برآورد شبكه اكتشافي زغال‌سنگ با استفاده از عدم قطعيت زمين‌شناختي و تحليل تاثير حضور گسل (منطقه پروده III طبس)

Coal exploratory pattern estimation by geological uncertainty and analysis of fault presence effect (Parvadeh III region)

روش‌هاي شبيه‌سازي زمين‌آماري بعنوان يك ابزار قوي براي برآورد توزيع فضايي عدم قطعيت زمين‌شناختي در اكتشاف معادن شناخته شده است. استفاده از اين روش در صنعت معدنكاري فلزي به فراواني متداول و در معدنكاري زغال كم بوده است. كانسار زغالسنگ پروده ? طبس در قسمت شرق ايران مركزي واقع شده و داراي پنج لايه به نام هاي C1, C2, B1, B2, D مي‌باشد كه از اين ميان لايه C1 بعلت داشتن ساختماني ساده، ضخامت متوسط نسبتاً بالا، خاكستر پايين و همچنين ضريب عدم تداوم صفر و داشتن مقام نخست از لحاظ كيفي در قياس با لايه هاي ديگر بعنوان مهم ترين لايه موثر در تحليل شبكه حفاري انتخاب گرديد. بطوري كه اين لايه به تنهايي مي‌تواند منعكس كننده مشخصات كانسار پروده ? باشد. در اين پژوهش ابتدا به منظور بدست‌آوردن مدل توزيع انباشتگي زغال و گسل هاي موجود در منطقه از روش شبيه‌سازي گوسي متوالي (SGS) استفاده شد. سپس مقدار عدم قطعيت زمين‌شناختي انباشتگي جهت طبقه‌بندي منابع زغال‌سنگ با استفاده از نقشه خطا بدست آمد. در ادامه تعداد گمانه هاي بهينه در ناحيه با توجه به سطح اعتماد %95 تعيين گرديد. از آن جايي كه عدم قطعيت زمين‌شناختي گسل تاثير بسزايي در تخمين منبع زغال‌سنگ دارد و در مطالعات قبلي تخمين منابع و ذخاير معدني زغال‌سنگ نيز ناديده گرفته شده است، اين معيار با توجه به نقشه هاي احتمال حضور گسل تعيين گرديد و مناطقي كه احتمال حضور گسل در آن ها %100 مي‌باشد به علت برخورداري از عدم قطعيت بالا جهت تخمين منبع زغال‌سنگ، از ناحيه تخمين زده شده جدا گرديد. در نهايت اين روش به دليل كارايي بالا مي تواند در تحليل هاي مهندسي جهت تخمين منابع و تحليل شبكه هاي اكتشافي زغال‌سنگ استفاده شود.

Geostatistical simulation methods have known as a powerful tool for estimating spatial distribution of geological uncertainty and risk in the mining exploration. This method is used in metal mining industry very much but was less in coal mining industry. Parvadeh III is located in east of central Iran. This deposit has 5 layers as: C1, C2, B1, B2, and D, that layer C1 was chosen as a layer which can reflect alone the specification of Parvadeh III because of low ash, lack of continuity of the coefficient of zero and first place in terms of having quality. In this research, at first Sequential Gaussian Simulation (SGS) has applied in order to carbon accumulation and fault estimation. Then accumulation geological uncertainty for coal resource classification has obtained using error maps. More optimal number of boreholes in the area, according to the 95% confidence level has determined. Since the uncertainty and risk have significant role in geological fault coal resource estimation and previous studies estimated mineral resources and reserves of coal has also been ignored, according to these criteria the presence of fault probability maps were determined. The places that have probability of fault presence about 100% are the riskiest regions for coal resource estimation. Finally, this method can be used for subsequent analysis to design exploratory pattern because of the high performance.