с более
длинными зонами влияния проб (превышающими размеры сети опробования, но
это решает проблему отчасти и только для строго регулярной и равномерной
сети опробования во всём пространстве), но это не сработает для
неравномерной и нерегулярной сети опробования, как и бывает очень часто в
поисковой и разведочной геологии Так как можно логичней и правильнее
обойти проблемы математического алгоритма в такой ситуации, для более
"приглядной" классификации БМ по категориям достоверности в ММ!?? Пока
говорить о рекомендациях по сгущению разведочной сети, в таких ситуациях, не будем. Как
есть.
Вариограммы для осей эллипсоида запроса выбраны лучшие и с наибольшими зонами влияния. Рекомендации
по количеству проб, скважин, размеру эллипсоида запроса для разных
категорий достоверности изученности ресурсов (MEASURED, INDICATED, INFERRED) - взяты по рекомендациям
для ММ при оценке золоторудных месторождений.
На картинке конкретная ситуация (блоки БМ в цвете по разным категориям): эллипсоид запроса самый
лучший из 50 вариантов, кросс-валидация (перекрёстная проверка) с коэффициентом корреляции
первичных данных и их оценок 0.91, ошибка статистики 0.002 и т.п. -
вполне хороший эллипсоид, но....зона влияния "не дотягивает" и
появляется вот такая "пятнистость" в категоризации.
Каковы возможные варианты решения таких проблем, кроме как изменение размеров блоков БМ, тшетные поиски вариограмм с большими зонами влияния, сгущение сети опробования?

Customer support service by UserEcho
Эффект-то известный, но он следствие той методики, которая применяется. Мне кажется, этот подход когда-то доминировал сначала в Австралии, откуда и был к нам импортирован, потом у нас (потому что так научили). Можно погуглить статью от консалтеров АМС, которая как раз об этом - Mineral Resource Classification – It’s Time to Shoot the ‘Spotted Dog’!
В целом этот подход - это замена ручной классификации автоматической. При этом мы меняем качество на скорость. Либо использовать какой-то другой подход, либо опираясь, например, на данный подход, построить крупны каркасы-классификаторы.
Соглашусь. Надо либо пересматривать стратегию классификации, Либо задать себе вопрос: как были подобраны зоны влияния вариограмм (уж коли явились определяющими для длин осей эллипсоида), если они не дотягивают до соседнего опробования? Ну то есть такое случается, конечно, на флангах объекта, где редкая сеть. Но судя по рисунку - дело происходит на самом интересном месте?
Да в любом месте такое может происходить, если бы только на краях контуров рудных тел или краях разведанных участков....И что трудно было добавить в параметры классификации дополнительные условия в существующий алгоритм - например так же как при расчете средневзвешенного в зависимости от расстояния от точек опробования или что то в этом роде (доля\вес участия той или иной пробы в расчете), т.е. значения категории, ко всем уже существующим условиям, для блока ещё должно зависеть и от расстояния от реальных точек опробования, которое можно согласовать так же с данными полученной вариографии и блоками находящимися между точками опробования?
А насчет самой вариографии - в данном конкретном случае, как и было написано ранее - выбраны самые лучшие.....
А вообще конечно - геостатистика столь многовариантна и разнонаправлена.....широкое поле (не обойдёшь) для исследований, чем то схожа с геофизикой при разведке месторождений....
Значит вывод прост - нужно "исхитряться" и "научиться" получать\выбирать нужные вариограммы, коль математики-программёры применили такой алгоритм? Либо заставить их доделать алгоритм до логического и соответствующего геологии!...
Известная картина, когда радиус эллипса поиска меньше густоты сети бурения. Называется “spotted dog” – пятнистая собака. Конечно, такую картину лучше не иметь.
Что касается классификации, что автоматической классификацией давно никто не пользуется. Все эту участки надо объединить в одну категорию вручную – нарисовать границы категорий, собрать по ним каркас и закодировать модель. В категориях пятен быть не должно.
