Статті

Гірничо-геологічні моделі віртуальних складноструктурних рудних блоків уступу

• 
• 

Рейтинг користувача:  / 0

ГіршийКращий 

Деталі

Категорія: Зміст №4 2023

Останнє оновлення: 28 серпня 2023

Опубліковано: 30 листопада -0001

Перегляди: 1683

Authors:

Б.Р.Ракішев*, orcid.org/0000-0001-5445-070X, Satbayev University, м. Алмати, Республіка Казахстан, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

* Автор-кореспондент e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

повний текст / full article

Naukovyi Visnyk Natsionalnoho Hirnychoho Universytetu. 2023, (4): 011 - 017

https://doi.org/10.33271/nvngu/2023-4/011

Abstract:

Мета. Створення гірничо-геологічних моделей віртуальних складноструктурних рудних блоків уступу для розробки базової методики визначення геологічної будови складноструктурних ділянок родовищ корисних копалин.

Методика. При науково-технічному обґрунтуванні гірничо-геологічних, гірничо-технічних показників складноструктурних блоків за рудонасиченістю та складністю морфологічної будови блоків уступів застосовувалися методи комплексного та абстрактно-логічного аналізу, синтез, систематизація, метод теоретичного узагальнення, узагальнення інформаційних джерел і світового досвіду в галузі геоінформації складноструктурних родовищ, статистичний аналіз, математичне моделювання, гірничо-геологічне моделювання родовищ корисних копалин.

Результати. Створені гірничо-геологічні моделі віртуальних складноструктурних рудних блоків (РСРБ) уступу. Гірничо-геологічні характеристики блоків аналітично взаємопов’язані з геометричними параметрами розрізнених рудних тіл і розмірами шару породи, що домішується, або руди, що втрачається. Вони визначають рівень складності геологічної будови РСРБ. За заданими розмірами й розташуванням розрізнених суцільних і розосереджених рудних тіл віртуальних складноструктурних блоків за розробленою методикою обчислені чисельні значення гірничо-геологічних характеристик рудних блоків. РСРБ підрозділені на більш рудонасичені, помірно рудонасичені, менш рудонасичені та складноструктурні й більш складноструктурні.

Наукова новизна. Уперше в гірничій справі запроваджені поняття «віртуальні складноструктурні рудні блоки уступу» та «гірничо-геологічні моделі віртуальних складноструктурних рудних блоків уступу». Сукупність геометричних параметрів розрізнених рудних тіл блоку та їх гірничо-геологічних характеристик представлена як гірничо-геологічні моделі віртуальних РСРБ уступу. Розроблені моделі дозволяють встановлювати закономірності зміни гірничо-геологічних характеристик складних рудних блоків.

Практична значимість. Розроблені гірничо-геологічні моделі віртуальних складноструктурних блоків є базою для створення гірничо-геологічних моделей реальних складноструктурних рудних блоків, моделей РСРБ у підірваному стані. Вони дозволять розробити методику нормування втрат і збіднення руд для реальних складноструктурних блоків, вибрати раціональні параметри технологій виїмки розрізнених рудних тіл у конкретних гірничо-геологічних умовах, розширити масштаби використання безвідходних, маловідходних технологій при розробці складноструктурних родовищ корисних копалин.

Ключові слова: складноструктурні рудні блоки, коефіцієнт рудонасиченості, гірничо-геологічні характеристики, моделі віртуальних блоків

References.

1. Wellmann, F., & Caumon, G. (2018). 3-D Structural geological models: Concepts, methods, and uncertainties. Advances in geophysics 59, 1-121, Elsevier. https://doi.org/10.1016/bs.agph.2018.09.001.

2. Dagasan, Y., Renard, P., Straubhaar, J., Erten, O., & Topal, E. (2019). Pilot point optimization of mining boundaries for lateritic metal deposits: Finding the trade-off between dilution and ore loss. Natural Resources Research, 28, 153-171. https://doi.org/10.1007/s11053-018-9380-9.

