Unusually high sample determination based on modal analysis

Мұқаба

Дәйексөз келтіру

Толық мәтін

Аннотация

The analysis of unusually high samples requires special accuracy, since possible errors in calculating re serves can lead to unjustified underestimation or overestimation of reserves at the ore field site and significantly distort the true picture of the economic viability of the solid mineral deposit. The most commonly used methods for determining unusually high samples are based on statistical analysis, which makes it possible to justify mathematically the identifi cation of outstanding samples. Nevertheless, in some cases, modified histogram construction methods should be used for deposits of the third and fourth complexity groups to identify unusually high samples. The purpose of this study is to demonstrate the possibility of using modal analysis enabling identification of  low-frequency values on a histogram. To make the calculation of the number of classes more convenient a formula and a graphical method for determining this value are proposed. In addition to the frequency analysis, the spatial component of the useful component distribution at the deposit is analyzed, as well as the location of unusually high samples on the plan or section. This method allows to determine the spatial clustering of samples and not to classify this case as unusually high samples. The article demon strates the testing of this method based on a placer gold deposit. The number of classes is calculated according to the proposed methodology, modal values are calculated, and a spatial analysis is carried out using the inverse distance weighted method.

Авторлар туралы

V. Ruposov

Irkutsk National Research Technical University

Email: ruposov@istu.edu
ORCID iD: 0000-0003-2202-9034

Әдебиет тізімі

  1. Прерис А.М. Определение и учет ураганных проб. М.: Недра, 1974. 104 с.
  2. Снетков В.И., Соловьев А.А. Оценка представительности данных разведки на месторождении «Ожерелье» с позиций теории случайных функций // Известия Сибирского отделения секции наук о Земле Российской академии естественных наук. Геология, поиски и разведка рудных месторождений. 2013. № 2. С. 37–43. EDN: RTGRWD.
  3. Снетков В.И., Соловьев А.А. Исследование явления ураганности проб в зависимости от принятых параметров кондиций при подсчете запасов // Известия Сибирского отделения секции наук о Земле Российской академии естественных наук. Геология, поиски и разведка рудных месторождений. 2016. № 2. C. 33–39. https://doi.org/10.21285/0301-108X-2016-55-2-33-39. EDN: WAXNBZ.
  4. Козин В.З., Комлев А.С. Эффекты опробования, связанные с асимметрией распределений массовых долей компонентов в точечных пробах // Горный информационно-аналитический бюллетень (научно-технический журнал). 2022. № 11-1. С. 107–118. https://doi.org/10.25018/0236_1493_2022_111_0_107. EDN: EZSIQJ.
  5. Вяльцев А. С., Кирьяков Г.А. Способы определения ураганных содержаний при оценке минеральных ресур сов // Успехи современного естествознания. 2024. № 6. С. 41–49. https://doi.org/10.17513/use.38281. EDN: VJQJCX.
  6. Полевский А.Ю., Дмитрак Ю.В., Монаков Е.В. Использование инструментов построения всенаправленных вариограмм в ГГИС Micromine для золото-сульфидных месторождений с весьма сложным распределением золота // Маркшейдерия и недропользование. 2023. № 2. С. 20–28. https://doi.org/10.56195/20793332_2023_2_20_24. EDN: USGVIS.
  7. Конышев В.О. Опыт оценки погрешностей опробования и совершенствование методологии разведки место рождения с бонанцевым распределением золота // Отечественная геология. 2004. № 6. С. 4. EDN: HSELHH.
  8. Живулько А. Подавление ураганных содержаний при оценке минеральных ресурсов // Золото и технологии. 2018. № 2. С. 46–49. EDN: YBMKKD.
  9. Давид М. Геостатистические методы при оценке запасов руд / пер. с англ. Л.: Недра, 1980. 360 с.
  10. Сатыбеков М.Б., Зарлыков А.К., Шамшиев О.Ш. Влияние метода оценки и ограничения выдающихся проб на вывод среднего содержания // Известия Кыргызского государственного технического университета им. И. Раззакова. 2024. № 1. С. 80–91. https://doi.org/10.56634/16948335.2024.1.80-91. EDN: ITPTPM.
  11. Конышев В.О. К методике оценки содержаний Au в рудопроявлениях с крупным золотом Ортон-Балыксинского района, Кузнецкий Алатау // Руды и металлы. 2014. № 2. С. 44–64. EDN: SAHZQD.
  12. Гончаренко С.Н. Построение индикаторной модели интерпретации границ геологических и рудных областей минерализации месторождения // Известия Тульского государственного университета. Технические науки. 2021. № 5. С. 184–196. https://doi.org/10.24412/2071-6168-2021-5-184-197. EDN: SJJCAF.
  13. Филонюк В.А. Некоторые философские аспекты развития современного научного знания // Новые идеи в философии. 1996. № 5. С. 113–118. EDN: EHINYH.
  14. Пат. № 725656, Российская Федерация, G01V 9/00. Способ разведки золото-кварцевых жил / В.А. Филонюк, Н.Н. Блинков, Л.П. Власьевский. Заявл. 1985.06.07; опубл. 20.05.1999.
  15. Кумбс Д. Искусство и наука оценки запасов. Перт: Coombes capability, 2008. 231 с. 16. Лобач В.И. Учет выдающихся подсчетных параметров на основе статистической неоднородности рудных месторождений // Руды и металлы. 2007. № 4. С. 42–49. EDN: KYJNRB. 17. Малютин Ю.А. Особенности моделирования зон минерализации по геологоразведочным данным // Вест ник Московского университета. Серия 4: Геология. 2020. № 5. С. 45–54. EDN: HKULWJ.
  16. Карпенко И.А., Куликов Д.А., Черемисин А.А. Повариантный подсчет запасов для ТЭО освоения и кондиций по месторождению Сухой лог и направления его последующей геолого-экономической оценки // Руды и металлы. 2008. № 2. С. 37–56. EDN: KYJOGV.
  17. Сунцев А.С. О достоверности опробования россыпи по разведочным скважинам // Вопросы науки и образования. 2020. № 11. С. 6–8. EDN: OHASHY.
  18. Чемезов В.В. О достоверности и представительности результатов разведки россыпей // Разведка и охрана недр. 2006. № 3. С. 29–32. EDN: KKNTCZ.
  19. Засько Ю.Е. Геолого-маркшейдерские исследования запасов россыпного золота Верхне-Аркагалинского природно-промышленного комплекса // Горный информационно-аналитический бюллетень. 2001. № 8. С. 37–39. EDN: MVCIXN.
  20. Абатурова И.В., Петрова И.Г., Болтыров В.Б., Клокова Ю.В. Особенности проведения экологической оценки на месторождениях рудного золота в Иркутской области и Якутии // Горный информационно-аналитический бюллетень (научно-технический журнал). 2022. № 11-1. С. 5–17. https://doi.org/10.25018/0236_1493_2022_111_0_5. EDN: EHXKPZ.

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML
Жүктеу


Creative Commons License
Бұл мақала лицензия бойынша қолжетімді Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».