CC BY
18
Smirnov Vladimir Aleksandrovich, candidate of technical sciences, docent, veld07l@ ramhler.ru, Russia, Tula, Tula State University
УДК 004.02:622.22 DOI: 10.24412/2071-6168-2021-5-184-197
ПОСТРОЕНИЕ ИНДИКАТОРНОЙ МОДЕЛИ ИНТЕРПРЕТАЦИИ ГРАНИЦ
ГЕОЛОГИЧЕСКИХ И РУДНЫХ ОБЛАСТЕЙ МИНЕРАЛИЗАЦИИ
МЕСТОРОЖДЕНИЯ
С.Н. Гончаренко
В работе произведена интерпретация минерализованных интервалов для последующего подсчета запасов месторождения. Получены зависимости содержания полезного компонента от величины рудных интервалов. Разработана индикаторная модель, позволяющая произвести оконтуривание границ геологических и рудных областей, а также определение геометрических параметров материнской ячейки по размерам, соответствующим оценке содержаний. Интерпретированные геологические данные скважин использовались для создания каркасов основных литологических единиц.
Ключевые слова: индикаторная модель; подсчет запасов; содержание полезного компонента; внутрискважинные вариограммы; рудные интервалы
В рамках исследования проведена экспертиза методологии и качества данных, вошедших в базу геолого-разведочных работ по месторождению. Произведено сравнение расположения устьев скважин относительно цифровых значений базы данных, а также заверка скважин на местности, что позволило сделать вывод о том, что большинство скважин было пробурено согласно их проектным положениям и в целом буровая сеть получилась достаточно выдержанной и реализована в соответствии с необходимыми отраслевыми стандартами [1].
В работе были использованы представительные данные геологического опробования интервалов минерализации, а также определены участки месторождения для оценки изменчивости технологических свойств объекта. Данные, использованные при реализации программы отбора проб, включали в себя местоположение устьев, данные съемок, результаты анализов, литологию и прочие литологические коды, каркасы, и блочную модель месторождения. Была использована геологическая база данных и трехмерная блочная модель при определении литологических интервалов для отбора проб [2,3].
В ходе проведения работ были пробурены разноориентированные инженерно-геологические скважины с отбором керна и его последующим ориентированием для изучения всех бортов карьера и уточнения данных по структуре трещин в невыветре-лых метаосадочных породах. Поскольку коры выветривания могут занимать 50% - 70% пород, слагающих верхние борта карьера, для заверки использованных в настоящем исследовании параметров необходимо проведение дальнейших тщательных инженерно-геологических исследований, в том числе изучение и документирование физико-механических свойств грунтов, испытания грунтов и пород в массиве, а также лабораторных исследований в достаточном объеме, в том числе трехосные испытания для определения параметров эффективного давления.
184
Несмотря на то, что в работе были реализованы процедуры подсчета ресурсов, остается невыясненным ряд вопросов, требующих решения для их классификации [4,5]. К ним относится уточнение соответствующих бортовых содержаний полезного компонента как для приповерхностной, так и глубинной минерализации, а также необходимость проведения ряда заверочных расчетов по процентному количеству рудных блоков. Следовательно, возникает необходимость в дальнейшем проведении мероприятий по контролю и обеспечению качества, внедрение общепризнанных международных стандартных образцов, бланков, и дубликатов, повторное перебуры (скважины-дублеры) по ряду исторических скважин по основным зонам месторождения для проверки как приповерхностных, так и глубинных объектов.
На первом этапе исследования по сформированной базе данных были получены зависимости содержания полезного компонента от величины рудных интервалов рис. 1. Данные зависимости были получены методом ординарного кригинга. Моделирование производилось полигональным методом по концевым сечениям [6]. Кривые тоннажа демонстрируют в высшей степени схожие тренды, при практическом отсутствии каких-либо отклонений по всем диапазонам содержаний. Кривые содержаний характеризуются устойчивым отклонением от минимальных бортовых содержаний, демонстрируя заметную разницу в содержаниях в области предельных бортовых кондиций.
