Rozmyty opis złoża rud jako narzędzie wsparcia w jego rozpoznaniu eksploatacyjnym

• Autorzy: Krzak M. , Panajew P.

Identyfikatory

DOI

10.24425/123724

Warianty tytułu

EN

A fuzzy description of the ore deposit as a support tool in its exploitation recognition

• Języki publikacji: PL

Abstrakty

PL

Rozpoznanie eksploatacyjne złoża zmierza do takiej oceny jego parametrów, aby możliwe było prowadzenie bezpiecznej i opłacalnej produkcji. Poszczególne, istotne z punktu widzenia gospodarki złożem parametry, szacowane są na podstawie prowadzonych przez geologiczne służby kopalniane obserwacji. Te z kolei wiążą się zazwyczaj z poborem prób, wykonaniem odwiertów, analizami laboratoryjnymi itp. W artykule zaproponowano możliwości wykorzystania opisu rozmytego do oceny parametrów złoża. W charakterystyce rozmytej w miejsce konkretnej wielkości numerycznej pojawiło się nieprecyzyjne opisowe określenie. To podejście wykorzystane zostało do deskrypcji cech złoża (zawartości metali, miąższości, zasobności) poprzez przypisanie im konkretnych funkcji charakterystycznych, których rozkłady oparto na podstawowych wielkościach statystycznych. Funkcje charakterystyczne mogą być wykorzystane dla przygotowania strategii eksploatacji, dla dowolnych konfiguracji wymaganych parametrów złoża, wynikających z potrzeb zarządzania produkcją. Użyto w tym celu wybranych operatorów logicznych zbiorów rozmytych. W kolejnym podejściu do modelowania rozmytego wskazano na sposobność charakterystyki złoża w ujęciu subiektywnym, gdzie ocena parametrów złoża opiera się na zgrubnej, w pewien sposób uznaniowej obserwacji i ocenie. Taka konstrukcja modelu umożliwiała całościową ocenę złoża z punktu widzenia dowolnych parametrów. Poprzez implementację odpowiednich reguł wnioskowania uzyskano adekwatne płaszczyzny sterowania rozmytego, które również mogą być użyteczne w kontekście planowania wydobycia.

EN

The operational mineral deposit reconnaissance tends to evaluate its parameters to conduct safe and profitable production. Particular deposit parameters, important from the point of mineral deposit management, are estimated on the basis of observations carried out by mining geological surveys. These observations usually involve sampling, drilling, laboratory analyses and others. 86 The use of fuzzy description to assess the parameters of the mineral deposit was proposed in the paper. In the fuzzy characteristics, an imprecise descriptive description appeared in place of a particular numerical quantity. This approach was used to description of the ore deposit features (metal content, volume, and metal yield) by assigning them specific characteristic functions, whose distributions were based on basic statistical quantities. Characteristic functions can be used to prepare operational strategies for any configuration of required deposit parameters resulting from the production management needs. For this purpose, selected logical operators of fuzzy sets were used. In the next approach to fuzzy modeling, an opportunity to characterize the deposit in a subjective approach was indicated, where the assessment of the deposit parameters is based on rough, in some way, discretionary observation and evaluation. Such model construction enabled the overall assessment of the deposit from the point of view of any parameters. Through the implementation of appropriate inference rules, adequate fuzzy control planes were obtained, which may also be useful in the context of operational mine strategy planning.

Słowa kluczowe

PL

rozpoznanie eksploatacyjne; parametry złoża; modelowanie rozmyte; operatory logiczne

EN

operational deposit reconnaissance; deposit parameters; fuzzy modeling; logical operators

• Wydawca: Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
• Czasopismo: Zeszyty Naukowe Instytutu Gospodarki Surowcami Mineralnymi i Energią PAN
• Rocznik: 2018
• Tom: nr 106
• Strony: 85--99
• Opis fizyczny: Bibliogr. 17 poz., rys., tab.

Twórcy

autor

Krzak M.

• AGH Akademia Górniczo-Hutnicza, Wydział Geologii, Geofizyki i Ochrony Środowiska, Kraków

autor

Panajew P.

