برآورد شبکه اکتشافی زغال سنگ با استفاده از عدم قطعیت زمین شناختی و تحلیل تاثیر حضور گسل(منطقه پرودهIII طبس)
محورهای موضوعی : فصلنامه زمین شناسی محیط زیست
امید اصغری
1
(استادیار دانشکده مهندسی معدن دانشگاه تهران)
ناصر مدنی اصفهانی
2
(کارشناس ارشد مهندسی اکتشافات معدن دانشگاه آزاد اسلامی واحد تهران جنوب)
کلید واژه: شبیه سازی زمین اماری-عدم قطعیت-گسل-تخمین منبع معدنی-پروده III,
چکیده مقاله :
روش های شبیه سازی زمین اماری بعنوان یک ابزار قوی برای براورد تئزیع فضایی عدم قطعیت زمین شناختی در اکتشاف معادن شناخته شده داست.استفاده از این روش در صنعت معدنکاری فلزی به فراوانی متداول و در معدنکاری زغال کم بوده است.کانسار زغالسنگ پروره III طبس در قسمت شرق ایران مرکزی واقع شده و دارای 5 لایه به نامهایC1, C2, B1, B2, D می باشد که از میان لایهC1به علت داشتن ساختمانی ساده ،ضخامت متوسط نسبتا بالا،خاکستر پایین و همچنین ضریب عدم تداوم صفر و داشتن مقام نخست از لحاظ کیفی در قیاس با لایه های دیگر به عنوان مهم ترین لایه موثر در تحلیل شبکه حفاری انتخاب گردید.بطوری که این لایه به تناهیی می تواند منعکس کننده مشخصات کانسار پرورهIIIباشد.در این پژوهش ابتدا به منظور به دست آوردن مدل توزیع انباشتگی زغال و گسل های موجود رد منطقه از روش شبیه سازی گوسی متوالی (SGS) استفاده شد.سپس مقدار عدم قطعیت زمین شناختی انباشتگی جهت طبقه بندی منابع زغال سنگ با استفاده از نقشه خطا بدست امد.در ادامه تعداد گمانه های بهینه در ناحیه با توجه به سطح اعتماد 95%تعیین گردید.از آن جایی که عدم قطعیت زمین شناختی گسل تاثیر به سزایی در تخمین منبع زغال سنگ دارد و در مطالعات قبلی تخمین منابع و ذخایر معدنی زغال سنگ نیز نادیده گرفته شده است،این معیار با توجه به نقشه های احتمال حضور گسل تعیین گردید و مناطقی که احتمال حضور گسل در انها 100%می باشد به علت برخورداری از عدم قطعیت بالا جهت تخمین منبع زغال سنگ ،از ناحیه تخمین زده شده جدا گردید.در نهایت این روش به دلیل کارایی بالا می تواند در تحلیل مهندسی جهت تخمین منابع و تحلیل شبکه های اکتشافی زغال سنگ استفاده شود.
Geostatistical simulation methods have known as a powerful tool for estimating spatial distribution of geologicaluncertainty and risk in the mining exploration. This method is used in metal mining industry very much but wasless 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 IIIbecause of low ash, lack of continuity of the coefficient of zero and first place in terms of having quality. In thisresearch, at first Sequential Gaussian Simulation (SGS) has applied in order to carbon accumulation and faultestimation. Then accumulation geological uncertainty for coal resource classification has obtained using errormaps. 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 previousstudies estimated mineral resources and reserves of coal has also been ignored, according to these criteria thepresence of fault probability maps were determined. The places that have probability of fault presence about100% are the riskiest regions for coal resource estimation. Finally, this method can be used for subsequentanalysis to design exploratory pattern because of the high performance.