Как избежать «пятна»:
1. Увеличить радиус поиска, пускай даже длиннее, чем зоны влияния вариограмм
2. Сделать первый заход без ограничения на количество скважин и проб. Часто делают эллипс с диаметром, равным размеру материнского блока. По сути, блок получит содержания от всех проб, которые физически находятся в его пределах. И аудиторы довольны – содержание блока совпадает со средним содержанием ближайших проб.
День добрый Дмитрий! Спасибо за консультацию. Тогда возникает логичный
вопрос - где взять (и/или каковы) критерии выделения категорий по JORC в
"ручном" режиме. Критерии выделения по инструкциям ГКЗ РФ и РК мне
известны, а вот критерии по JORC - нет, где можно их увидеть?
И ещё, а
разве нельзя было "нормально" доделать математический алгоритм
автоматической категоризации включив дополнительные параметры например
расстояние характеризуемого блока от точки опробования, которое в свою
очередь согласованно с уже полученной вариографией (зонами влияния), или
что-то в этом роде (типа вес/доля категорийности блока в зависимости от
расстояния до точки опробования и до ближайших охарактеризованных уже
блоков) и т.п.?
По поводу как избежать "пятна" второй пункт - к этому
я то же пришел аналогично - типа как "выкрутиться" из такой ситуации,
но тогда не будут соблюдаться все прочие условия автоматической
категоризации, да и не только - ведь сам процесс идёт одновременно с
расчетом средневзвешенных содержаний, а значит не будут выполняться
полученные для этих целей условия вариографии. Конечно можно рассчитать
содержания в БМ строго по вариографии, а классификацию произвести
повторно "подогнав" эллипсоид до нужных размеров, как ты пишешь в пункте
1. Но всё это как то выглядит, для геолога, а не аудитора - не
убедительно....
Значит единственный и правильный путь ( и "совесть
чиста" и параметры соблюдены) - ручная классификация - ещё раз повторюсь
- где взять общепринятые параметры (или они как то вычисляются
математически для конкретных условий) для такой классификации по JORC по
категориям MEASURED, INDICATED, INFERRED!??
Да, и еще. Если речь идет о золоте, то по сети 50 х 50м давать Measured я бы лично воздержался.
Нет, в данном конкретном случае это не золото, а хромиты Кемпирсайского массива, и достоверность оруденения, структура и прочее давно капитально обоснованы ещё со времён СССР и подтверждены многолетней отработкой (в качестве сомневаться не приходится, по крайней мере мне, как геологу) - так что воздерживаться от Measured - нет веских оснований, ну разве что если как эксперту "прикрыть тылы" на будущее на всякий случай.....
Кстати говоря. Да, чаще всего эллипс обосновывают зонами влияния вариограмм. Тем не менее, эллипс и вариограммы - независимые друг от друга настройки интерполятора. Соответственно, никто не будет бить вас по рукам, если вы обоснуете эллипс сетью бурения, то есть в данном случае надо увеличить радиусы, чтобы обеспечить захват соседних разведочных профилей. И, разумеется, убрать Measured. Пятен не станет. Если другие настройки интерполятора корректны.
Если пятна остались, это будет означать, что эллипс прихватывает достаточное максимальное количество проб из единственной ближайшей скважины и игнорирует все остальные, не смотря на то, что они попадают в эллипс. Тогда надо выставить параметр - максимум проб на скважину ("поле счета" - скважины, "максимум поля счета" - количество проб на скважину). То есть, предположим, что у вас 4 сектора, 3 пробы на сектор = общий максимум проб 12. Значит, достаточно поставить, например, максимум проб на одну скважину 10, и тогда эллипс будет искать вторую скважину, чтобы добрать до 12.
Вот хотелось услышать такие слова именно от CP, который уже много каких месторождений классифицировал:
"Что касается классификации, что автоматической классификацией давно никто не пользуется. Все эту участки надо объединить в одну категорию вручную – нарисовать границы категорий, собрать по ним каркас и закодировать модель. В категориях пятен быть не должно"
Подпишусь под всем, что говорил Дима, включая и вышеозвученную фразу.