3. Masoumi, I., Kamali, G., Asghari, O., & Emery, X. (2020). Assessing the impact of geologic contact dilution in ore/waste classification in the Gol-Gohar Iron Ore Mine, Southeastern Iran. Minerals, 10(4), 336. https://doi.org/10.3390/min10040336.

4. Vasiukhina, D. (2020). 3D geological modeling for mineral resource assessment of the Galeshchynske iron ore deposit, Ukraine. Geoinformatics: Theoretical and Applied Aspects, 2020(1), 1-5.

5. Remezova, O. O., Khrushchov, D. P., Vasylenko, S. P., & Yaremenko, O. V. (2021). Innovative approaches to information modeling of placer deposits. Geoinformatics, 2021(1), 1-6.

6. Rakishev, B. R. (2017). Technological resources for improving the quality and completeness of use of the mineral raw materials. News of the National Academy of Sciences of the Republic of Kazakhstan. Series of geology and technical sciences, 2(422), 116-124.

7. Bala, G., Kurylo, M., & Virshylo, I. (2022, November). Modeling and Estimation of Iron Ore Reserves in the Leapfrog on the Example of the Azovsky Block Deposit. In 16 ^th International Conference Monitoring of Geological Processes and Ecological Condition of the Environment, 2022(1), 1-5. EAGE Publications BV.

8. Rakishev, B.R. (2019). Development of the Bozshakol and Aktogay copper ore deposits in Kazakhstan. Gornyi Zhurnal, 2019(1), 89-92. https://doi.org/10.17580/gzh.2019.01.18.

9. Zeqiri, R. (2021). Nickel discretization and quality review in Gllavica mine, Kosovo. Mining of Mineral Deposits, 15(1), 35-41. https://doi.org/10.33271/mining15.01.035.

10. Morales, N., Seguel, S., Cáceres, A., Jélvez, E., & Alarcón, M. (2019). Incorporation of geometallurgical attributes and geological uncertainty into long-term open-pit mine planning. Minerals, 9(2), 108. https://doi.org/10.3390/min9020108.

11. Osterholt, V., & Dimitrakopoulos, R. (2018). Simulation of orebody geology with multiple-point geostatistics – application at Yandi channel iron ore deposit, WA, and implications for resource uncertainty. Advances in applied strategic mine planning, 335-352. https://doi.org/10.1007/978-3-319-69320-0_22.

12. Cowan, E. J. (2020). Deposit-scale structural architecture of the Sigma-Lamaque gold deposit, Canada – insights from a newly proposed 3D method for assessing structural controls from drill hole data. Mineralium Deposita, 55(2), 217-240. https://doi.org/10.1007/s00126-019-00949-6.

13. Jin, X., Wang, G., Tang, P., Hu, C., Liu, Y., & Zhang, S. (2020). 3D geological modelling and uncertainty analysis for 3D targeting in Shanggong gold deposit (China). Journal of Geochemical Exploration, 210, 106442. https://doi.org/10.1016/j.gexplo.2019.106442.

14. Zuo, R., Kreuzer, O. P., Wang, J., Xiong, Y., Zhang, Z., & Wang, Z. (2021). Uncertainties in GIS-based mineral prospectivity mapping: Key types, potential impacts and possible solutions. Natural Resources Research, 30, 3059-3079. https://doi.org/10.1007/s11053-021-09871-z.

15. Dowd, P. A., & Dare-Bryan, P. C. (2018). Planning, designing and optimising production using geostatistical simulation. Advances in applied strategic mine planning, 421-449. https://doi.org/10.1007/978-3-319-69320-0_26.

16. Rakishev, B., Rakisheva, Z., Auezova, A., & Orynbay, A. (2022). Automated determination of rock crushing zones in the collapse. Mining of Mineral Deposits, 16(3), 109-114. https://doi.org/10.33271/mining16.03.109.

• < Попередня
• Наступна >