احمدی, رضا, سادات کودهی, سید میعاد. (1397). تخمین و ردهبندی ذخیره کانسار سرب و روی ارهگیجه رباط خمین استان مرکزی با استفاده از روشهای زمینآماری. یافته‌های نوین زمینشناسی کاربردی, 12(24), 39-53. doi: 10.22084/nfag.2018.15657.1296
رضا احمدی; سید میعاد سادات کودهی. "تخمین و ردهبندی ذخیره کانسار سرب و روی ارهگیجه رباط خمین استان مرکزی با استفاده از روشهای زمینآماری". یافته‌های نوین زمینشناسی کاربردی, 12, 24, 1397, 39-53. doi: 10.22084/nfag.2018.15657.1296
احمدی, رضا, سادات کودهی, سید میعاد. (1397). 'تخمین و ردهبندی ذخیره کانسار سرب و روی ارهگیجه رباط خمین استان مرکزی با استفاده از روشهای زمینآماری', یافته‌های نوین زمینشناسی کاربردی, 12(24), pp. 39-53. doi: 10.22084/nfag.2018.15657.1296
احمدی, رضا, سادات کودهی, سید میعاد. تخمین و ردهبندی ذخیره کانسار سرب و روی ارهگیجه رباط خمین استان مرکزی با استفاده از روشهای زمینآماری. یافته‌های نوین زمینشناسی کاربردی, 1397; 12(24): 39-53. doi: 10.22084/nfag.2018.15657.1296
تخمین و ردهبندی ذخیره کانسار سرب و روی ارهگیجه رباط خمین استان مرکزی با استفاده از روشهای زمینآماری
ذخایر معدنی براساس معیارهای مختلفی ردهبندی میشوند. روشهای زمینآماری ازجمله دقیقترین روشهای تخمین و ردهبندی ذخایر معدنی میباشند. مهمترین روشهای زمینآماری ردهبندی ذخایر معدنی شامل ردهبندی با استفاده از تعداد و کیفیت پراکندگی دادههای شرکتکننده در تخمین، ردهبندی با استفاده از خطای واریانس کریجینگ و ردهبندی با استفاده از کارآیی کریجینگ میباشد. در پژوهش حاضر ذخیره توده کانسار سرب و روی ارهگیجه رباط واقع در محدوده پیرامون شهر خمین در استان مرکزی با استفاده از روشهای مذکور، به سه رده ذخایر قطعی، احتمالی و ممکن، ردهبندی شده است. جهت شناخت بهتر کانسار و ماهیت ماده معدنی، ابتدا لاگ لیتولوژی تمام گمانهها و مدل سهبعدی لیتولوژی محدوده کانسار با استفاده از نرمافزار Rockworks ترسیم شد. برای تخمین ذخیره کانسار بعد از واریوگرافی منطقه با نرمافزار SGeMS از روش زمینآماری لاگ کریجینگ معمولی بلوکی بهکمک نرمافزار Datamine استفاده شد. متوسط عیار و ذخیره کانسار نیز با در نظر گرفتن شرایط مختلف اقتصادی، بهازای عیارحدهای 5/1، 2 و 3 درصد تعیین شد. مقایسه نتایج پژوهش نشان میدهد که اختلاف میزان ذخیره ردهبندی شده با روشهای مختلف، نسبتاً زیاد است. روش استفاده از تعداد و کیفیت پراکندگی دادههای شرکتکننده در تخمین نسبت به دو روش دیگر میزان ذخیره قطعی بیشتری را نتیجه میدهد اما دقت دو روش دیگر در این مورد بیشتر است، بنابراین در عمل استفاده از این دو روش به روش استفاده از تعداد و کیفیت پراکندگی دادههای شرکتکننده در تخمین، ارجحیت دارند. میزان ذخیره احتمالی محاسبه شده با هر سه روش به یکدیگر نزدیک میباشد.
