WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!


Pages:     | 1 |   ...   | 30 | 31 || 33 | 34 |   ...   | 39 |

Структурные функции более наглядно характеризуют общий размах, скорость, интенсивность изменений геологического параметра и степени прерывистости оруденения в зависимости от его природных свойств и геометрии проб.

В случае изменчивости наблюдаемых значений геологических параметров, не удовлетворяющих условиям стационарности, рассматриваются характеристики структурных или автокорреляционных функций, усредненных по ряду показателей, описывающих изученные свойства в среднем в пределах заданного объекта. С помощью такой модели устанавливаются значения и доля неслучайной составляющей изменчивости, а по соотношениям расстояний предельной корреляции для различных направлений рассчитываются показатели анизотропии изучаемого состава. В строении полезных ископаемых выявляются элементы их неоднородности, а характеристики изменчивости изучаемых свойств оцениваются не в заведомо заданных объемах недр, а на том структурном уровне, который выявляется принятой сетью наблюдений.

Модели типа полигармонической случайной используются в условиях проявленной периодичности наблюдаемых признаков, в условиях колебательного процесса. Для количественного описания изменчивости геологического параметра тогда используется понятие спектрального состава случайной функции.

Спектральная плотность дисперсии рассчитывается через автокорреляционную с помощью преобразования Фурье:

При решении практических задач вследствие дискретности сети наблюдений спектральная плотность дисперсии заменяется линейным спектром амплитуд гарi=K n>K 1 моник различной частоты = A, который показывает, каким образом d 2 K K =0 n=общая дисперсия признака распределяется между отдельными гармониками. Спектр наблюдений амплитуд записывается в виде случайной полигармонической функции F(x)=(x)+n(x), где – неслучайная полигармоническая функция с конечным количеством гармоник К; n(x) – случайная составляющая наблюдаемой изменчивости признака.

При создании моделей аномальных геохимических полей гидротермальных месторождений золота В.Г.Ворошиловым [2007 г.] использованы методы группировки переменных – R-факторный, дискриминантный, регрессивный, нейронные сети и кластер-анализ. В ряде случаев для идентификации строения аномального геохимического поля необходимо применять методы распознавания образов, линейного дискриминантного анализа и искусственных нейронных сетей.

R-метод факторного анализа предполагает вычисление значений факторов путем перемножения факторных коэффициентов на концентрации элементов, нормированные на среднее содержание по выборке. Диапазон колебаний вычисляемых величин по всем выборкам должен быть примерно одинаковым, по средним значениям равным нулю. При вычислении значений факторов используются не нормированные содержания элементов, а их кларки концентраций. Матрица факторных коэффициентов вычисляется на эталонном объекте.

В итоге составления такой модели можно не только визуально оценивать морфологию аномальных геохимических структур пространственно разобщенных объектов, но и количественно оценивать продуктивность каждой геохимической ассоциации в КК·м2. Последняя процедура реализуется в последних компьютерных программах Surfer, ArcView и др. (см. рис. 10, а–е).

На примере Таловского колчеданно-полиметаллического месторождения Рудного Алтая показана возможность моделирования системой «Геоскан»: к кластеру №1 отнесены элементы Ag, Pb, Zn, As, в меньшей мере Mn, Cu, Ti. Остальные четыре класса имеют близкий состав спектра, при ведущей роли Ba, Pb илиAg, но меньшую интенсивность геохимических преобразований. Это отражается в значениях функции SCAN (рис. 10, в). В результате выявлена картина геохимического поля, свидетельствующая о субвертикальной рудоконтролирующей структуре. На пересечении этой структуры с литологически благоприятными горизонтами и приурочены рудные тела. Здесь состав главной рудной ассоциации от нижних тел к верхним меняется в такой последовательности: Pb, Zn, Cu Pb, Zn, Ba Ba, Pb, Zn Ba, As и Ag тяготеют к флангам рудных тел. В целом Ва, Ag, As являются верхнерудными элементами, а ассоциация Co, Ni, Cr, V развита на выклинивании рудных залежей, где находится вкрапленность пирита. Выявленная геохимическая зональность отвечает сепарационно-концентрационной [Ворошилов, 2007 г.]. Отчетливая зональность проявляется в распределении значений коэффициентов относительной концентрации родственных элементов – Co:Ni, Pb:Zn (рис. 10, е). Они фиксируют внешний контур полиметаллического оруденения. Максимальные значения коэффициента Ag·As:Ni·V, равные 5000...300000, рассчитанные в соответствии с рядом вертикальной геохимической зональности, отмечают надрудную часть аномальной структуры (рис. 10, д).

Тренд-анализ применяется для выяснения морфологии сложных геологических тел, геохимической, рудно-метасоматической, рудно-магматической зональности, при локальном прогнозировании в условиях глубоковскрытых рудных полей и месторождений. При изучении формы рудных тел на первом этапе обработки статистических геологических данных с помощью компьютерных программ рассчитывают уравнения тренд-поверхностей и графические изображения их в виде изолиний.

