Accuracy assessment of geostatistical modelling methods of mineral deposits for the purpose of their future exploitation - based on one lignite deposit
 
More details
Hide details
 
Gospodarka Surowcami Mineralnymi – Mineral Resources Management 2012;28(1):77–101
 
KEYWORDS
ABSTRACT
Safe mine operations and optimal economical decision making in the context of lignite resources require an adequate level of knowledge about the spatial distribution of critical attributes in terms of geometry and quality in the deposit. Therefore, ore body models are generated using different approaches in geostatistics, depending on the problem to be solved. In this article the analysis of geostatistical methods used for deposits modeling has been presented. Based on exploration data concerning caloric value Q, models of one exemplary lignite deposit has been made. Two models of deposit were prepared using two different methods: ordinary kriging (OK) and sequential Gaussian conditional simulation (SGSIM). Different models of the same deposit were analyzed and compared with source data using criterion of fidelity to statistical attributes like: mean value, variance, statistical distribution. Models, which have been created based on exploration data, were compared with in-situ data gained from survey activities in the exploitation process. As a result of comparison correlation factor and measures of deviations were computed: average relative error, absolute relative error. Models were compared with in situ data, considering statistical features and local variability as well. In conclusion, the study gives valuable information into the benefits of using certain geostatistical approaches for variable tasks and problems in the lignite deposits design process. For the assessment of average values of deposit parameters ordinary kriging provides appropriate effects. Geostatisical simulation (e.g. sequential Gaussian simulation - SGSIM) provides much more relevant information for tasks connected to probability (or risk) of defined threshold exceedences than ordinary kriging. Models made with simulation method are characterized by high fidelity of spatial distribution in comparison to source data.
METADATA IN OTHER LANGUAGES:
Polish
Ocena dokładności geostatystycznych metod modelowania złóż pod kątem projektowania eksploatacji na podstawie jednego ze złóż węgla brunatnego
modelowanie złóż, kriging, symulacja warunkowa, geostatystyka, dokładność
We wszystkich fazach zagospodarowania złoża węgla brunatnego wymagane jest odpowiednie rozpoznanie jego kluczowych parametrów strukturalnych i jakościowych, tj. miąższość pokładu, wartość opałowa węgla, popielność, zawartość siarki. Od właściwego rozpoznania przestrzennej zmienności parametrów złoża zależy optymalne wykorzystanie jego zasobów jak i możliwość odpowiedniego planowania eksploatacji pod kątem utrzymania jakości strumienia surowca. Bazując na danych z rozpoznania geologicznego wykonywane są modele złoża. Do modelowania wykorzystywane są różne metody, wśród których popularne stają się metody geostatystyczne. Wybór metody zależy od celu modelowania. W artykule przedstawiono wielokryterialne analizy metod geostatystycznych używanych do modelowania złóż. Na podstawie obserwacji geologicznych złoża węgla brunatnego wykonano modele wartości opałowej węgla Q metodą krigingu zwyczajnego (OK) oraz metodą geostatystycznej symulacji warunkowej (SGSIM). Modele przeanalizowano pod kątem wierności odwzorowania cech danych źródłowych, tj. wartości średniej, wariancji oraz struktury. Modele porównano z modelem referencyjnym opartym na danych pozyskanych w procesie eksploatacji złoża. Obliczono miary odchyleń – średni błąd względny i absolutny błąd względny oraz współczynnik korelacji. Porównano modele pod względem ogólnych cech statystycznych oraz zmienności lokalnej. Na podstawie analiz sformułowano wnioski dotyczące przydatności metod do rozwiązywania różnych zadań z zakresu projektowania górniczego. Do szacowania wartości średniej parametrów złoża wystarczająco dokładne wyniki dostarcza kriging zwyczajny. Do zadań związanych z określeniem prawdopodobieństwa albo ryzyka przekroczenia krytycznych wartości parametrów złoża bardziej wiarygodnych wyników niż kriging dostarcza metoda symulacji. Modele wykonane tą metodą wiernie oddają strukturę danych źródłowych.
 