Классификация запасов это отнюдь не только зоны влияния вариограмм, длины осей эллипосоида и количество проб на сектор ...Это некая уверенность в том, как мы понимаем данное месторождение. Геостатистика как инструмент сильно облегчает нам задачу объяснить распределение полезного компонента в руде, но для подкрепления увереннности в этом нужно включать голову геолога.
Витя, привет тебе. Мы традиционно классифицируем, используя расстояния, в 9 случаях из 10. Или даже чаще. И все довольны, всё наглядно и обосновано. А, говорим мы, золото - ну, значит, Indicated даем по сети 40-60м. А, на самом деле, это правильно?
Простейший пример. Имеем два блока. Один висит на содержаниях 4 и 6 г/т, а второй на 1 и 9 г/т. Расстояния до проб в обоих случаях одинаковые. И, значит, оба блока получат одинаковую квалификацию и одинаковое содержание 5 г/т. Но мы же понимаем, что первый блок имеет более надежную оценку и должен иметь более высокую классификацию. Если бы мы для классификации использовали дисперсию вместо расстояний, то этот вопрос решен. Или дисперсию вместе с расстояниями, тоже вариант.
Неоднократно приходилось раньше пересекаться с разного рода западным геологическим аудитом. Так вот их плюс был в том, что они не привязаны (кроме кодексов JORC и пр....) к каким либо методическим инструкциям и рекомендациям , это часто оправдывало поведение (основанное на интуиции и опыте) для конкретного месторождения. Наш плюс был , что мы могли обратится к метод руководству по классификации определенного вида п.и. и найти прописанные там правила , которые написаны на опыте разведки многих месторождений.
Так вот по-моему не стоит их плюсы превращать в наши минусы, то есть пытаться прописать их в единственно возможной форме.
На это можно смотреть по разному с точки зрения философии, да и геологии то же: индивидуальный опыт это хорошо и интуиция то же хорошо - геологу без этого нельзя...Но...Любая инструкция это результат не только индивидуального опыта и профессионализма, а коллективного и многолетнего обобщенного опыта тех же индивидуалов, сконцентрированного в конкретном документе (по крайней мере так было)...Другое дело, что такие инструкции могут устаревать со временем и обременять думающих самостоятельно специалистов....Но в итоге коллективный опыт всегда будет достоверней чем индивидуальный и он более продолжительный по времени (конечно это моё личное мнение)....С западными "геологическими аудиторами" встречаюсь так же (или обученным по их методикам отечественными молодыми специалистами - чаще), говорить о каком-то уж очень продвинутом индивидуальном опыте и знаниях в геологии (наверное есть и действительно опытные люди, которые досконально изучали/отрабатывали какой-то конкретный геологический объект в течении 5-10 и более лет, но в основном на "изучение" у аудиторов от месяцев до пару лет, а чаще только БД и "откатанная" технология оценки ресурсов в одном из ПО - количество "познаний" не всегда является качественным профессиональным опытом) я бы не стал. Другое дело, что этика преподнесения индивидуального опыта и личной ответственности за результат (так предполагается), поставлена на значимом уровне. К геологии это имеет косвенное отношение...
Кстати, дисперсию также элементарно пересчитать в относительную или абсолютную погрешность оценки блока. Так классифицируют в ЮАР. Если интересно, могу написать подробно - как это делается.
Такого рода опыт всегда интересен, особенно когда классификация подтверждается дальнейшими разведочными и добычными работами
Первый раз я с этим столкнулся в 2005 году в ЮАР. Написал о ней "товарищу", который тут-же тиснул "собственную" статью. Ну да ладно. Вот что я писал.