Следующий этап выявления эмпирических закономерностей осуществляется графическим или аналитическим способами по специальным компьютерным программам.

Определяют конфигурацию и геометрические свойства тренд-поверхностей, пространственное положение максимумов или минимумов показателей, положение осевых линий «рудных столбов», рудных тел, геохимических, минералогических аномалий и соотношений их с вмещающими породами.



Для количественной прогнозной оценки глубоких горизонтов и флангов рудных полей, месторождений, рудных тел, рудных столбов используют экстраполяционные методы. Они основаны на выявлении намечающихся тенденций рудномагматической, рудно-метасоматической, рудной зональности в пределах изученных частей рудоносных структур. Количественный анализ рудной зональности заключается в аппроксимации распределения концентраций показателей, их соотношений и линейных запасов рудных компонентов с поверхностями тренда и расчете этих величин за пределами разведанных контуров залежей. Методика позволяет автоматизировать расчеты с помощью ЭВМ. По компьютерным специальным программам выполняется оперативный подсчет ресурсов и запасов металлов и осуществляется локальный прогноз скрытого оруденения, а также уточняются контуры рудных тел по мере пополнения поисково-разведочных данных.

Методами тренд-анализа исходных данных учитывается влияние как закономерных, так и случайных составляющих. Свойство изучаемого объекта описывается случайным полем непрерывной скалярной переменной U = f(x, y)+, где f(x, y) – функция координат пространства (тренд), – случайная переменная. Сущность тренд-анализа сводится к выявлению основной тенденции в изменении наблюдаемых значений изучаемых свойств и к их аппроксимации с помощью «поверхностей тренда», описывающих закономерные составляющие изменчивости признаков. Для целей аппроксимации используются различные функции пространственных координат, подбираемых по методу наименьших квадратов. Простейшим способом аппроксимации является сглаживание скользящим окном, которое используется при горно-геологическом моделировании. К более сложным способам тренд-анализа относятся сглаживание с помощью различных линейных преобразований, способ скользящей корреляции значений исследуемых свойств в пределах площадок трансформации и способ аппроксимации эмпирических данных с помощью ортогональных полиномов различных степеней, тригонометрических полиномов, уравнения Лапласа и других сложных функций пространственных координат, требующих использования ЭВМ. Даже наиболее сложные методы тренд-анализа не обеспечивают достоверных и объективных решений, поскольку их результаты зависят от геометрии сети наблюдений, размеров элементарных площадок и других исходных условий проведения тренд-анализа.

Выделение и количественная оценка координированных и случайных составляющих геологических, геофизических и геохимических полей могут выполняться способами последовательной геометризации признака с помощью скользящего среднего. Операцию вычисления среднего значения признака в окне надо рассматривать как его измерение таким методом, у которого область влияния замера соответствует площади окна. Тогда смещение с перекрытием менее половины линейного размера окна обеспечивает прямолинейную интерполяцию признака между расчетными точками. Предельный размер окна определяется минимальным числом входящих в выборку точек. Минимальным оказывается такое число точек, начиная с которого среднее квадратическое отклонение средней оценки не изменяется – обычно не более 20–26. Максимальный размер палетки зависит от размеров элементов неоднородности. Размер окна должен составлять 0,7 размера минимального сечения геометризуемого объекта, а форма окна должна быть подобной его форме.

Тогда количественная характеристика закономерности признана на изучаемом уровне строения определяется поверхностью тренда, а ее случайная составляющая – разностями между значениями в точках наблюдений и на поверхности тренда.

В строении геофизических и геохимических полей должны выделяться те элементы их неоднородности, которые уверенно выявляются сетью принятой густоты наблюдений. Выбор оптимальной геометрии статистического окна возможен путем перебора вариантов сглаживания с учетом априорных представлений о вероятных параметрах элементов неоднородности. Выявление этих параметров возможно с помощью двумерных автокорреляционных функций или спектральных плотностей дисперсий изучаемых признаков, наблюденных в двух взаимно ортогональных направлениях. По данным геологических, геофизических, геохимических съемок возможна последовательная геометризация потенциально рудоносных площадей от рудных районов до рудных узлов, рудных полей, месторождений и их участков для решения задач количественной оценки признаков интенсивности и экстенсивности оруденения в различных масштабах. Путем сопоставления площадных продуктивностей потенциальных рудных районов, рудных узлов, рудных полей, месторождений, показателей закономерной и случайной изменчивости содержаний полезных компонентов в их объемах (с учетом степени телескопирования элементов неоднородности различных структурных уровней) можно получать объективные характеристики для количественных оценок перспектив рудоносности изучаемых территорий.

Имитационное моделирование как метод системного анализа, основан в основном на теории вычислительных систем, теории вероятностей, статистике. Метод использует фактическую информацию, а также методы анализов той области науки, для решения которой он применяется. Такие системы позволяют автоматизировать основные процессы выработки и обоснования вариантов решения о наиболее целесообразных направлениях геологических исследований на различных стадиях геологоразведочного процесса. Это, в конечном итоге, должно определить эффективность исследований, как в рамках отдельных стадий, так и всего цикла геологических работ в целом. Имитационное моделирование используют преимущественно как обучающие системы, вырабатывающие у обучающегося основы понимания рациональной методики поисков и разведки месторождений полезных ископаемых.