II X
о с 2
О
^
0
1
с а
оз И о» с» а? Окисленные рудные интервалы
(D
ч
Рис. 1. Графики зависимости (содержания, %, массы, т) от величины окисленных рудных интервалов по модели месторождения
Полученные зависимости легли в основу формирования программы буровых работ, которая была подготовлена с целью повышения категорийности ресурсов месторождения до категорий измеренные (Measured) и исчисленные (Indicated). Местоположения скважин были проверены на возможность заложения в зависимости от условий рельефа и окружающей обстановки. При бурении планировалось осуществлять не только геологическую документацию, но и геотехническое описание керна скважин. При производстве работы были реализованы процедуры топографической выноски и привязки скважин, ведение базы данных, доставки проб с участка в лабораторию про-боподготовки и аналитическую лабораторию, каротажа скважин, формирования геологической и геотехнической документации керна, проведения опробования. Оруденение определялось на основе сети буровых скважин рис. 2,3, соответствующей типу месторождения, виду минерализации и текущему этапу геологоразведочных работ. Более редкие данные по краевым участкам зоны оруденения характеризуются более низким уровнем достоверности.
г
£
Рис. 2. Горизонтальная проекция месторождения с указанием местоположения
буровых скважин
1'М И1»
т*«»э Г'4
М
*
и.
Рис. 3. Проекции расположения буровых скважина на месторождении
Для разработки программы представительного геологического опробования интервалов минерализации, а также в определении участков месторождения для дальнейшей оценки изменчивости технологических свойств была создана база данных включающая в себя следующие компоненты: координаты устья скважины; истинный азимут съемки; литологию; данные количественного анализа; каркасные модели топографической поверхности; блочная модель и каркасы месторождения. Основные данные, использованные при реализации программы отбора проб, включают в себя местоположение устьев, данные съемок, результаты анализов проб, различные литологиче-ские данные, в том числе основные типы руды, а также другие литологические пробы. Различные каркасы, а также блочная модель использовались для целей реализации программы отбора проб.
Предварительная выборка проб ограничивалась окисленными и первичными зонами. Пробы отбирались с интервалом 1 метр и укладывались в пластиковые мешки, с максимальным удалением воздуха из мешков для предотвращения окисления. Каж-
дый мешок с пробами затем бирковался, и помещался в пластиковую бочку для отправки. В процессе опробования, каждый опробованный интервал документировался в регистр, с указанием происхождения и материала пробы.
Проведение дальнейших работ по изучению минералогии руды, определению оптимальной крупности для высвобождения, стадийного измельчения материала и последующему извлечению высвобожденного полезного компонента проводилось для снижения выхода тонких классов и улучшения общего извлечения минералов [7].
Изучение инженерно-геологических параметров проектирования карьера проводилось, в основном исходя из задокументированных физико-механических свойств ориентированного керна и результатов лабораторных испытаний образцов из наклонных (-40 до -65 градусов) скважин.
Буровые работы на месторождении проводились с использованием усеченной системы координат, но с применением вращающейся сети рис. 4. Данные по буровым скважинам были представлены в виде файлов результатов анализов, устьев с отснятыми данными и геологии.
Наиболее интенсивно участок разбуривался в центре, где плотность сети вертикальных скважин в основном составила 50 м на восток и 25 м на север, с небольшими секциями 12,5 м x 12,5 м. История изучения месторождения насчитывает множество программ буровых работ, и некоторые сети скважин в небольшой степени перекрывают друг друга, поэтому местами расстояние между скважинами составляет менее 5 м по буровым профилям.
Инклинометрия скважин проводилась только в вертикальных скважинах глубиной более 200 м, либо в тех, что проектировались наклонными. Замеры скважин производились с помощью инклинометров с интервалом от 36 до 5 м.
Рис. 4. Местоположение буровых скважин на исходной сети
Документация по работе с керном носит достаточно обстоятельный характер, содержит геологические и некоторые инженерно-геологические сведения. Геологическая информация включает в себя определения типа породы, основного тип изменений, содержания карбонатов, железа или кварца, основных минералогических характеристик, окраски и количества обломков, формы и размеров. Инженерно-геологические сведения включают в себя показатели длины извлеченного керна, процент извлечения и
187
диаметр бурения. На базе проведенных исследований был составлен топографический каркас месторождения, который был сделан на основе местоположения устьев скважин. Данные по контролю качества включают в себя только данные внутреннего и внешнего лабораторного контроля с дубликатами проб для проверки точности результатов анализов.
