Статья: Геоинформационные технологии блочного моделирования для оценки качественных показателей полезных ископаемых в условиях переходных процессов горного производства

Геоинформационные технологии блочного моделирования для оценки качественных показателей полезных ископаемых в условиях переходных процессов горного производства

Кантемиров Валерий Даниилович

Кантемиров Валерий Даниилович - кандидат технических наук, заведующий сектором управления качеством минерального сырья, ЯКОВЛЕВ Андрей Михайлович - старший научный сотрудник, ТИТОВ Роман Сергеевич- старший научный сотрудник (Институт горного дела УрО РАН, Екатеринбург).

Представлены результаты разработки методики оценки качественных показателей полезных ископаемых на основе технологий блочного моделирования с использованием современных горно-геологических информационных систем (ГГИС). Разработана блок-схема моделирования качественных показателей полезного ископаемого и приведены результаты ее практического применения на примере комплексных руд Серовского месторождения и каменного угля участка Одегельдей Ак-Тальского месторождения (Республика Тыва). Представленная методика блочного моделирования позволяет в экспресс-режиме с высокой достоверностью районировать в карьерном пространстве технологические типы и сорта руд, что упрощает решение задач проектирования, планирования и управления производством в условиях экономической неопределенности, ухудшающихся горногеологических и горно-технологических условий разработки месторождений.

Ключевые слова: горно-геологическая информационная система (ГГИС), качественные характеристики руд, блочное моделирование, геометризация, геологическая база данных.

Введение

При планировании разработки месторождений твердых полезных ископаемых (ПИ) с целью их рационального использования большое значение имеет комплексная оценка и геометризация в карьерном пространстве качественных характеристик ПИ, включая распределение содержания в рудном массиве основных и сопутствующих ценных компонентов и вредных примесей [1]. Для решения этих задач используются моделирование горно-геологических объектов и оценка запасов месторождений на основе распространенных в РФ программных продуктов (SURPAC, DATAMINE, MINEFRAME и др.). С их помощью создается геометрическая модель месторождения, которая служит основой для решения многих задач: подсчета запасов, проектирования предприятия, планирования горных работ, обоснования кондиций ПИ, нормирования потерь ПИ, комплексного использования недр, выбора технологического оборудования и др.

У истоков создания информационной базы горно-геометрических расчетов при планировании и проектировании горных работ стоит коллективный труд под редакцией проф. В.С. Хохрякова [5], на основе которого впоследствии сформулированы основные принципы геоинформационного метода моделирования горных предприятий [6-9]. В соответствии с этим методом горнодобывающее предприятие как объект моделирования представляет собой сложный природно-технологический комплекс, в котором на системном уровне взаимодействуют природные, технологические добывающие и перерабатывающие объекты, объекты инфраструктуры, объекты вспомогательного назначения, защитные и опасные зоны, объекты правовой защиты (горный и земельный отводы и др.). Главным системным свойством горнодобывающего предприятия является развитие во времени и пространстве всех его структурных составляющих.

В современных экономических условиях проектирование горных предприятий должно осуществляться в кратчайшие сроки и с сохранением при этом высокой точности и достоверности результатов, с глубокой, зачастую многовариантной проработкой проектных решений.

Наиболее трудоемкий этап построения модели месторождения - интерполяция неизвестных значений качественных показателей ПИ для достоверного анализа эффективности технологических решений в области управления рудопотоками и качеством сырья.

Для решения задач определения значений атрибутивных данных в произвольных точках в «-мерном пространстве моделируемого объекта применяются следующие основные методы:

- детерминистические (линейная интерполяция, методы обратных расстояний, триангуляции, радиально-базисных функций и т.п.);

- геостатистические, основанные на методах математической статистики и учитывающие пространственную корреляцию данных;

- методы нейронных сетей и самообучающихся алгоритмов.

Точность оценки качественных показателей ПИ зависит от заданного шага сгущения сети опробования. Чем гуще сеть и меньше расстояние между точками опробования, тем лучше можно проследить закономерность изменения качественных характеристик в пространстве. При увеличении количества наблюдений возрастает доля неслучайной изменчивости и уменьшается размах колебаний случайных величин. На оценку качественных показателей ПИ в недрах, получаемую геостатистическими методами, большое влияние оказывает анизотропия - различие в интенсивности размещения элементов геологической структуры по различным направлениям в недрах.

Основным этапом геостатистической оценки является анализ структуры месторождения на предмет установления закономерностей распределения оцениваемых качественных признаков ПИ по заданным пространственным направлениям его разработки (анизотропное или изотропное строение). В большинстве случаев анализ выполняют по трем главным направлениям анизотропии природных скоплений полезных ископаемых: истинная мощность, ширина и длина рудного тела.

Анализ литературных источников показывает, что при моделировании строения рудных тел полезных ископаемых можно использовать три типа анизотропии:

- трехосную анизотропию - вытянутые рудные тела пластообразной формы;

- двухосную анизотропию - вытянутые и весьма вытянутые тела веретено- и трубообразных форм;

- одноосную анизотропию - форма тела в целом изометричная, в котором выделяется только мощность рудного тела.

Рис. 1. Блок-схема методики моделирования качественных характеристик полезного ископаемого. Используемые исходные данные: А - данные детальной разведки (запасы, планы, контуры, интервал, колонки скважин, качество и др.), В - проекты, ТЭО и иные материалы (контуры выработок, рельеф, параметры системы разработки и др.), С - эксплуатационная разведка и оперативное опробование (детализация качества)

Для описания изменчивости качества и других параметров ПИ применяется математический аппарат, в котором определяются такие статистические характеристики, как коэффициент вариации, дисперсия, закономерности изменения свойств в пространстве, степень прерывистости - вариограмма, тренд, характеризующий изменчивость показателей. Вариограмма - это аналитическая модель пространственной корреляции, отражающая изменения значений в зависимости от расстояния между данными и трендом.

