WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!


Pages:     | 1 |   ...   | 29 | 30 || 32 | 33 |   ...   | 39 |

В.Г.Ворошиловым [2077 г.] предложен комплекс методов исследования эндогенных геохимических полей. Он включает R-факторный, дискриминантный, регрессионный методы, метод нейронных сетей, кластер-анализ переменных. Дополнительную информацию для построения геохимических моделей рудообразующих систем дают материалы геохимической зональности рудных полей и месторождений, а также коэффициенты дифференциации химических элементов в гидротермальном процессе.

Эти данные служат основой для прогнозирования и поисков скрытого оруденения в рудных полях, месторождениях различного геолого-промышленного и формационного типа.

2.3.7. Физико-химические модели рудообразующих систем Разработка обобщающих геолого-генетических моделей типовых месторождений полезных ископаемых образуется на количественном физико-химическом моделировании отдельных рудообразующих процессов. Реставрация физикохимических, динамических моделей процессов минералообразования связана прежде всего с энергетическими характеристиками флюида, с источниками его генерации, с длительностью его существования, с содержанием элементов во флюиде и его изменении во времени. Рассматривается термодинамика отделения флюидной фазы при затвердевании магм и формировании гидротермальной системы. Формированию рудных месторождений благоприятствуют гомодромный тип дифференциации магм, в котором по мере кристаллизации расплава снижаются температуры ликвидуса и солидуса из-за накопления щелочей и летучих компонентов. Насыщение расплава летучими компонентами связано с оттеснением в жидкость растущими кристаллами растворенных в магме газов. Это увеличивает давление в системе. После начала кристаллизации магмы парциальное давление летучих превышает давление насыщения, что приводит к отделению летучих. Термодинамика ретроградного кипения магм в камере описывается уравнением Pg – P(Zf–Pr+2/rp), где Pg – суммарное парциальное давление летучих в магме; Zf – координата фронта гетерогенной зоны в расплаве; - поверхностное натяжение в магме; rp – начальный радиус устойчивого газового пузырька в магме [В.Н. Шарапов и др., 1987 г.].

Начальное содержание летучей фазы в расплаве определяют по формуле, где – плотность магмы; g – ускорение силы тяжести; С20 – начальное содержание летучих в расплаве; g – коэффициент распределения летучего между расплавом и твердой фазой; FiE – сечение жидкой фазы в конце зоны затвердевания; Z – координата начала кипения; Кi – коэффициент пропорциональности; j – показатель степени в уравнении растворимости летучего в расплаве.

Расчеты показали, что при становлении металлоносных магматических комплексов наблюдается последовательность отделения летучих компонентов от интрузий: 1) начальный этап – ограниченное отделение или его нет; 2) отделение летучих и образование рудно-метасоматической зональности; 3) затухание флюидоотделения. Расчеты дают основание полагать об ограничениях размеров и времени кипения в интрузиях. Поэтому для скарновых месторождений железа, полиметаллов, золота размеры высокотемпературной зоны (880–360С) достигают вертикальной протяженности всего 500–1500 м.

Н.С. Жатнуевым [1998 г.] рассмотрена модель формирования паровых зон в гидротермальных системах и связи с ними процессов рудогенеза. Он существенно усовершенствовал раннюю схему Г.Л. Поспелова [1973г.]. По Г.Л. Поспелову модель гидротермальной системы включает в себя очаговую водно-газовую зону, корневую зону стягивания гидротерм, стволовую зону проточного режима, зону рассеянного восходящего флюида и зону рассеяния термогидроколонны в вадозных водах.