Все буровые и прочие данные, полученные для каждой скважины были представлены в базе данных. Файл анализов имеет интервалы, соответствующие всей длине скважины, при этом неопробованные интервалы вносились в базу с значением анализа «отсутствует». Анализы с результатом менее порога чувствительности фиксировался в виде значения минимального определяемого уровня, возможного для использованного измерительного прибора для данного элемента. Отсутствие данных по азимутам, полученных при инклинометрии скважин представляет небольшой риск для подсчета ресурсов. Большинство скважин было пробурено вертикально и пересекли минерализованные структуры под достаточно крутым углом. Достоверная оценка ресурсов потребует наличия репрезентативных данных по плотности, которые необходимо рассматривать в увязке с потерями керна. Каждый замер необходимо соотнести с определенным керно-вым интервалом или пробой и хранить в базе данных.
Кроме того, необходимо проверить данные по извлечению керна на предмет точности прежде, чем вводить их в базу данных. В этой связи предлагается применение стандартизированного подхода к контролю качества анализов в рамках всех буровых программ в виде внедрения стандартов в партии рядовых проб, направляемых на анализы из расчета как минимум один, а лучше - два стандарта в каждую партию проб. Стандарты позволяют определить уровень достоверности аналитических работ, при этом они характеризуются необходимым диапазоном содержаний как для экономически значимых элементов, так и нежелательных элементов-примесей. Стандарты демонстрируют достоверность определений минерализации, близкую к рассматриваемую бортовому содержанию, среднему содержанию и богатому содержанию значимых элементов, а также дублирование или повторное разделение проб, переданных в первичную аналитическую лабораторию в количестве 5% от всех проб. Данный подход позволит определить сходимость (точность) определений, связанную с этапом пробоподго-товки и анализа, а повторные анализы исходных аналитических порошков во внешней независимой лаборатории в объеме 5% от всех проб обеспечат определение уровня аналитической сходимости. При переносе данных с бумажных носителей в электронную базу данных, общераспространенной практикой является выполнение этой работы в полном объеме двумя сотрудниками независимо друг от друга, после чего две получившиеся базы данных сверяются друг с другом. Таким образом, важный аспект контроля качества анализов заключается в том, чтобы стандарты, дубликаты и пробы для повторных анализов направлялись в составе партий рядовых проб во внутренние и внешние лаборатории на систематической основе, обеспечивая тем самым функцию постоянного мониторинга, позволяющего предпринять оперативные меры в случае выявления проблем. Это позволит выявить проблемную партию проб, а также систематическое или межлабораторное отклонение, которое может возникнуть на протяжении выполнения аналитической программы. Данные соображения необходимо учесть при реализации буровых программ в будущем, а также всех программ повторных анализов.
Статистические данные по буровым скважинам были использованы при подсчете ресурсов [8]. Эти данные представлены в графическом виде на рис. 5,6. Данные указывают на наличие популяций минерализации полезного компонента между 0,01 и 10 % с небольшой богатой популяцией, превышающей 15 %. Логарифмическая гистограмма данных, превышающих 0,001% указывает на выдержанную популяцию около 0,05% и небольшую популяцию, превышающую 1% полезного компонента. Очевидные ураганные значения не отмечаются. Изучение данных показывает на постепенный характер перехода границ в направлении богатых пересечений, при этом бедные содержания формируют часть той же популяции оруденения.
| — = = - ;-- —
— —
— — — — — — - - — — — - - щ
а 1 _ _ - т — м — г--гг __ _
/
—Л 4
| 1 1 £ щ = =ф — =
- _ и __ 1 _ _ . | =;- —- — -:
-! — - - -1- -- —
♦ 24 1® М Ы> Л) | || « р
Рис. 5. Логарифмическая вероятностная диаграмма статистических данных минерализации полезного компонента по месторождению
1.л1.. 1
НУ
04Ы ООП «I ■ щ К»
Рис. 6. Логарифмическая гистограмма частот статистических данных минерализации полезного компонента по месторождению
Длина проб изменялась от 0,05 до 7 м, длина основной массы проб составила 1 - 2 м и только 13% проб имеет длину 2.5 и более рис. 7. Анализ данных позволил сделать выводы о преобладании богатых содержаний в пробах длиной от 1м до 2 м. По каждому геологическому интервалу данные кодировались с помощью интерпретационных каркасов. Числовое поле присваивалось каждому интервалу для использования в подсчете ресурсов. Каркас основания глинисто-щебнистого интервала использовался в качестве основания зоны окисления для кодировки данных с помощью числовых полей.