Более полную информацию по имитационному моделированию можно найти в книгах Н.Н. Шатагина и В.И. Щеглова [1989] и Ю.Г. Шестакова [1984 г.].

2.3.10. Комплексные и многофакторные модели рудных месторождений Такие модели составляются на основе прогнозно-поисковых, разведочных признаков, отражающих закономерности проявления рудных месторождений в геологических, геофизических, минералого-геохимических полях. Наличие большой информационной базы по разведанным месторождениям полезных ископаемых позволяет создавать их модели как эталоны по главным промышленным типам. Разработать на их основе новые методики оценки. Главной задачей таких разработок является обеспечение сопоставления каждого вновь оцениваемого объекта с модельюэталоном по основным подсчётным характеристикам; определение степени сходства на количественной основе; корректировка размещения выработок по мере получения результатов и подсчет ресурсов и запасов по программам ЭВМ. Определение градиентов изменений морфологии рудных тел и содержаниями полезных компонентов должно служить основой для рационального размещения поисковых и разведочных выработок. В моделях месторождений сочетаются информационные (совокупность подсчётных параметров), функциональные (логические методы формирования модели) и технологические элементы. Они представляют собой сочетания системных и программных методов.

Моделирование месторождений полезных ископаемых становится неотъемлемой составляющей общего геологоразведочного процесса, выполняется от ранних до конечных этапов и стадий. На каждой стадии должно проводиться сопоставление моделей с эталонами, оценка надежности построений, корректировка базовой и конкретной модели. Выполняется комплекс исследований по геолого-экономической оценке объекта. При геолого-экономической оценке модель месторождения выступает в качестве главного конечного результата геологоразведочного процесса.

Взаимосвязи «запасы – кондиции» в многовариантном выражении составляют основу таких моделей. Фактически они представляют частный случай многофакторных моделей, но определяют качественные характеристики конечного продукта геологоразведочного процесса.

Двухуровневая система моделирования включает геологические модели рудного поля и конкретные структурно-вещественные, минералого-геохимические модели рудных месторождений. Они составляются на анализе региональных критериев прогнозирования, степени представительности эталонных объектов. Модели рудных месторождений основаны на локальных признаках, типах их связей на количественной основе. В первом случае подсчитываются прогнозные ресурсы по категории Р2, а во втором – ресурсы категории Р1 и запасы С2.

Прогнозно-поисковые модели – это систематизированные обобщенные описания месторождений в форме совокупности разноранговых соподчиненных критериев и признаков. Такие модели позволяют выбирать рациональные комплексы геологических, геофизических, геохимических прогнозно-поисковых критериев и признаков для разных типов месторождений. Это позволяет оптимизировать затраты на производство соответствующих прогнозных и поисковых работ по выявлению прогнозных ресурсов категорий Р2 и Р1 и частично запасов С2.

Для оценочных работ создаются детальные модели – параметрические, морфометрические, концентрационные, градиентно-векторные.

Параметрические модели рассматривают геологическое пространство, прилегающее к рудным телам. Выделяются надрудные, рудные, подрудные зоны – уровни единой рудно-магматической или рудно-метасоматической колонны. Например, в подрудном пространстве показывают собственно подрудные, подрудные фланговые и подрудные периферийные части. Рудовмещающая часть делится на собственно рудные и фланговые части. Такие модели отражают количественные показатели геохимических, геофизических аномалий, которые фиксируют рудоносные структуры и рудные тела. Параметрические модели используют для прогноза, поисков промышленных месторождений и для оптимизации геометрии и плотности поисковых, оценочных наблюдений.

Морфометрические модели основаны на возможности сопоставления линейных характеристик (геометрических параметров) рудных тел: длины, ширины, мощности с выделением определенных морфологических типов. Используются планы изопахит или изображения рудных тел в изогипсах ограничивающих поверхностей. Такие модели предназначены для прогноза возможной протяженности рудных тел по единичным пересечениям выработками, а, следовательно, и для оптимизации размещения проектируемых профилей. Моделирование позволяет иногда выявлять природу и линейные характеристики рудовмещающих структур, а также оценивать ожидаемые масштабы рудных тел по ограниченной информации. Все это дает возможность оптимизировать оценочные выработки и число буровых скважин.

Градиентно-векторные модели в графической форме отражают распределение мощностей рудных залежей и содержаний металлов. Они позволяют выявлять направления и интенсивность изменения этих химических элементов в рудных телах и в окружающем минерализованном пространстве. Рассматриваемые типы моделей тесно связаны с морфометрическими и концентрационными моделями. Исходными данными для построения таких моделей являются планы изопахит, изоконцентрат (изограммов) рудных тел, а также разрезы с изоконцентратами главных и сопутствующих компонентов.

Pages:     | 1 |   ...   | 30 | 31 || 33 | 34 |   ...   | 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.