В общем виде гидротермальная система может представлять ряд конвективных ячей, не обязательно с центральным восходящим потоком флюидов, осложненных фазовыми переходами флюида на различных уровнях глубинности. Фазовые переходы являются причиной кислотно-щелочной дифференциации флюида. Она перманентно возникает и исчезает вместе с паровыми зонами. С пульсациями паровых зон связано и пульсационное гидротермальное минералообразование. Все это обусловлено гравитационно-конвективным движением разогретого флюида. Геохимические барьеры, сопутствующие паровым зонам, способствовали наиболее интенсивному минералообразованию. Высокие концентрации солей способствуют удалению паровой зоны в область высоких давлений. То есть геохимический барьер, возникающий на границе жидкость–пар, может функционировать не только в приповерхностных условиях, но и на глубинах, в условиях высоких температур, вплоть до температур солидуса кислых расплавов. Нисходящие потоки холодных вод, попадая в очаги высокотемпературных гидротермальных систем, нагреваются и снова движутся вверх. Как показали эксперименты Н.С. Жатнуева по выщелачиванию вулканических стекол, золото и серебро на фоновом уровне мобилизуется гидротермами в количестве до 50% от их исходного содержания. Следовательно, вулканические породы могут являться источником рудного вещества. Периодическое сжатие и расширение паровых резервуаров являются причинами периодической смены кислотного (в зоне конденсации парового флюида) и щелочного (в зоне кипения у основания паровой зоны) на нейтральный режим флюидов.

Д. Уайтом с коллегами [White e.a., 1971 г.] была предложена модель пародинамических систем. В 1979 году И.Н. Кигай развил представление о двухфазности гидротерм в рудообразующих системах.

Рядом исследователей – В.В. Алексеевым, О.В. Брызгалиным, Г.П. Зарайским, Г.Р. Колониным, Г.Б. Наумовым, Р.П. Рафальским и др. разрабатываются физикохимические основы гидротермального рудообразования. Такие модели включают оценку условий формирования руд, околорудных метасоматитов и транспорт рудных компонентов водными растворами. Создаются новые методы расчета на ЭВМ (например «Селектор» И.К. Карпова) и выполняется моделирование процессов гидротермального рудообразования путем термодинамического анализа равновесий в моногокомпонентных и многофазных системах.



Физико-химическое поведение платины и палладия в процессе кристаллизации железо-медно-никелевых сульфидсодержащих расплавов рассмотрено А.В. Перегоедовой [1999 г.]. Эксперименты показали, что в температурном интервале 900– 840 С в равновесии с высокотемпературными растворами присутствует сульфидный расплав. Исходное соотношение Cu/(Fe+Ni+Cu) в кристаллизующейся системе влияет на коэффициенты распределения главных металлов и платиновых элементов.

При кристаллизации максимально медистых расплавов платина выделяется в виде сульфида Cu2Pt2S4, а также совместно с палладием распределяется между моносульфидным твердым раствором и остаточным расплавом, с коэффициентом распределения 0,4.

2.3.8. Статистические модели Статистические модели являются разновидностями и геологоструктурных и геологогенетических моделей – геологоструктурных, рудноформационных, геохимических, геофизических, петрофизических, прогнозно-поисковых, геологопромышленных, комплексных и многофакторных. Статистическая модель по сравнению с качественным вариантом геологоструктурной модели обладает большей точностью при описании количественных характеристик и различных вариаций особенностей моделируемого объекта – рудного района, рудного поля, месторождения и рудного тела. Статистические модели позволяют осуществлять предсказания вероятных пределов колебаний параметров моделируемого объекта и возможных его состояний, которые даже не наблюдались в эталонной выборке. Простейшим случаем таких предсказаний является оценка вероятности проявления тех или иных рудных или рудоконтролирующих тел или их свойств. Статистическая модель позволяет производить количественные расчеты при оценке информативности критериев прогнозирования, при выборе комплекса геологических, геофизических и геохимических методов, оптимальных параметров сетей наблюдений при их применении.