Данные, используемые в оценке содержаний, характеризовались одинаковой длиной для обеспечения выдержанности при оценке содержаний. Композитирование до значения наиболее часто встречающейся длины проб обеспечивает выдержанность данных и снижает их изменчивость, что в итоге позволяет добиться более достоверной
189
оценки. Несмотря на то, что наиболее распространенная длина проб составляет 1-2 м, было бы нецелесообразным декомпозитировать большое количество более длинных проб. С учетом вышесказанного, для композитирования была выбрана длина 2 м. Ком-позитирование сократило изменчивость, и максимальное значение композита [9].
49
и
м
"Г-
•
1 (л
!! *
•,
•'Ш 9-||||1 —^------- ..
О!*}»!!*-
Рис. 7. Зависимость содержания полезного компонента от длинны проб по статистическим данным месторождения
Считается нецелесообразным подавлять высокие содержания, формирующие часть подлинных богатых зон, которые должны отражаться в подсчете ресурсов. Основная масса богатых композитов расположена в пределах небольшой площади в центре месторождения. Данные скважин изучались для определения целесообразности контроля ураганных содержаний. Интервал гранит/габбро был единственным интервалом, содержащим очевидные аномальные значения в своей популяции содержаний. Цель композитирования и контроля ураганных содержаний заключалась в том, чтобы обеспечить выдержанность данных для подсчета ресурсов, а также уменьшить по возможности коэффициент изменчивости, снизить влияние аномальных значений и сохранить подлинные богатые пересечения.
На следующем этапе была разработана объемная модель для подсчета ресурсов. Она разрабатывалась с двумя основными целями: оконтуривание проинтепретиро-ванных границы геологических и рудных областей с высокой степенью точности; определение геометрических параметры материнской ячейки объемной модели по размерам, соответствующим оценке содержаний [10,11,12].
Интерпретированные геологические данные скважин использовались для создания каркасов, охватывающих все основные литологические единицы.
Размер материнской ячейки для оценки содержания зависит от расстояния между скважинами и качества оценки, отражаемой в вариограмме. Общераспространенная отраслевая практика, основанная на эмпирических определениях, указывает на то, что размер материнской ячейки не должен быть менее 1/3 расстояния между скважинами, и чаще всего - половины этого расстояния. Размер материнской ячейки, гораздо меньшей расстояния между скважинами в итоге приведет к построению некорректной кривой содержания и тоннажа в модели. По месторождению значения расстояния между скважинами колеблется в широком диапазоне. В этой связи для месторождения был установлен размер материнской ячейки, равный 50 м в восточном направлении, 25 м в северном и 4 м от контрольного уровня и произведена верификация данных параметров методом кригингового анализа соседства. Точное оконтуривание границ интервалов достигалось путем разделения материнских ячеек. Для каждой материнской
190
ячейки допускалось максимальное трехкратное разделение в северном направлении, два разделения в восточном и, при необходимости, до 100 разделений по контрольному уровню.
Далее была произведена интерпретация минерализованных интервалов для последующего использования в подсчете ресурсов. Было очевидно, что информация в имеющейся геологической документации в сочетании с результатами анализов указывает на достаточно сложную геометрию минерализации на каждом разрезе, что усложнило процесс интерпретации и моделирования каркасов.
Полученные сведения легли в основу подсчета ресурсов, который преследует две фундаментальные цели: определение объема оруденения; оценка содержания в пределах этого объема.
