Главная страница  |  Карта сайта  |  Обратная связь  |  Поиск по сайту:
Geologam.ru
Геология Геофизика Минералогия Индустрия Нефть и газ
Подразделы
Все статьи Разведка месторождений Рудники Шахты
 
Похожие статьи
Методы оценки скальных оснований
Геология › Геологические структуры

Использование геофизических методов разведки для палеотектонического анализа
Нефть и газ › Разведка

Оценки ресурсов газа Ямальской области
Нефть и газ › Месторождения Ямала

Основные теоретические положения количественной оценки достоверности геологической информации
Индустрия › Разведка месторождений

Особенности оценки неоднозначности модели гипсометрии в условиях угольных пластов крутого падения
Индустрия › Разведка месторождений

Оценка точности планового положения изолиний и правомерности интерполирования между точками измерений мощностей и показателей качества угля
Индустрия › Разведка месторождений

Уравнивание нерегулярных цифровых моделей и его практическое использование
Индустрия › Разведка месторождений

Применение метода мощностей для палеотектонического анализа
Нефть и газ › Разведка

Содержание курсовой работы по методам поисков и разведки месторождений нефти и газа
Нефть и газ › Разведка

Методика палеотектопического анализа локальных структур
Нефть и газ › Разведка

Некоторые вопросы, связанные с использованием геофизических материалов
Нефть и газ › Месторождения

Методика поисков погребенных локальных поднятий структурным бурением
Нефть и газ › Разведка

Методика выявления глубинных структур по картам схождения
Нефть и газ › Разведка

Методика выявления погребенных тектонических разрывов
Нефть и газ › Разведка

 
 

Метод комбинаторных разрежений и его использование для оценки точности среднего значения признака по малому числу измерений

Главная > Индустрия > Разведка месторождений > Метод комбинаторных разрежений и его использование для оценки точности среднего значения признака по малому числу измерений
Статья добавлена: Ноябрь 2017
            0


Изложенный ниже оператор преобразования обеспечивает выполнение оценки точности среднего значения признака в пределах заданного контура (например, подсчетного блока, элемента блочной геометрической модели) и выделение ураганных проб [57; 59]. В настоящее время имеется положительный практический опыт его применения при выполнении горно-геометрических, геоинформационных, геологоразведочных, научно-исследовательских и экспертно-инвестиционных работ в условиях россыпных месторождений золота, угольных месторождений (в части оценок значений мощности пластов, зольности угля и содержания в нем редкоземельных элементов), месторождений кварцевого песка.

Рис. 5.1. Метод комбинаторных разрежений 
Рис. 5.1. Метод комбинаторных разрежений
Сущность метода состоит в следующем. Пусть имеется п( измерений признака в некотором контуре (практически метод применялся при значениях nf от 5 до 243). Естественно, что имеющееся число измерений было достигнуто постепенно и по мере его увеличения точность оценки среднего значения объективно возрастала. Попытаемся промоделировать этот процесс (рис. 5.1), предварительно рассчитав среднее арифметическое значение признака с использованием всех произведенных измерений (С — горизонтальная пунктирная линия на рис. 5.1).

Предположим, что в нашем распоряжении находится всего лишь один замер из числа реально существующих. Тогда возникнет nf вариантов значений среднего (назовем их частными средними и обозначим как Сч). Диапазон их возможных значений, соответствующий в данном случае размаху признака, изображен на рис. 5.1 над цифрой 1 на шкале числа наблюдений n. Далее предположим, что в нашем распоряжении имеется уже не один, а два, три, четыре, ..., k и т. д. (до nf — 1) замеров. Понятно, что по мере возрастания k диапазон изменения частных сред-них будет уменьшаться (рис. 5.1), а их количество для каждого к составит N = nf! / (k(nf — k)! (где ! — знак факториала). Далее для каждого варианта числа использованных измерений k можно вычислить среднеквадратическое отклонение S частных средних значений Сч от генерального среднего С


Рис. 5.2. Вид фукции S=F(k) для массивов данных 
Рис. 5.2. Вид фукции S=F(k) для массивов данных
и построить зависимость значений S от k (рис. 5.2). Соблюдая имеющую место тенденцию изменения функции S = F(k) (тонкая экстраполяционная линия на рис. 5.2,а), можно определить ожидаемое значение отклонения S и для фактически выполненного числа наблюдений nf, т. е. определить величину m, непосредственно связанную с погрешностями полученного генерального среднего значения С.

