بهینه‌سازی فرایند تخمین کریجینگ با استفاده از آزمون کمی پارامترهای محدوده جستجو در معدن شماره یک گل گهر

کریگینگ به‎عنوان بهترین روش تخمینی خطی نااریب در مدل‌سازی دو بعدی و سه بعدی مطالعات مربوط‌ به علوم زمین، به ارزیابی معیارهای مختلف وابسته است. علاوه بر شناسایی داده‌های خارج از ردیف و خوشه‌زدایی داده‌های مورد مطالعه، شاخص‌هایی از قبیل تعریف شعاع جستجو بهینه و مناسب، نقش مهمی در افزایش دقت مدل‌سازی دارند. در این مقاله، با استفاده از معیار آزمون کمی شعاع جستجوی کریگینگ (qkna)، مدل‌سازی بهینه‌ای از معدن شماره یک سنگ آهن گل‌گهر سیرجان ارایه شده است. اهمیت و ضرورت آزمون qkna به‌دلیل آن است که وزن‌های تخمین مستقیما تحت تاثیر معیارهایی از قبیل شعاع جستجو، تعداد نقاط موجود در پنجره جستجو، استفاده یا عدم استفاده از روش اکتانت و غیره است. برای این منظور، مجموعه داده‌های مورد مطالعه براساس تغییرات کانسار به دو زون مگنتیتی و هماتیتی تقسیم شد و سپس با تغییر معیارهای معرفی‌شده، برای هر کدام از زون‌ها تعداد 180 استراتژی تخمین، مورد بررسی قرار گرفت. به‌منظور به‌دست آوردن معیارهای بهینه تخمین در هر زون، در استراتژی‌های تعریف‌شده شاخص‌هایی از قبیل واریانس تخمین، شیب رگرسیون بین داده‌های واقعی و تخمینی، بازده کریگینگ و وزن میانگین ارزیابی شدند. بر این اساس، شعاع‌های جستجوی بهینه در زون اول 688، 226 و 152 و در زون دوم 482، 233 و 303 به‎دست آمدند. همچنین، بازه بهینه تعداد نقاط موجود در بیضیگون جستجو، در زون اول بین 3 تا 12 و در زون دوم بین 5 تا 15 است.

Design Optimization of Estimation Process Using the Quantitative Kriging Neighbourhood Analysis in the Gol-E-Gohar No.1 Mine

As the best linear estimator, Kriging is now a wellestablished method in all types of  2D and 3D modeling, including geochemical mapping, rock types modeling, geophysical mapping, and resource estimation. In general, a multistage approach can be used for evaluating kriging parameters. The first step in the assessment of mineral resources using linear geostatistics is to remove outlier data and to find the best decluster size. After this stage, variogram models in the area under study must be provided by a spherical model. In this context, investigating kriging performance has always been of interest to numerous researchers. Evaluating kriging implementation for different applications has been a growing field of study in the last few decades. Although many authors have discussed various kriging parameters, it seems necessary to conduct more detailed reviews on range searching, high and low nugget effect, as well as 2D and 3D estimations. In this paper, an optimal search range was determined using quantitative kriging neighborhood analysis (QKNA), and the utility of this search range was explored by assessing kriging efficiency. To this end, the borehole dataset of the GolEGohar No.1 mine was used. In total, 2579 samples (of length 3 m) make up the database for this study.  In this research, the dataset was divided into two zones based on their associated geological domains. Based on the aforementioned parameters, 180 estimation strategies were generated for each rock type. The results indicate that the optimal search ranges of zone 1 are 688, 226, and 152, and the optimal search ranges of zone 2 are 482, 233, and 303.