В связи с наличием сложного характера контуров рудных тел, принят индикаторный поход к определению объема минерализации. С этой целью был выбран индикатор содержания, представляющий собой граничные зоны минерализации. Индикатор содержания равный 0,05 % полезного компонента выбирался исходя из статистических данных и изучения разрезов скважин. Оцифровка данных с помощью выбранного индикатора осуществлялась следующим образом. Данным присваивалось значение 0 для содержаний полезного компонента менее 0,05 % и 1 для значений более 0,05. Расчет вариограмм производился для первичной и окисленной зоны отдельно, а индикатор оценивался в многоклеточной объемной модели методом ординарного кригинга. Ориентация поисковых эллипсов для индикаторной оценки учитывала геологический контроль минерализации в каждом интервале. Полученные вариограммы указывают на большую выдержанность в направлении восток-запад как для окисленных, так и первичных интервалов. Окисленный интервал продемонстрировал аналогичные диапазоны в направлении падения и север-юг, при этом второстепенна ось имела вертикальный характер (рис. 8).
Для определения границ минерализации был выбран малый размер ячеек. Прототип модели был затем перенастроен на крупные материнские ячейки в целях оценки содержаний. Индикаторная модель была построена исходя из выбора значения индикатора 0,05%, представлявшего минерализованный объем. Модель была выровнена с топографическим каркасом, составленным по устьям скважин и размечена на окисленные
и первичные интервалы с помощью каркаса основания глинисто-щебнистой зон. Каркас с границами по бортовому содержанию 0,05% полезного компонента, созданный с помощью скважин и индикаторная модель затем использовались для разметки полнообъемной модели месторождения.
Расчет вариограмм был произведен с помощью зонированных композитных данных по всем интервалам по границе с бортовым содержанием 0,05. Оставшиеся интервалы имели только внутрискважинные вариограммы и веера горизонтальных варио-грамм, рассчитанные с целью проверки эффекта самородка и различий в основном направлении сплошности. Моделирование вариограмм проводилось с помощью двух структурных сферических моделей.
Медианные индикаторные вариограммы были использованы для моделирования направленных вариограмм по расчетным зонам, при этом внутрискважинные ва-риограммы были применены по второстепенным направлениям. По всем прочим зонам использовались вариограммы из смоделированных зон, масштабированных до уровня локальной дисперсии.
На следующем этапе исследования производилось изучение соседствующих областей методом кригинга. Для проверки достоверности параметров кригинга, использованных в оценке содержаний необходимо опираться на вариографию. Эффективность кригинга и уклон значений регрессии рассчитывается для каждой комбинации размеров материнской ячейки, поисковых расстояний, максимального количества буровых проб в области поиска и точек дискретности, использованных для каждого интервала.
Значения эффективности кригинга 95% и выше, представляют значения целевого диапазона для хорошо оцененной модели. В каждой комбинации проводилась серия тестовых прогонов для определения оптимального размера материнской ячейки, оптимальные размеры для отдельных поисковых эллипсов, оптимального количества проб, использованных для каждой оценки содержания материнской ячейки, и оптимального количества точек дискретности для использования для каждой материнской ячейки. Начальные параметры поискового эллипса выводятся из смоделированных ва-риограмм, которые затем оптимизируются с помощью аналитического процесса методом кригинга. Аналитический процесс качественного кригинга носит итерационный характер, с большим количеством выполняемых и сравниваемых прогонов, предшествующих принятию решения в отношении итогового набора параметров оценки. Данная методика по своей сути имеет тенденцию производить сглаженные оценки, что также необходимо учитывать при принятии решения при выборе конечных параметров. Результаты тестирования показали, что в целом, все зоны будут хорошо оценены с помощью следующих параметров: размер материнской ячейки 50 х 25 х 4м; максимальное количество проб, участвующих в оценке - 20; точки дискретности с расстановкой 4 х 3 х 2.
Поисковые эллипсы изменялись от зоны к зоне, и как правило требовали определенного компромисса между параметрами, предложенными для проведения наилучшей оценки по различным частям месторождения. В большинстве случаев, имела место определенная гибкость в использованных фактических значений, а итоговые значения отбирались для более удобного применения и оценки сплошности в пределах полей влияния. При соответствующем качестве оценок, полученные данные и вариография являются надежными геостатистическими инструментами, позволяющими определить качество оценки ресурсов месторождения.
Оценка содержаний полезного компонента проводилась методом ординарного кригинга. Простой кригинг применялся для проведения оценок содержаний полезного компонента, использованных в расчетах эффективности кригинга и уклона регрессии. Данные контроля ураганных содержаний полезного компонента из 2-метровых композитов использовались в качестве исходных данных для процесса оценки. Поисковые параметры для каждого интервала были определены из полей влияния их вариограмм.