Classification and reserve estimation of Robat Arregije Pb-Zn deposit, Khomein Township, Markazi Province, using geostatistical methods
نویسندگان [English]
Reza Ahmadi؛ Seyed Miaad Sadat Koodehi
Mining Engineering Department, Arak University of Technology, Arak, Iran
چکیده [English]
Ore reserves can be classified on the basis of various criteria. Geostatistical methods are highly accurate to estimate and classify ore reserves. The most important geostatistical methods to classify the ore reserves are number and quality of the data involved in estimation, error of Kriging variance and Kriging efficiency. In current research, the ore reserve of Robat-Arregijeh lead-zinc located in Khomein township in Markazi province, has been classified into three classes comprising proven, probable and prospected. In order to better recognizing the deposit and ore nature, first the strip log of all boreholes and 3-D lithology model of the region were drawn using Rockworks software. To estimate the ore reserve after variography of the region with SGeMS software, geostatistical ordinary block log-kriging method was used by DATAMINE software. By considering different economic conditions, average grade and amount of the ore reserve were estimated for cut off grade 1.5, 2 and 3 weighted percent. The comparison of the research results shows that amounts of reserves classified by the various methods are highly different. Number and quality of the data involved in estimation method with respect to the two others, yields higher value for proven reserve, with less accurate reversely. Therefore in practice these two methods are preferred in the first method. The amount of probable reserve of each three methods is close to each other.
احمدی، ر (1388) کاربرد الگوهای آماری در ارزیابی ذخایر معدنی با نگرشی بر معدن مس علیآباد یزد، دانشگاه صنعتی اراک، 102 ص.
پیچاب کانسار، مهندسین مشاور (1388) گزارش زمینشناسی محدوده اکتشافی رباط همراه با تهیه نقشه زمینشناسی 1:20000.
حسنی‌پاک، ع.ا (1377) زمینآمار (ژئواستاتیستیک)، انتشارات دانشگاه تهران، 314 ص.
حسنی‌پاک، ع.ا.، شرفالدین، م (1380)تحلیل دادههای اکتشافی، انتشارات دانشگاه تهران، 987 ص.
سعید، س (1383) تخمین ذخیره معدن گوشفیل به روش شبیه‌سازی زمینآماری، پایان‌نامه کارشناسیارشد، دانشگاه تهران، دانشکده فنی.
قاجار، ی.، سلطانیمحمدی، س (1393) مدلسازی آماری و زمینآماری عیار آهن، گوگرد و فسفر در معدن سنگآهن جلالآباد، سی و سومین گردهمایی ملی علوم زمین.
لیاقت، س.، حسینی، م.، حاجیآقا محسنی، ج.، رونقی، س (۱۳۸۵) استفاده از روش زمینآماری کریجینگ معمولی در تخمین ذخیره آنومالی شماره ۳ معدن آهن گلگهر، جـنوب غرب سیـرجـان، دهـمین هـمایش انـجمن زمینشناسی ایران، تهران، انجمن زمینشناسی ایران، دانشگاه تربیتمدرس.
مدنی، ح (1373) مبانی زمینآمار، انتشارات دانشگاه صنعتی امیرکبیر- واحد تفرش، 659 ص.
مدنی، ح (1391) مبانی اکتشاف مواد معدنی، انتشارات جهاد دانشگاهی دانشگاه صنعتی امیرکبیر، تهران، جلد 2، چاپ اول، 1244 ص.
Annels, A.E (2012) Mineral deposit evaluation: a practical approach, Springer Science & Business Media.
Bastante, F.G., Ordóñez, C., Taboada, J., Matías, J.M (2008) Comparison of indicator kriging, conditional indicator simulation and multiple-point statistics used to model slate deposits, Department of natural resources and environmental engineering, University of Vigo.
Bhandari, D (2007) Comparsion of recoverable reserves estimation techniques, MSc Thesis, Department of civil and environmental engineering, Edmonton, Alberta, Canada.
De-Vitry, C (2003) Resource classification–a case study from the Joffre-hosted iron ore of BHP Billiton's Mount Whaleback operations, Mining Technology, 112(3): 185-196.
http://www.rockware.com/Rockworks15.
Kasmaeei, S., gholamnejad, J., yarahmadi, A (2010) Reserve estimation of the high phosphorous stockpile at the Choghart iron mine of Iran using geostatistical modeling", Department of mining and metallurgical engineering, Yazd University, Yazd, Iran.
Maleki Tehrani, M.A., Asghari, O., Emery X (2013) Simulation of mineral grades and classification of mineral resources by using hard and soft conditioning data: application to Sungun porphyry copper deposit, Arabian Journal of Geosciences, 6(10): 3773–3781.
Pardo-Iguzquiza, E., Dowd, P.A., Baltuille, J.M (2013) Geostatistical modeling of coal seam for resource risk assesment, Geological survey of Spain, University of Adeaide, University of Grandoa.
Young, D.R (2008) The effect of ignoring the sample support on the global and local mean grade estimates, mineral resource classification and project valuation of variable width Merensky and UG2 Reef orebodies, Third International Platinum Conference ‘Platinum in Transformation, The Southern African Institute of Mining and Metallurgy: 63-76.
ابتدای صفحه