0

Оптимизация размеров буровой сети

Levina Yevgeniya 7 years ago in Micromine / Статистика updated by Эдуард Каримов 7 years ago 13

Уважаемые коллеги. Может кто-то сталкивался с такой задачей. Каким образом и какими процессами можно оптимизировать размеры буровой сети с помощью ММ. Например объект разведан по сети 4000м x 500м. Как использовать в таких условиях геостатистику (значимых проб порядка 800, рудных пересечений около 90)? Существует ли практика применения ММ для оптимизации буровой сети и где это можно почитать?. Заранее благодарна.

+1

Это какое ПИ разведуют такими сетями? Как мне кажется, оптимизация сводится к сравнению зон влияния вариограмм с размерами сети. Если сеть слишком крупная, вариограммы будут прямой линией (особенно важно начало, естественно). Т.е. ваша сеть не ловит изменчивость оруденения. Если сеть достаточно плотная, то размер ее будет меньше зоны влияния вариограмм. Теоретически, можно сеть разрядить.

Железо, на стадии предварительной оценки. Более менее надежных направленных вариограмм получить не удалось. Количество проб невелико, размер сети по простиранию в 4 раза больше размера в крест простирания. Задача то собственно в том, на сколько нужно сгустить сеть чтобы получить надежные направленные вариограммы.

Имхо, надо ориентироваться на привычную практику по железу. Ну и поэтапное сгущение в 2 раза. И посмотреть отчеты аудиторов по железу, может для него вообще там какие-то свои подходы.

+2

Здравствуйте,

Густота разведочной сети должна обеспечивать возможность подсчета запасов по категориям соответствующим стадии ГРР.

Насколько необходимо на стадии оценки ориентироваться на геостатистические методы оптимизации разведочной сети?

Есть методика определения оптим. параметров сети (так же некоторых параметров интерполяции) с помощью эффективности кригинга (ЭК) и наклона линии регрессии (ЛР). Но здесь нужно иметь уже надежные модели вариограмм, и скорее всего участки сгущения сети (или же сеть симулируется???).

Проводиться интерполяция модели кригингом на участке при сети с одними параметрами (например 100x100) , и интерполяция при сгущенной сети (например 80х80).

В ММ в файл блочной модели, при интерполяции кригингом, есть возможность записать параметры ЭК и ЛР.

Затем по полученным значениям моделей строиться график, на котором соотносятся значения ЛР и ЭК при различных параметрах сети.

Наибольшие значения ЛР и ЭК соответствуют сети, при которой оценка БМ будет иметь наименьшую погрешность.

Понятно, что в этом вопросе есть немаловажная экономическая составляющая.


Если, что не так написал, коллеги подправят!


Подобные задачи так же решает стохастическое моделирование, описание методики Вы можете найти в книгах Капутина.

Все хочу выяснить практику применения стохастического моделирования при разведке, сколько я общался, все же понял, что это область добычной стадии, не разведочной.

Спасибо за ответы. Очень помогли. А можно уточнить? На Вашем графике оптимальное значение указано около 50, это наибольшее значение ЭК, однако наибольшее значение ЛР исходя из графика 90. Не совсем понятно как Вы интерпретировали график. Кроме того, по поводу УСМ. Возможно ли реализовать УСМ в системе ММ? Для данной конкретной задачи для начала мне необходимо нормализовать сеть разведки. Каким процессом в ММ можно симулировать сеть?

Кривые ЛР и ЭК выполаживаются при максимальном числе проб 50, в последующих вариантах (60, 70, 80, 90) значения ЛР и ЭК близкие - значимых расхождений нет.

Учитывая, что большее количество проб, участвующее в оценке блока, будет сильнее «сглаживать» его оценку, оптимальное количество проб в данном примере – 50.


Для чего Вы хотите нормализовать сеть?

Спасибо за объяснение.

Выясняю возможности реализации в ММ условного стохастического моделирования. Прочитала методику у Капутина.

Добрый день, Евгения! Условное моделирование в ММ - это имплицитное моделирование (использующее РБФ), оно не является стохастическим моделированием, описанным Капутиным. Это всего лишь теска метода.

+1

Я попыталась построить направленные вариограммы на тех данных которые имею. Вы писали выше по поводу надежных вариограмм. При таких параметрах сети о надежности не может быть и речи, но!!! Массив характеризуется очень выдержанным содержанием полезного компонента, коэффициент вариации составил 0,3. Я могла бы попробовать нормализовать сеть и получить надежные вариограммные модели, которые в свою очередь, дадут искомые зоны влияния. Речь не идет в данном случае о подсчете ресурсов. С другой стороны, при выборе сети на данной стадии разведки легче и правильней руководствоваться инструкцией ГКЗ. Я бы так и поступила не задумываясь. Однако заказчик хочет получить обоснование на основе геостатистики.

Евгения! Всенаправленная вариограмма дает неплохую информацию об оптимальном лаге (расстоянии между парами проб) для исследования. Ну а чтобы получить категории, конечно, придется покрутить по осям.

Да, спасибо большое. Я построила всенаправленную и направленные вариограммы. Вопрос исчерпан.

Да не за что. Спасибо вам за интересную тему и всем участникам обсуждения за полезные ответы по этому вопросу!