Исходные поисковые поля влияния сначала испытывались с помощью тестов эффективности кригинга для установления итоговых поисковых эллипсов. В отношении интервалов по которым вариографный анализ не проводился, поисковые эллипсы были ориентированы исходя из поискового эллипса наиболее подходящего смоделированного интервала. Все секторы интервала имели жесткие границы, поэтому только композитные данные, отмеченные в качестве таких интервалов были использованы для оценки содержания для данного интервала в блочной модели [13,14].
Таким образом, для моделирования были использованы следующие основные параметры: применен способ многократного прохода; поисковый эллипс второго прохода составлял удвоенную величину первого; поисковый эллипс третьего прохода составлял четырехкратную величину первого (для оценки фоновых ячеек); максимальное количество проб для оценки содержания в ячейке по всем проходам - 20 проб; минимальное количество проб для первого прохода - 5, для второго - 2, и для третьего - 1 проба; максимальное количество проб из каждой скважины - 5 проб; содержания оценивались только в объемах материнских ячеек, при этом каждой суб-ячейки в любом объеме материнской ячейки выделялись идентичные содержания; допускались отрицательные значения весов кригинга; дискретность была установлена в 4 x 3 x 2 точки на объем материнской ячейки.
На следующем этапе исследования произведена классификация ресурсов, которая требует наличия репрезентативных данных, используемых для их подсчета [15,16,17]. Отсутствие данных по контролю качества, и значительная разница в распределении популяции содержаний представляет собой значительный ресурсный риск для оценки месторождения. Ввиду отсутствия анализов стандартов в качестве исходных данных, а также полноценных данных по контролю и обеспечению качества для заверки хотя бы одного из перечисленных набора данных, маловероятно, что классификация ресурсов превысит категорию предполагаемых ресурсов. Противоречивые данные по твердости пород в отношении первичных пород и отсутствие необработанных данных, использованных в определении показателей твердости представляет собой средний риск для ресурсов. Отсутствие данных инклинометрии по углу падения и азимуту представляет собой средний - небольшой риск для ресурсов, и больше касается более глубоких скважин в интервалах первичных пород. Серьезность риска зависит от величины фактического отклонения скважин, которое могло иметь место в случае с неглубокими (<100 м) скважинами. Модели в пределах бортового содержания полезного компонента 0,05% присвоена категория предполагаемых ресурсов.
Общераспространенным методом заверки для ординарного кригинга является сопоставление расчетных содержаний полезного компонента по модели со средними значениями в данных. При наличии крайне изменчивого расстояния между скважинами будут получены аномальные результаты. Оценка методом ближайшего соседства является непосредственным представлением данных, которая позволяет получить объективную (несмещенную) оценку средних содержаний без учета бортового содержания. Содержания ближайшего соседства оценивались с помощью 2-метровых композитов для эффективного сравнения с результатами оценки методом ординарного кригинга. Использование метода ближайшего соседства не предусматривает сглаживания содержаний, но за счет того, что оценку проводят по разрезам происходит усреднение оцененных содержаний по рассматриваемым площадям модели. Можно было бы ожидать, что профиль содержаний в модели ординарного кригинга будет более сглаженный, чем в случае оценки ближайшего соседства.
На рис. 9 сравниваются содержания и запасы металла по контрольным уровням для оценки окисленных ресурсов месторождения, проведенной методом ординарного кригинга и ближайшего соседства.
В случае ординарного кригинга отмечается определенная транспозиция содержаний между разрезами в сравнении с оценкой ближайшего соседства, что обуславливается ориентацией поискового эллипса и эффектом сглаживания, присущим данному
методу. Графики окисленных ресурсов демонстрируют пиковые значения, что гораздо выше чем оценка ближайшего соседства в этой площади. Это вызвано кластеризацией очень высоких содержаний в данной площади, в частности, в новых данных. При оценке методом ближайшего соседства происходит выборка лишь нескольких высоких содержаний, а также несколько низких содержаний в данной площади. Ординарный кри-гинг усредняет многие высокие содержания, таким образом повышая профиль содержаний в этой площади.
