مدلسازی عیاری کانسار آهن دره‌زیارت کردستان با روش‌های تخمین و شبیه‌سازی زمین‌آماری

هدف از این پژوهش، مدل‌سازی عیاری، رده‌بندی ذخیره و ارزیابی ریسک نمودار عیار- تناژ کانسار آهن دره زیارت، واقع در 30 کیلومتری جنوب شهر سقز در غرب ایران است. بدین منظور، ابتدا مطالعات آماری روی نتایج آنالیز تعداد 10 گمانه حفاری شده، صورت گرفت. در ادامه به کمک داده‌های عیاری، یک مدل سه‌بعدی برای کانسار ترسیم شد. مدل حاصل با توجه به فواصل گمانه‌ها بلوک‌بندی شد. برای حذف بلوک‌های باطله از روش کریجینگ شاخص استفاده شد. تخمین عیار بلوک‌های باقی‌مانده به روش کریجینگ معمولی انجام شد و رده‌بندی ذخیره به دو روش صورت گرفت. همچنین نمودار عیار- تناژ برای عیارهای حد مختلف با توجه به نتایج تخمین رسم شد. در ادامه، تمامی مراحل قبل به روش شبیه‌سازی انجام شد. با این تفاوت که برای حذف بلوک‌های باطله، از روش شبیه‌سازی شاخص متوالی و برای تخمین عیار از روش شبیه‌سازی گوسی متوالی استفاده شد. در پایان، بررسی عدم قطعیت تخمین عیار، تهیه مدل‌های احتمال گذر از عیار حد مشخص و ایجاد مدل etype با اجرای 100 مرتبه شبیه‌سازی گوسی متوالی انجام شد. نتایج نمودار عیارتناژ تخمین کریجینگ نشان داد که با احتساب عیار حد 20 درصد آهن، میزان ذخیره و عیار میانگین آهن به ترتیب برابر است با 2/9 میلیون تن و 40/79 درصد. همچنین نتایج نمودار عیار- تناژ etype مربوط به 100 شبیه‌سازی نشان داد که با احتساب عیار حد 20 درصد آهن، میزان ذخیره و عیار میانگین آهن به ترتیب برابر است با 3/1 میلیون تن و 40/92 درصد. در نهایت نواحی امیدبخش کانی‌سازی از طریق مقایسه روش‌های کریجینگ و etype شناسایی شد.

Using Geostatistical estimation and simulation methods in grade modeling of Iron deposit in DarrehZiarat, Kurdistan province

This research aims at grade modeling, reserve classification, and assessing risk in gradetonnage curves in a case study pertaining to Iron mineralization. The DarrehZiarat Fe deposit, located in west of Iran, is selected for this research work. Statistical studies were performed on the results of the analysis of ten boreholes. The ordinary kriging (OK) method is run to design a 3D model of grade by incorporating the drilling results. The indicator kriging (IK) method was used to remove waste blocks from the ore block model. Reserve classification was carried out in two ways. A gradetonnage curve was displayed for different cutoff grades in accordance with the estimation results. In the second section, all the previous steps were performed by the simulation method. For this purpose, the sequential indicator simulation (SIS) method was utilized to remove waste blocks. A grade estimation block model was also generated using sequential Gaussian simulation (SGS). One hundred iterations of the SGS were run to investigate the uncertainty of the grade estimation, create models of the probability of exceeding the specified cutoff grades, and generate an Etype model. The kriging gradetonnage curve showed that with respect to the cutoff grade of 20%, the tonnage and the average grade of iron are equal to 2.9 million tons and 40.79%, respectively. Also, the Etype gradetonnage curve showed that with respect to the cutoff grade of 20%, the tonnage and the average grade of iron are equal to 3.1 million tons and 40.92%, respectively. Finally, Iron mineralization targets were recognized by comparing the kriging and the Etype methods.