كاهش عدم قطعيت مدل زمين شناسي با پسا پردازش زمين آماري در كانسار مس ميدوك

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

امروزه مدلسازي زمين‌آماري براي تجزيه و تحليل ساختارهاي زيرزميني به صورت وسيعي مورد استفاده قرار مي‌گيرد. استفاده از تكنيك‌هاي كاهش عدم ‌قطعيت توام با مدلسازي، دقت شناسايي ساختارهاي زيرزميني را افزايش مي‌دهد. در اين پژوهش از روش زمين‌‌‌آماري كريجينگ ‌شاخص براي مدلسازي توزيع فضايي 4 واحد زمين‌شناسي شناسايي شده (زون فروشست، زون اكسيد، زون سوپرژن و هيپوژن) در كانسار مس پورفيري ميدوك استفاده شده است. در اين مطالعه از معيار واريانس برنولي براي ارزيابي عدم ‌قطعيت با استفاده از مدل زمين‌شناسي حاصل استفاده شد و براي كاهش ميزان عدم ‌قطعيت توام با مدل حاصل، عمليات پساپردازش با استفاده از بازنمونه‌گيري از مدل تخمين خورده انجام شد و اين عمليات تا دستيابي به يك مدل زمين‌شناسي داراي سطح قابل قبولي از عدم قطعيت ادامه يافت. در نهايت براي اعتبارسنجي نتايج، از چال‌هاي آتشباري در يكي از پله‌هاي استخراجي استفاده شد. نتايج به دست آمده نشان داد كه در نتيجه اعمال عمليات پساپردازش ميزان عدم‌ قطعيت از 5/98 درصد به 2/87 درصد كاهش يافته است.

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, post-processing 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 post-processing procedure.