ординарного кригинга и ближайшего соседства для окисленных интервалов
Проверка оценок также проводилась визуально, путем сравнения содержаний блоков с соответствующими содержаниями в скважинах для обоснования уместности и приемлемости степени сглаживания [18].
Таким образом, в результате проведенных исследований можно сделать следующие выводы. Подсчет ресурсов и сложности в получении всех необходимых данных по контролю и обеспечению качества, а также очевидные различия в содержаниях, полученных в рамках различных буровых программ, обусловили классификацию ресурсов по категории предполагаемые ресурсы (Inferred Resource).
Полученные варианты заверки содержаний позволили определить зависимости содержания/массы (тонн) по модели месторождения. Рассчитанные зависимости содержаний и массы демонстрируют массу и содержание по объединенным окисленным интервалам с бортовым содержанием полезного компонента 0,05%.
Кривые тоннажа демонстрируют в высшей степени схожие тренды при практическом отсутствии каких-либо отклонений по всем диапазонам содержаний. Кривые содержаний характеризуются устойчивым отклонением от минимальных бортовых содержаний, демонстрируя заметную разницу в содержаниях в области предельного бортового содержания, равного 1,0%. Средняя разница в содержании составляет 17% для окисленных интервалов, и 9% - для первичных. Данный подсчет производился полигональным методом по концевым сечениям.
В настоящее время, имеющейся геологической и структурной информации недостаточно для определения границ данной площади, а граница по бортовому содержанию будет чрезвычайно сложной. В отсутствии дополнительной интерпретации, можно задействовать индикаторный метод оценки.
Отсутствие данных по контролю и обеспечению качества представляет собой значительный риск для подсчета ресурсов. При отсутствии таких данных, повторный анализ порошковых проб, остатков проб или керна может оказаться полезным для определения уровня достоверности результатов анализов.
194
Отсутствие данных по инклинометрии скважин представляет небольшой риск для подсчета ресурсов. При отсутствии исходной информации, можно предпринять повторную инклинометрию скважин для получения данных по углу и азимуту бурения.
Отсутствие полной документации по определению твердости и влажности представляет собой умеренный риск для оценки ресурсов. Необходимо прояснить, относятся ли имеющиеся показатели насыпной плотности к сухому или влажному керну, или использовались ли показатели объемного веса в качестве показателей твердости. При невозможности получения полной документации и результатов исторических определений твердости, необходимо выполнить новую программу по групповым пробам, либо по остаткам керна для подтверждения показателей твердости, присвоенных в настоящее время каждому типу пород или зоне.
Список литературы
1. Воробьев В.С., Петров А.Н. Использование горизонтальных скважин при построении геологических моделей. // Геология, геофизика и разработка нефтяных и газовых месторождений. 2017. №12. С. 24-32.
2. Боженюк Н.Н. Уточнение петрофизических данных и подбор оптимальных параметров построения геологической модели // Нефтяное хозяйство. 2015. №07. С. 7275.
3. Мангазеев В.П., Белозеров В.Б., Кошовкин И.Н., Рязанов А.В. Методика отображения в цифровой геологической модели литолого-фациальных особенностей терригенного коллектора // Нефтяное хозяйство. 2006. №5. С. 66-70.
4. Подрезов Д.Р. Методы и модели идентификации запасов технологических блоков рудника подземного скважинного выщелачивания урана /Прикаспийский журнал. Управление и высокие технологии. 2020. №2 С. 32-43. DOI 10.21672/20741707.2020.50.2.032-043.
5. Подрезов Д.Р. Моделирование показателей функционирования геотехнологических блоков и движения вскрытых запасов рудника подземного скважинного выщелачивания урана. Вестник Дагестанского государственного технического университета. Технические науки. 2020;47(2):98-107. DOI: 10.21822/2073-6185-2020-47-2-98-107.
6. Байков В.А., Бакиров Н.К., Яковлев А.А. Математическая геология: Т.1: Введение в геостатистику. М.: Ижевск. Институт компьютерных исследований. 2012. 228 с.
7. Потехин Д.В. Оптимизация технологии многовариантного трехмерного геологического моделирования залежей нефти и газа // Диссертация на соискание ученой степени кандидата технических наук. Пермь. 2014. 151 с.