Экспериментально установлено, что характер функции S = F(k) существенно различен для массивов данных, не содержащих (рис. 5.2, а) и содержащих (рис. 5.2, б) ураганные замеры. Для того чтобы более четко определить характер рассматриваемой функции, необходимо осуществлять построение ее полувариограммы.


Рис. 5.3. Линейные модели полувариаграмм графиков S=F(k) 
Рис. 5.3. Линейные модели полувариаграмм графиков S=F(k)
Для массивов данных, не обладающих ураганными замерами, линейные модели полувариограмм имеют вид, типичный для признаков с отличной и умеренной непрерывностью (рис. 5.3, а), а для обладающих типичный для «эффекта самородков» (рис. 5.3, б). Практически выделение и ограничение ураганных замеров осуществляется следующим образом. Если тип линейной модели полувариаграммы относится к виду 5.3, б, то производится замена наибольшего значения на ближайшее к нему и расчеты повторяются до тех пор, пока не будет получена полувариограмма вида 5.3, а.

Оценка работоспособности предлагаемого метода произведена по методике [19], разработанной в секторе методики разведки ВИМС под руководством проф. В. А. Петрова, на основе материалов разведки россыпного месторождения золота, опробованного по сети 5х5 м и последующего многовариантного разрежения этой сети. В исследованиях [19] в качестве интегральных показателей качества методов выделения и ограничения ураганных проб приняты отношение числа случаев эффективной работы метода к дефектной и процент случаев пропуска исходных положительных погрешностей (более 20 %). Для признанного в работе [19] наилучшим упрощенного метода П. Л. Каллистова эти показатели соответственно равны 1,0 и 33 %. Предлагаемый метод показал (при общем числе вариантов разрежения 164 и числе измерений в варианте, равном 18) более хорошие результаты — 3,9 и 28 %.

Вероятность обнаружения ураганных замеров с помощью рассматриваемого метода достаточно высока и составляет 85 %.

Рис. 5.4. Экспериментальная зависимость между фактическими погрешностями (П) 
Рис. 5.4. Экспериментальная зависимость между фактическими погрешностями (П)
Следует обратить внимание на характер функции S=F(k). Главной ее особенностью является то, что она асимптотически приближается к своему нулевому значению. Однако, исходя из общего характера функции, значение S в точке, соответствующей фактическому количеству выполненных наблюдений (95 для рис. 5.2, а и 20 для рис. 5.2, б), не равно нулю и составляет величину Sд.

Экспериментально установлено, что истинная погрешность рассчитанного среднего значения признака П статистически связана с уровнем Sд (см., например, рис. 5.4) и не превышает величины КпSд


Значение коэффициента пропорциональности Кп зависит как от требуемого уровня достоверности оценки Р, так и от количества использованных измерений N. На основании анализа материалов угольных и россыпных месторождений можно рекомендовать следующий порядок определения коэффициента Кп:


Рис. 5.5. Фрагмент плана участка ведения открытых горных работ 
Рис. 5.5. Фрагмент плана участка ведения открытых горных работ
Для расчетов по предлагаемой методике разработана специальная компьютерная программа для персональной ЭВМ, реализующая некоторые специальные приемы, позволяющие уменьшить число рассчитываемых комбинаций замеров, и обеспечивающая получение на экране и на бумажных носителях всей необходимой цифровой и графической документации.