Статистические модели включают следующие характеристики [Прогнознометаллогенические..., 1988]:

1) средние значения х и стандартное отклонение для характеристик, распределение которых не противоречит нормальному закону;

~ 2) средние геометрические x и стандартные отклонения для характеристик с логнормальным распределением; к этой группе характеристик относятся все показатели размеров, объемов, содержаний компонентов; иногда при логнормальных рас~ пределениях вместо x и удобнее пользоваться средним значением логарифмов lnx и стандартным отклонением от логарифма lnx. Между этими величинами существуют простые соотношения: lnx= ln(x); lnx = ln;

3) для характеристик, к которым не удается подобрать закон распределения, приводятся только средние; такими характеристиками в некоторых случаях являются процентные значения площади, занятые различными горными породами;

4) вероятность присутствия признаков; оценкой их являются отношения части объектов (рудных полей, месторождений, рудных тел), на которых данный признак наблюдался, к общему числу объектов, входящих в эталонную выборку; доверительные границы для этих величин определяются по статистическим таблицам или номограммам;

5) координаты корреляций между признаками;

6) вероятности зональных переходов Рс/d, характеризующих метасоматическую или геохимическую зональность; оценкой Рс/d является отношение числа месторождений, на которых некоторая, типичная для данного типа месторождений метасоматическая или геохимическая зональность, сменяется по направлению от центра к периферии объекта зоной d, к общему числу месторождений, на которых наблюдается зона с; в матрице вероятностей зональных переходов слева по вертикали располагаются зоны, рассматривающиеся как ci, вверху по горизонтали – dj(ji); таким образом, каждая строка матрицы характеризует для некоторой зоны вероятности ее перехода в любую из зон dj.

Примером может служить статистическая модель месторождения медномолибден-порфировой формации (см. табл. 11–13), составленная по выборке из месторождений различных регионов мира [Глубинное..., 1981]. Оценка вероятности признаков в модели (табл. 11) и коэффициентов корреляции между ними (табл. 12) позволяют производить количественную оценку их информативности применительно к той или иной конкретной площади, а также количественно оценивать степень перспективности потенциальных рудных полей и месторождений.

Матрица вероятностей зональных переходов (табл. 13) характеризует возможные варианты зональности продуктивных метасоматитов: каждая строка матрицы описывает для некоторой зоны вероятности ее перехода в любую из остальных. На основании такой статистической модели на одном из погребенных медно-молибденпорфировых месторождений была количественно оценена вероятность наличия на глубине кварц-калишпатовой зоны, что позволило предсказать значительно больший вертикальный размах оруденения, чем предполагалось ранее.

Таблица Статистические характеристики геологических признаков молибден-медно-порфировых месторождений Неметрические признаки (n = 44)* Магматические породы Статистические параметры Кислые и С повышенной Средние умеренно кислые щелочностью и основные I II I II I II 1 2 3 4 5 Вероятность присутствия признака 0,58 0,60 0,46 0,35 0,63 0,95%-ые доверительные границы 0,47– 0,48– 0,31– 0,22– 0,52– 0,25– для вероятности 0,69 0,72 0,60 0,48 0,75 0,7 8 9 10 11 Вероятность присутствия признака 0,65 0,95 0,74 1,0 х = 1,07 х = 0,95% доверительные границы для вероятности 0,54– 0,88– 0,63– 0,95–1,0 х = 1,9 х = 2,0,76 0,99 0,* n – количество эталонных объектов; I – интрузивные породы; II – породы слагающие малые тела, иногда субвулканические; 1,2...12 – номера признаков.





Таблица Матрица коэффициентов между неметрическими признаками Номера Номер признака* признаков 1 2 3 4 5 6 7 2 +0,3 +0,11 +0,4 –0,08 –0,32 +0,5 +0,19 –0,15 –0,02 –0,6 +0,05 –0,08 –0,22 –0,04 –0,7 –0,05 –0,21 –0,07 +0,35 –0,11 –0,8 –0,18 +0,05 –0,24 –0,30 –0,17 +0,16 –0,9 –0,16 –0,13 0 –0,03 +0,18 0 –0,11 -0,* номера признаков соответствуют номерам из табл. 11; количество наблюдений в выборке 44; пороговое значение коэффициента корреляции при уровне значимости 0,05 составляет ± 0,30.

Таблица Матрица вероятностей зональных переходов Хлоритизация и эпидоХарактер метасоматиче- Калишпатизация и Окварцевание и тизация (пропилитизаских изменений окварцевание серицитизация ция) Калишпатизация и ок– 0,93 (0,82–0,96)* 0,07 (0,03–0,16) варцевание Окварцевание и серици0 (0–0,05) – 0,73 (0,62–0,82) тизация Хлоритизация и эпидо0 (0–0,05) 0 (0–0,05) – тизация (пропилитизация) * В скобках 95%-тные доверительные границы для вероятности.