REFERENCES (15)
1.
Benndorf J., 2009 - Evaluation of lignite deposits using conditional simulation in geostatistics. Schriftenreihe des Institutes für Geotechnik und Markscheidewesen der TU Clausthal, Ausgabe 18/2009, 221s.
 
2.
Benndorf J., Dimitrakopoulos R., 2007 - New efficient methods for conditional simulation of large orebodies. [W:] Orebody Modelling and Strategic Mine Planning, The Australasian Institute of Mining and Metallurgy, Spectrum Series, vol. 14, 2nd Edition, s. 61-68.
 
3.
Dimitrakopoulos R., 2010 - Advances in Orebody Modelling and Strategic Mine Planning I. Spectrum Series Volume 17, The AusIMM, Melbourne, 345 s.
 
4.
Dimitrakopoulos R., 2007 - Orebody modelling and strategic mine planning. Spectrum Series v. 14, 2nd Edition, The AusIMM, Melbourne, 402 s.
 
5.
Journel A. G., Huijbregts C. J., 1978 - Mining geostatistics: Academic Press. London, 600 s.
 
6.
Jurdziak L., Kawalec W., 2011 - Ocena ryzyka geologicznego w górnictwie węgla brunatnego metodą symulacji warunkowej. Materiały Szkoły Eksploatacji Podziemnej, IGSMiE PAN, Kraków, s. 893-908.
 
7.
Kozula R., Mazurek S., 1996 - Wstępna ocena stopnia rozpoznania podstawowych parametrów złożowych konińskich złóż węgla brunatnego w blokach geologicznych metodą krigingu. Górnictwo Odkrywkowe, v. 38, nr 3, Wrocław.
 
8.
Matheron G., 1973 - The intrinsic random functions and their application. Advances in Applied Probability, v. 5, s. 439- 468.
 
9.
Mucha J., Wasilewska M., 2005 - Dokładność interpolacji zawartości siarki i popiołu w wybranych pokładach węgla kamiennego GZW. Gospodarka Surowcami Mineralnymi t. 21, z. 1, s. 5-21.Wyd. IGSMiE PAN, Kraków.
 
10.
Mucha i in. 2008 - Mucha J., Nieć M., Saługa P., Sobczyk E. J., Wasilewska M., 2008 - Ryzyko inwestycji w górnictwie węgla kamiennego jako funkcja dokładności oszacowań parametrów złożowych. Gospodarka Surowcami Mineralnymi vol. 24 z. 2/4 s. 161-173. Wyd. IGSMiE PAN, Kraków.
 
11.
Naworyta W., 2008 - Analiza zmienności parametrów złożowych węgla brunatnego pod kątem sterowania jakością strumienia urobku,Gospodarka SurowcamiMineralnymi t. 24, nr 2/4.Wyd. IGSMiE PAN, Kraków.
 
12.
Naworyta i in. 2005 - Naworyta W., Menz J., Sroka A., 2005 - Assessment of the accuracy of ground movement elements prediction using simulation method, proceedings of the 6th International Mining Forum 2005, A. A. Balkema Publishers, 2005. s. 123-136.
 
13.
Nowak M., Verly G., 2007 - A practical process for geostatistical simulation with emphasis on Gaussian methods. [W:] Orebody Modeling and strategic mine planning, The Australasian Institute of Mining and Metallurgy, Spectrum Series, vol. 14, 2nd Edition, s. 69-78.
 
14.
Remy i in. 2009 - Remy N., Boucher A., Wu J., 2009 - Applied Geostatistics with S-GeMS. Cambrigde University Press, Cambridge.
 
15.
Rozporządzenie Ministra Środowiska z dnia 6 lipca 2005 r. w sprawie szczegółowych wymagań, jakim powinny odpowiadać dokumentacje geologiczne złóż kopalin (Dz.U. Nr 136, poz. 1151).
 
eISSN:2299-2324
ISSN:0860-0953