Efektywność procesów wzbogacania rud miedzi zależy w znacznym stopniu od stabilności parametrów jakościowo-ilościowych rudy dostarczanej z różnych obszarów (pól) złoża do zakładu przeróbczego. Stąd planowanie jakości i ilości wydobycia rudy wiąże się z odpowiednim rozpoznaniem okruszcowania złoża, czyli rozkładu koncentracji metalu w profilu złoża przemysłowego. Artykuł przedstawia wyniki opisu rozkładów koncentracji miedzi w utworach łupkowych, węglanowych i piaskowcowych w pewnym obszarze złoża miedzi LGOM. Badania prowadzone były pod kątem ich wykorzystania do modelowania i symulacji procesów produkcyjnych wydobycia i przeróbki rud, a w szczególności uśredniania koncentracji miedzi w rudzie pochodzącej z wielu oddziałów wydobywczych oraz określenia struktury litologicznej rudy w strumieniach operacji wydobycia i przeróbki. Analizę statystyczną wykonano na próbie kilku tysięcy analiz chemicznych pochodzących z prób bruzdowych. Zaproponowano modele rozkładów koncentracji metalu w profilu złoża i oszacowano parametry tych rozkładów. Sposób wykorzystania uzyskanych wyników pokazano na odpowiednim przykładzie obliczeniowym.
EN
Efficiency of copper ore depends largely on the stability of qualitative and quantitative parameters of ore shipped from different areas of the deposit to the processing plant. Thus, planning the quality and quantity of ore exploitation requires appropriate identification of bed mineralization meaning the distribution of concentration of this metal in industrial deposits. This paper presents the results of the description of concentration distribution of copper in shale, carbonate and sandstone formations in the area of LGOM. The research concerned their use for modeling and simulation of manufacturing processes of extraction and processing of ore, especially averaging the concentration of copper in ore from many exploitation divisions as well as determining the lithological structure of ore in extraction and processing operation streams. The statistical analysis was performed on a sample of several thousands of chemical reactions from the channel samples. Models of concentration distribution for this metal in the deposit profile and the estimated parameters of these distributions were presented. The method of using the obtained results was shown in the form of a suitable numerical example.
2
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
Podano przykłady modelowania 3D fragmentu złoża Cu-Ag Lubin z zastosowaniem geostatystycznej procedury krigingu zwyczajnego. Sformułowano wstępne warunki wiarygodnego modelowania jakości złóż Cu-Ag. Zwrócono uwagę na konieczność oceny rodzaju i wielkości błędów opróbowania i weryfikacji poprawności rejestracji wyników opróbowań w bazach danych. Do badania błędów opróbowania zalecono stosowanie metod statystycznych dla danych sparowanych oraz formuły Gy. Przedstawiono podstawowe kroki geostatystycznego algorytmu modelowania złoża wraz z trudnościami ich realizacji: regularyzację próbek cząstkowych, wyznaczanie powierzchni granicznych między seriami litologicznymi, zasady opisu zmienności zawartości Cu i Ag za pomocą semiwariogramów, dobór rozmiarów komórek elementarnych i elipsoidy wyszukiwania danych, szacowanie zawartości Cu i Ag w komórkach elementarnych przy zastosowaniu krigingu zwyczajnego, sposób wyznaczania złoża bilansowego oparty na modelu 3D. Stwierdzono, że zasięg modelowania 3D dla potrzeb prognozy jakości urobku nie powinien w zasadzie wykraczać poza przestrzeń wyznaczoną przez skrajne punkty opróbowania. Jedynie w wyjątkowych sytuacjach można ekstrapolować model ale na odległość nie większą niż 25÷50 m od linii skrajnych punktów opróbowania.
EN
Examples of 3D modeling of a fragment of Lubin Cu-Ag deposit with the application of geostatistical ordinary kriging procedure were presented. Preliminary conditions of reliable modelling of Cu-Ag deposit quality were formulated. Particular attention was paid to the necessity of assessment of the type and errors’ magnitudes of sampling as well as to the verification of correctness of sampling results recorded in a database. In order to effectively analyze the errors, statistical methods for paired data and Gy formula were recommended. Basic steps of the geostatistical algorithm of deposit modelling and the difficulties of their execution were indicated: regularization of partial samples, determination of boundary surface between the lithological series, principles of describing the variability of Cu and Ag contents by means of semivariograms, selection of dimensions of the elementary cells (voxels) and data search ellipsoid, estimation of Cu and Ag contents in elementary cells with the application of ordinary kriging procedure, method of defining the boundary of economic deposit on the basis of a 3D model. It was stated that the range of 3D modelling for the purposes of the prediction of the output quality may not exceed the extreme sample points. It is possible to extrapolate the model in some extraordinary cases, however, only at a distance between 25 and 50 m from the extreme sample points line.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.