8. Ковалевский Е.В. Геологическое моделирование на основе геостатистики // Учебный курс. ОАО «Центральная геофизическая экспедиция (ЦГЭ)». М., 2011. 119 с.
9. Абабков К.В., Сулейманов Д.Д., Султанов Ш.Х., Котенев Ю.А., Варламов Д.И. Основы трехмерного цифрового геологического моделирования // Учебное пособие. Уфа. Нефтегазовое дело. 2008. 192 с.
10. Ахмадуллин Ф.Ф., Гильманова Р.Х., Грищенко А.С., Михеев Ю.В., Осепян С.С. Особенности 3D геологического моделирования локальных клиноформ пласта БВ10/1-2 Самотлорского месторождения // Геология, геофизика и разработка нефтяных и газовых месторождений. 2009. №12. С. 38-41.
11. Белозеров Б.В., Буторин А.В., Герасименко П.Н., Журавлева Е.В., Фаизов Р.З. Практические советы по 3D геологическому моделированию // СанктПетербург. ООО «Газпромнефть НТЦ», 2015. 354 с.
12. Забоева А.А. Разработка методик трехмерного геомоделирования в условиях неоднородности и неравномерности геологогеофизической информации (на примере месторождений Западной Сибири) // Диссертация на соискание ученой степени кандидата геологоминералогических наук. Тюмень, 2012. 154 с.
13. Гладков Е.А. О корректности 3D геолого-технологических моделей месторождений углеводородов // Oil & Gas Journal Russia. Январь-февраль, 2013. С. 50-55.
14. Гладков Е.А., Гладкова Е.Е. Трехмерная геолого-технологическая модель месторождения УВ на основе индивидуальной поскважинной адаптации // Газовая промышленность. 2010. №5. С. 36-39.
15. Гончаренко С.Н., Бердалиев Б.А. Когнитивное моделирование технологических регламентов функционирования геотехнологического полигона на базе вектор-но-матричного анализа эксплуатационных ячеек // Материалы II Международного научного форума «Шаг в будущее: искусственный интеллект и цифровая экономика». Революция в управлении: новая цифровая экономика или новый мир машин Вып. 2 / Государственный университет управления. М.: Издательский дом ГУУ, 2018. С. 448455.
16. Гончаренко С.Н., Бердалиев Б.А. Повышение эффективности управления горнодобывающего предприятия на основе исследования системных связей технологических переделов и моделей данных процессов технического перевооружения // Вопросы радиоэлектроники. Издательство: Центральный научно-исследовательский институт экономики, систем управления и информации «Электроника» №11, 2017. С. 77-82.
17. Гончаренко С.Н., Бердалиев Б.А. Методы прогнозирования и оценки техногенного и остаточного скопления урановых руд на месторождениях, отрабатываемых способом подземного скважинного выщелачивания // Горный информационно-аналитический бюллетень. М.: № 5, 2018. С. 43-48. DOI: 10.25018/0236-1493-2018-5-043-48.
18. Дементьев А.А. Компьютерная модель расчета технико-экономических показателей (на примере месторождений урана для разработки подземным выщелачиванием) // Горный информационно-аналитический бюллетень. МГГУ, 1999. №2. С. 169175.
Гончаренко Сергей Николаевич, д-р техн. наук, профессор, gs [email protected], Россия, Москва, Национальный исследовательский технологический университет «МИСиС»
CONSTRUCTION OF AN INDICATOR MODEL OF BOUNDARIES INTERPRETATION OF GEOLOGICAL AND ORE AREAS OF THE DEPOSIT MINERALIZATION
S.N. Goncharenko
In this work, mineralized intervals were interpreted for the subsequent calculation of the deposit reserves. The dependences of the content of the useful component on the size of the ore intervals were obtained. An indicator model that makes it possible to delineate the boundaries of geological and ore areas, as well as to determine the geometric parameters of the parent cell in terms of sizes corresponding to the assessment of grades has been developed. The interpreted geologic data from the wells was used to create wireframes of the main lithological units.
Key words: indicator model, calculation of the reserves, content of the useful component, downhole variograms, ore intervals.
Goncharenko Sergey Nikolaevich, doctor of technical sciences, professor, [email protected], Russia, Moscow, National Research Technological University «MISiS»