В ЮАР в качестве одного из критериев используют Relative Kriging Standard Deviation (относительное стандартное отклонение кригинга - ОСОК). При использовании ОК у тебя для каждого блока будет записано значение дисперсии кригинга (поле KR_VAR в модели). По сути – это дисперсия проб, использованных для оценки данного блока. Эту дисперсию можно использовать для классификации ресурсов. Естественно, если дисперсия проб, использованных для оценки блока, высокая, значит, надежность оценки низкая. И наоборот.
Есть же еще метод, который позволяет использовать эту дисперсию для оценки относительной погрешности оценки блока. Если взять модель и посчитать это самое относительное стандартное отклонение кригинга, то и получишь вразумительные значения. Формула проста:
ОСОК = (кв корень из «KR_VAR) / (квадрат среднего значения композитов в каркасе)
ОСОК = sqrt(Kr_Var)/Mean^2
Получишь значения между 0 и 1. Например, значение 0.06 будет означать, что погрешность оценки составляет 6%. Или, иными словами, что если у тебя оценка блока 10 г/т, то погрешность данной оценки составляет +/- 0.6 г/т. Ну, а уж высокая эта погрешность или низкая – сам думай.
Таким образом, можно решить, какая погрешность допустима для твоего месторождения и использовать этот процесс, как один из критериев для классификации запасов. Вторым критерием обычно используют густоту сети бурения и/или эллипс поиска, привязанный к зонам влияния вариограмм.
Еще, тут обычно в качестве первого захода берут сразу полные зоны влияния вариограмм, обосновывая тем, что нехрен выкидывать пробы, которые имеют корреляцию с блоком. Логично, в общем-то. Тогда все блоки, попавшие в первый заход, можно развалить на Измеренные и Исчисленные, используя ОСОК.
Ну вот такой подход, на мой взгляд, более приемлем, по крайней мере он логичен и следует в общем алгоритме с полученной уже вариографией и вообще математическим моделированием, а не субъективным мнением эксперта....Единственное - нужно бы убрать субъективизм и из выбора категории - т.е. возможность рассчитать "предельные коридоры" значений параметра, на конкретном месторождении, для этих категорий изученности - по крайней мере для первых двух (Measured & Indicated)....
Чтобы рассчитать такие коридоры, нужно, по идее, добыть приличный объём руды. Хоть и нет прямых указаний (вроде бы), какова должны быть точность этих категорий, но я слышал, что Measured - это допустимая 10-15% погрешность. Чтобы определить, есть ли эта погрешность, объект надо копать, чтобы сравнить прогноз по ГРР и факт. Таким образом, для впервые оцениваемых объектов это не подойдёт.
Имхо, вот мы там копаемся, какие-то настройки интерполятора меняем (особенно вариограммы, там кроме самородка остальное вообще мало влияет), что-то высчитываем. А потом на стадии добычи пришли горняки, взорвали так, что всё-смешалось, потом технологи на фабрике что-то схалтурили. А мы потом сравниваем их цифры с геологией insitu. Может модель-то и хорошая была, но на стадии добычи/переработки результат испортили. Поэтому и сравнение будет некорректное. Т.е. в процессе сравнения участвуют результаты зависящие от геолога (как он сделал модель) и результаты, независящие от геолога и слабо им контролируемые. Много букв, но надеюсь мысль донёс )
Вот сменил "пятнистую псину" на "полосатого тигра" (по стандартному отклонению дисперсии Кригинга) - вроде как солидней выглядит, но то же не очень.....
А по поводу моделирования в целом - ну понятие "испортили" тут вряд ли подходит - моделирование в геологии это всегда динамический процесс и блочную модель необходимо постоянно актуализировать под новые поступающие данные, в том числе и данные получаемые при эксплуатации, как и стадийность ГРР и прочее в нашей геологии (постепенное приближение к "истине", выяснится она когда выкопают, но и то если горняки "покрывать" свои огрехи при эксплуатации не будут - что сомнительно) - "чем дальше влез, тем труднее вылезать, но лазить то надо", для этого и существуют методы и методики сравнения разведки и эксплуатации - другое дело, что всё это интересно больше геологам, а не добытчикам/горнякам, особенно в сегодняшнее время - ковырнул "самую сладкую морковку" и "сбагрил" объект тем кто согласен на "оставшихся объедках" ковыряться - но при правильном подходе иногда и "объедки" становятся лучше "сладкой морковки" (и не только на бумаге в отчетах) и как раз вот эта вся геостатистика и моделирование очень хорошо в этом помогают, как дополнительный инструмент.....