Применение метода достаточно разнообразно. В качестве примера рассмотрим следующую задачу. Для обеспечения одного из городов Кузбасса местным углем поступило предложение об организации небольшого угольного разреза по отработке пласта A...I. В пределах участка (рис. 5.5) нормальная мощность пласта изменяется в очень широких пределах от 0 (отсутствие пласта) до 9,5 м. При расчете ожидаемых технико-экономических показателей отработки участка инициатором предложения мощность пласта была принята равной 4,4 м (линия выклинивания оценивалась как линия обреза).

Рис. 5.6. Результаты оценки точности среднего значения мощности пласта 
Рис. 5.6. Результаты оценки точности среднего значения мощности пласта
В ходе экспертизы характер выклинивания был изменен и принята более распространенная схема постепенного утонения пласта. Поэтому при расчетах не только были использованы данные по замеру № 10, но и было введено два дополнительных фиктивных замера 10' и 11'.

В результате средняя мощность пласта по участку составила 3,4 м. Параметр Sд (рис. 5.6, б) составляет 0,47 м, коэффициент Кпр при уровне вероятности 0,67: Кпр = 4,18 — 0,156 · N + 0,002 · N2 = 2,71 и ожидаемая погрешность среднего П = 0,47 · 2,71 = 1,3 м. Такая значительная погрешность среднего значения мощности может привести к существенным изменениям в технико-экономических показателях работы предприятия.

В ходе проведенного анализа было также установлено, что данные не содержат аномальных замеров (рис. 5.7).

Рис. 5.7. Линейная модель полувариаграммы графика S=F(k) 
Рис. 5.7. Линейная модель полувариаграммы графика S=F(k)
Таким образом, при пессимистической оценке ситуации общие промышленные запасы угля могут, с учетом точности построения линии выклинивания, уменьшиться с 370 до 100 тыс. т, а ожидаемый коэффициент вскрыши возрасти с 4,5 до 15 м3/т. Поскольку подобные изменения не могут рассматриваться как приемлемые, необходимо проведение дополнительных геологоразведочных работ. Отметим, что выполненная после проведения экспертизы доразведка подтвердила основные полученные выводы: промышленные запасы участка составили всего 124 тыс. т.

Рассмотренная методика может применяться не только на ранних стадиях разведки, но и на ее заключительных стадиях для оценки погрешностей определения содержаний токсичных и полезных компонентов, состава золы, элементного состава угля и т. д.
Источник: «Количественная оценка достоверности геологических материалов угольных месторождений», С. В. Шаклеин, 2005


ОЦЕНИТЕ ПОЖАЛУЙСТА ЗА ЭТУ СТАТЬЮ
0
ПРЕДЫДУЩИЕ СТАТЬИ
Оценка достоверности геометрической модели, построенной по данным сети замеров, расположенных на одной прямой
Индустрия > Разведка месторождений

Прогнозирование местоположений и амплитуд дизъюнктивных нарушений
Индустрия > Разведка месторождений

Уравнивание высотных отметок пласта
Индустрия > Разведка месторождений

Выделение аномальных зон с помощью уравнивания
Индустрия > Разведка месторождений

Выделение аномальных замеров мощностей пластов и показателей качества угля с помощью уравнивания
Индустрия > Разведка месторождений

Уравнивание мощностей и показателей качества углей
Индустрия > Разведка месторождений

Уравнивание нерегулярных цифровых моделей и его практическое использование
Индустрия > Разведка месторождений

Оценка погрешности определения количества балансовых запасов по подсчетным геологическим блокам
Индустрия > Разведка месторождений

СЛЕДУЮЩИЕ СТАТЬИ
Экспресс-оценка уровня горного риска
Индустрия > Разведка месторождений




ССЫЛКА НА СТАТЬЮ В РАЗЛИЧНЫХ ФОРМАТАХ
ТекстHTMLBB Code


Комментарии к статье


Еще нет комментариев


Сколько будет 47 + 13 =

       



 
 
Geologam.ru © 2016 | Обратная связь | Карта сайта | Поиск по сайту
Геология • Геофизика • Минералогия • Индустрия • Нефть и газ