کاهش عدم قطعیت مدل زمین شناسی با پساپردازش زمین آماری در کانسار مس میدوک

امروزه مدلسازی زمین‌آماری برای تجزیه و تحلیل ساختارهای زیرزمینی به صورت وسیعی مورد استفاده قرار می‌گیرد. استفاده از تکنیک‌های کاهش عدم ‌قطعیت توام با مدلسازی، دقت شناسایی ساختارهای زیرزمینی را افزایش می‌دهد. در این پژوهش از روش زمین‌‌‌آماری کریجینگ ‌شاخص برای مدلسازی توزیع فضایی 4 واحد زمین‌شناسی شناسایی شده (زون فروشست، زون اکسید، زون سوپرژن و هیپوژن) در کانسار مس پورفیری میدوک استفاده شده است. در این مطالعه از معیار واریانس برنولی برای ارزیابی عدم ‌قطعیت با استفاده از مدل زمین‌شناسی حاصل استفاده شد و برای کاهش میزان عدم ‌قطعیت توام با مدل حاصل، عملیات پساپردازش با استفاده از بازنمونه‌گیری از مدل تخمین خورده انجام شد و این عملیات تا دستیابی به یک مدل زمین‌شناسی دارای سطح قابل قبولی از عدم قطعیت ادامه یافت. در نهایت برای اعتبارسنجی نتایج، از چال‌های آتشباری در یکی از پله‌های استخراجی استفاده شد. نتایج به دست آمده نشان داد که در نتیجه اعمال عملیات پساپردازش میزان عدم‌ قطعیت از 98/5 درصد به 87/2 درصد کاهش یافته است.

Reducing the Geological Model Uncertainty in Miduk Copper Deposit by Post-processing

Geostatistical modeling, in recent years, has been widely and increasingly used in analyzing underground structures. Using the combination of uncertainty reduction techniques and modeling processes could increase the identification accuracy of underground structure models. In this study, Indicator Kriging (IK) method is employed to model four geological units comprising leached, oxidized, supergene and hypogene zones. The aforementioned units are all located within Miduk Copper Deposit. To evaluate the uncertainty index based on the modelled geological structure, Bernoulli variance is employed. In order to reduce the uncertainty amount of the executed geological model, postprocessing procedure is performed using resampling of the interpolated model. This procedure is reiterated as many times as possible until a geological model with an acceptable uncertainty amount is acquired. At the final step, blast holes data is used in order for the validation of the results. The yielded results indicate that the amount of uncertainty dropped from 5.87% to 2.98% after implementing the postprocessing procedure.