2.3.9. Геолого-математические модели Математическое моделирование используется при изучении свойств, морфологии и строения природных скоплений полезных ископаемых, рудоносных геологических структур и процессов их образования. В качестве математических моделей используются символы и формулы, описывающие количественные взаимосвязи и закономерности распределения изучаемых признаков [Каждан, 1984].

Принципы математического моделирования определяются такими положениями:

приемлемостью математической модели условиям соответствия ее свойств свойствам (содержанию) объектов моделирования;

сложностью строения природных скоплений полезных ископаемых и ограниченностью эмпирических данных, препятствующих непосредственному применению детерминированных моделей; для выявления детерминированных составляющих большинство моделей строится на вероятностной основе, поскольку проявление случайной изменчивости изучаемых свойств свидетельствует не об отсутствии геологических закономерностей, а о недостатке знаний на данном этапе изучения недр;

моделированием не истинных, а наблюдаемых свойств рудных скоплений или изменчивостью их свойств на изученном масштабном уровне их строения.

Наиболее широко используются вероятностные статистические и геостатистические модели, модели типа стационарных случайных функций и их гармонического анализа. В зависимости от выдержанности формы, сложности строения объекта, размеров проб и расстояниями между точками наблюдений экспериментальные данные могут представлять собой совокупности: случайных взаимонезависимых величин; случайных автокоррелированных величин с отчетливо проявленной периодичностью; пространственно взаимосвязанных величин. В первых трех случаях эффективно применение вероятностных моделей с использованием аппарата вариационной статистики случайных величин, теории стационарных случайных функций, гармонического анализа случайных функций или тренд-анализа, R-факторный, дискриминантный, регрессионный методы, нейронные сети переменных. В последнем случае возможно применение детерминированных моделей.

Использование статистических моделей целесообразно, если в наблюдаемой изменчивости признака отсутствует закономерная составляющая, и, следовательно, геометризация признака в изучаемом объеме недр практически невозможна. Статистические модели полностью абстрагируются от закономерностей пространственного размещения признаков, обеспечивая вероятностную оценку средних значений и характеристик изменчивости изучаемых свойств в пределах всего объема недр, который устанавливается другими независимыми способами.

При изучении одновременно двух и более случайных величин используются статистические модели двумерного, многомерного анализа. Например, оценка коэффициента корреляции двух случайных величин х и y определяется через их ковариацию COV(x, y) и стандарты (х, у):

, где.

Целью геостатистического исследования является оценка средних значений изучаемых свойств полезных ископаемых как функции их пространственной изменчивости в зависимости от геометрии сети наблюдений, проб и оцениваемых блоков.

Для этого путем интегрирования точечных вариограмм изучаемых свойств по геометрическим элементам проб просчитываются характеристики наблюдаемой изменчивости. Они учитывают влияние геометрии расположения проб, а с их помощью оцениваются дисперсии и ковариации распространения наблюдаемых значений свойств по пробам на весь подсчетный объем.

Модели типа случайных стационарных функций применяются для изучения автокоррелированных эмпирических данных. Как статистические модели, они основаны на положениях теории вероятности. Такие модели обеспечивают оценку средних характеристик пространственной изменчивости изучаемого признака в зависимости от его геологической природы, густоты поисковой и разведочной сети и геометрии проб. Оценка производится с помощью автокорреляционых или структурных функций, вычисленных по конкретным данным изучаемого признака.

С помощью автокорреляционной функции выявляется сила связи между наблюдаемыми значениями параметров при различной густоте сети, и устанавливаются предельные расстояния распространения этих связей:

Здесь L – длина исследуемого поискового или разведочного профиля; h – расстояние между пунктами наблюдений на профиле; f(x) – переменная величина; µx – среднее значение переменной величины f(x) в интервале от 0 до L.

Pages:     | 1 |   ...   | 29 | 30 || 32 | 33 |   ...   | 39 |










© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.