Целью исследований была разработка методики блочного моделирования, которая позволит создавать наиболее точную модель месторождения ПИ при минимальном числе исходных данных с получением практических решений в интересах горнодобывающих предприятий (рис. 1).

Результаты и обсуждение

На начальном этапе формируется модель месторождения и создается геологическая база данных (позиции 1 и 2 на рис. 1), в которой хранятся данные разведки скважинных интервалов и результаты опробования керна. Геологические данные должны быть представлены в оцифрованном табличном виде унифицированного формата горногеологической информационной системы (ГГИС). В таблицах содержится следующая информация: название (номер) скважин, их координаты, высотная отметка устьев скважин, номер геологического профиля, данные интервального опробования по содержаниям ценных компонентов и вредных примесей, информация о глубинах скважин и данные инклинометрии (наклон и азимут).

Далее производится обработка исходных данных и их анализ, отсечка ураганных проб и ошибок заполнения таблиц с последующим импортом и созданием геологической базы данных средствами ГГИС (пример геологической базы данных на плоскости представлен на рис. 2).

Геологическая база данных является основой для геостатистического анализа и построения моделей вероятностных распределений качественных показателей в пространстве на основе кригинга, метода обратных расстояний, радиально-базисных функций и других методов интер- и экстраполяций [1-3]. Она позволяет произвести первичную оценку месторождения для выработки стратегии его разработки с условием стабильного по качественным показателямрудопотока. Пример использования геологической базы данных для первичного анализа месторождения, выбора технологии отработки и схемы вскрытия приведен в табл. 1, 2 и на рис. 3 и 4 [1].

Рис. 2. План геологической базы данных в форме массива скважин на фоне блоков подсчета запасов Серовского месторождения комплексных руд

Таблица 1. Статистические показатели залегания руд Серовского месторождения комплексных руд

Таблица 2. Статистические показатели содержания полезных компонентов Серовского месторождения комплексных руд

Рис. 3. Распределение мощностей пустых пород по данным разведки на Серовском месторождении комплексных руд

Мощность рудного слоя по скважинам детальной разведки, м.

Рис. 4. Распределение мощностей рудных интервалов по данным разведки на Серовском месторождении комплексных руд

Следующий этап методики (см. пункт 3 рис. 1) - построение каркасных моделей рудных тел или угольных пластов на основании оцифрованных сечений с продольных и поперечных разрезов, погоризонтных планов, планов кровли и почвы пластов. Часто возникающей при моделировании задачей является создание сечений по разведочным профилям геологической базы данных при подсчете и переоценке запасов. Для решения такой задачи необходимо выделение в модели кондиционных интервалов с учетом содержаний полезных или вредных компонентов с распределением по высоте, т.е. композитирование. Сечения представляют собой замкнутые контуры, из которых методами триангуляции Делоне и полигонами Воронова-Тиссена формируется трехмерная модель ПИ, обладающая объемом и линейными характеристиками трехмерного тела [10, 14]. Каркасная модель ПИ - это также физическая граница, ограничивающая интер- и экстраполяцию при построении блочной модели (рис. 5). Ее предназначение - экспресс-оценка вариантов вскрытия, динамики развития рабочей зоны для месторождений с простыми горно-геологическими условиями и качественными показателями, характеризуемыми низкой дисперсией.

Цифровая топографическая модель (ЦТМ) поверхности и открытых горных выработок формируется на основе топографической маркшейдерской съемки объекта ведения горных работ, графических материалов детальной разведки, разработанных ТЭО и проектов освоения месторождения. ЦТМ представляет собой массив пространственных координат объектов местности, сопряженных в виде триангуляционных или сеточных моделей. Для их построения используются те же методы оценки пространственного распределения данных: геостатистики, обратного расстояния, радиально-базисных функций и др. [12, 13]. Предназначение топографических моделей - горно-геометрические расчеты, планирование горных работ и использование как базы для построения блочных моделей.

Рис. 5. Каркасная модель угольного пласта и цифровая топографическая модель рельефа в проектном контуре на конец отработки угольного разреза Одегельдей

На рис. 6 представлена карта изомощностей вскрышных пород в виде изолиний на Серовском месторождении комплексных руд, построенная на основе анализа геологической базы данных. Выделены перспективные с точки зрения рельефа и качества ПИ места проходки капитальных и заложения разрезных траншей.

Рис. 6. Карта изомощностей вскрышных пород Серовского месторождения комплексных руд в зоне прогноза с выделением перспективных (по качественным характеристикам и мощности вскрыши) участков первоочередной отработки (выделено зеленым цветом)

геологический аналитический скважина месторождение

Анализ геологической базы данных необходим, так как позволяет определить тип распределения минерализации (нормальный, логнормальный и др.) и неоднородность массива данных, что может быть связано с несколькими генерациями минерализации полезного компонента. Полигенетические разнородные множества желательно обрабатывать и рассматривать раздельно. Если пробы исследованы на содержание нескольких компонентов или разными аналитическими методами, то необходимо выполнить для них корреляционный анализ с построением линии регрессии внутри программ 3-мерного моделирования или на базе другого пакета программ, имеющего функции статистической обработки данных. Корреляционный анализ позволяет предварительно выявить экстремальные значения проб, не укладывающиеся в общую линию регрессии, и отсеять их.

При анализе необходимо учесть декластеризацию данных, если геологоразведочная сеть имеет нерегулярный порядок, что приводит к смещению оценки среднего. Это достигается разбиением данных на элементарные единицы пространства на основании среднего расстояния между скважинами, предельными координатами, при этом внутри них вычисляется вес проб в каждом узле сети [17].