Дмитрий, привет
В формуле ОСОК нет безразмерности, т.е. нельзя выразить в %. Дисперсия это же квадрат величины (например, г^2/т^2 или (г/т)^2), тогда как Mean - это базовые единицы измерения, т.е. г/т. Получиться что мы делим кв. корень( (г/т)^2 ) на (г/т)^2, или (г/т) / (г/т)^2, получится (г/т)^-1.
Посмотрел, RKV - relative kriging variance - это kriging variance (KV) / kriging estimation (KEst) ^2. Всё верно, размерности числителя и знаменателя квадратные. А relative kriging standart deviation (RKSD) - это корень от RKV. Т.е. в твоей формуле закрывающая скобка должна стоять за Mean^2.
Важно то, что сама KV, как и Kriging Efficiency (KE) не зависят от содержаний, для которых они считались. Оба этих показателя опираются на SSV - Sum of Sample Variance (дисперсия проб, сумма значений вариограммы от каждой
пробы до каждой из точек дискретизации, с учётом весов кригинга) и WBV - Within Block Variance (внутренняя
дисперсия блока, среднее значение вариограммы от каждой до каждой из точек дискретизации). Под "сумма значений вариограммы" понимается сумма изменений признака (содержания) от, например, центра блока, до пробы. А само изменение рассчитывается на основе матмодели вариаограммы.
Таким образом, ни один из показателей KV, RKSD, KE не учитывает дисперсию содержаний, использованных для оценки блока, т.е. для них что две пробы по 5 г/т, что две пробы по 1 и 9 г/т - эти показатели для этих наборов данных будут идентичными. Можно убедиться в этом, поиграв со значениями в программе E{Z}-Kriging - Наглядное влияние параметров, оставив 2 пробы.
Дубль пожалуйста на русском - ведь проблему обсуждаем публично.....
Спасибо..
Добрый день, Станислав. Из-за политики безопасности мы не пропустили файл .rar. К сожалению, архивы выкладывать на нашем Форуме нельзя. Прошу прощение, что администратор ответил Вам по-английски.
Евгения, добрый день. Да без проблем, программа эта бесплатная, если кому надо - напишите, сброшу, или а интернете есть поди, хоть и старая.
А по-английски я и не видел ответа )
Соглашусь, программа очень хорошая для наглядного понимания работы Кригинга.
Станислав, как называется программа?
Евгений, E{Z}-Kriging или может EZ-Kriging, если не найдете, то скину на почту. Вдруг она в анналах истории почила.
Еще вполне типичная ситуация может возникнуть:
Регулярная сеть бурения 100м , нет участков сгущения , расчисток и пр.. Результат - отличные вариограммы , можно классифицировать согласно зон влияния очень высоко...
Но .., пробурили сеть сгущения, появились расчистки , где наши зоны влияния? Мы видим вообще смешение популяций, разные домены , так еще бурить надо...... оказывается появились зоны с высокими содержаниями, появились смещающие разломы .....
Ну вот попробовал предложенные варианты с т.н. ОСОК, как и писал раньше - субъективизм остался только в выборе "коридоров значений" полученного параметра для разных категорий изученности (надо бы всё таки найти возможности - наверное они есть всё же в статистике и геостатистике - "разбивать ряд" получаемого параметра, для категоризации изученности, на требуемые 3-и категории, т.е. на три домена основываясь на математике, а не только на логике эксперта??!!, коль "связались" с геостатистическими методами в таких делах). Ну на первый взгляд - более менее подходит, по крайней мере не так бросается в глаза.....в моём конкретном случае.....