• KGHM Polska Miedź S.A., O/ZG Polkowice-Sieroszowice, Polkowice

Bibliografia

• [1] Bárdossy, G. i Fodor, J. 2005. Assessment of the Completeness of Mineral Exploration by the Application of Fuzzy Arithmetic and Prior Information. Acta Polytechnica Hungarica 2(1), s. 15–31.
• [2] Butra i in. 2007 – Butra, J. Bugajski, W. Piechota, S. i Gajoch, K. 2007. Poziome wyrobiska udostępniające i przygotowawcze. [W:] Piestrzyński, A. i in. red. Monografia KGHM Polska Miedź S.A. Wyd. 2, Lubin: Wyd. KGHM CUPRUM, s. 343–354.
• [3] Elmas, N. i Sahin, U. 2013 – Computation Of Grade Values Of Sediment-Hosted Barite Deposits in Northeastern Isparta (Western Turkey). Turkish Journal of Earth Sciences 22, s. 1–13.
• [4] Instrukcja 2011. Instrukcja opróbowania złoża rud miedzi i oznaczania składników towarzyszących w KGHM Polska Miedź S.A. Lubin (oprac. niepubl.).
• [5] Jurdziak, L. i Wiktorowicz, J. 2008. Identyfikacja czynników ryzyka w bilateralnym monopolu kopalni i elektrowni. Prace Naukowe Inst. Górnictwa Politechniki Wrocławskiej 123, s. 97–111.
• [6] Kaczmarek i in. 2014 – Kaczmarek, W. Rożek, R. Mrzygłód, M. i Jasiński, W. 2014. Litologia szczegółowa w bazie danych geologicznych KGHM Polska Miedź S.A. Górnictwo Odkrywkowe R. LV, nr 2–3, s. 86–91.
• [7] Katalog 2007. Katalog systemów eksploatacji złóż rud miedzi dla kopalń KGHM Polska Miedź S.A. Wrocław: KGHM CUPRUM. Praca zbiorowa (oprac. niepubl.).
• [8] Krzak, M. 2014. Deskrypcja parametrów złoża w modelowaniu rozmytym – zarys problematyki. Zeszyty Naukowe Instytutu Gospodarki Surowcami Mineralnymi i Energią PAN 88, s. 135–148.
• [9] Łachwa, A. 2001. Rozmyty świat zbiorów, liczb, relacji, faktów, reguł i decyzji. Warszawa: Akademicka Oficyna Wydawnicza EXIT, 283 s.
• [10] Nieć i in. red. 2012 – Nieć, M. red. Lemberger, M. Radwanek-Bąk, B. i Górecki, J. 2012. Metodyka dokumentowania złóż kopalin stałych. Część I. Poszukiwanie i rozpoznawanie złóż. Planowanie i organizacja prac geologicznych. Kraków: Wyd. IGSMiE PAN, 248 s.
• [11] Pham, T.D. 1997. Grade Estimation Using Fuzzy-Set Algorithms. Mathematical Geology 29(2), s. 291–305.
• [12] Piechota, S. 2007. Rozwój systemów eksploatacji złoża rud miedzi w rejonie LGOM. Biuletyn PIG 423, s. 23–42.
• [13] Tahmasebi, P. i Hezarkhani, A. 2010. Application of Adaptive Neuro-Fuzzy Inference System for Grade Estimation; Case Study, Sarcheshmeh Porphyry Copper Deposit, Kerman, Iran. Australian Journal of Basic and Applied Sciences 4(3), s. 408–420.
• [14] Tutmez, B i Dag, A. 2007. Use of Fuzzy Logic in Lignite inventory Estimation. Energy Sources, Part B. Economics, Planning, and Policy 2:1, s. 93–103.
• [15] Tutmez, B. 2007. An uncertainty oriented fuzzy methodology for grade estimation. Computers & Geosciences 33, s. 280–288.
• [16] Tutmez i in. 2007 – Tutmez, B. Tercan, A.E. i Kaymak, U. 2007. Fuzzy Modeling for Reserve Estimation Based on Spatial Variability. Mathematical Geology 39(1), s. 87–111.
• [17] Zadeh, L.A. 1996. Fuzzy sets and information granularity. [W:] Advances in Fuzzy Systems-Applications and Theory, Klir G. J., Yuan B., eds, Vol. 6: Fuzzy Sets, Fuzzy Logic and Fuzzy Systems. Selected Papers by Lotfi A. Zadeh. Singapore, s. 433–448.