бранная оператором техника и приѐмы измерений позволяют минимизиро-
вать эти погрешности.
Основные измерительные ошибки имеют обычно следующий поря-
док величин.
1. Ошибка определения плотности пород в некоторых случаях может
достигать 5-10%. Большие ошибки обычно связаны с малым выходом кер-
на при интервальном опробовании скважин.
2. Погрешность экспертного оконтуривания и определения площадей
на планах определяется в 2-3%.
3. Маркшейдерская погрешность составления планов, которая пока-
зывает влияние на точность замеров площадей и расстояний между выра-
ботками, находится в пределах 0,5-1,0%.
4. Погрешность замеров мощностей определяется в 2-10%, а иногда по
скважинам без контрольного каротажа скважин доходят до 20-30%. При
этом максимальные ошибки обычно относятся к маломощным телам, тогда
как для мощных залежей относительные погрешности всегда меньше.
5. Согласно действующим инструкциям, погрешность химических
анализов для руд черных, цветных и редких металлов может составлять от
1 до 20%, а в ряде случаев, например, ртути или ванадия при низком их со-
держании в руде, достигать 30% и выше. Большие погрешности обычно
получаются для руд с низким содержанием полезного компонента, тогда
как для богатых руд относительная погрешность химических анализов
обычно меньше.
6. С геологическими погрешностями, как правило, связаны значитель-
ные ошибки в подсчете запасов. Величина погрешности, зависящая от рас-
пространения показателей (мощности, плотности и содержания) отдельных
разведочных выработок на весь подсчитываемый объѐм полезного ископае-
мого является, как правило, больше, чем погрешности измерений. При под-
счете запасов высоких категорий (А и В) погрешность может доходить до
10-15%. Иногда, особенно при неправильном представлении геологического
строения месторождения и просчѐтах в определении параметров оценки за-
пасов, она может быть и выше, что в общем случае недопустимо.
Среди методических погрешностей наибольшее влияние на резуль-
таты оценки запасов могут оказывать способы оцифровки рудных тел,
приѐмы оконтуривания и методы интерполяции при построении цифровой
модели месторождения. Здесь также многое зависит от опыта оператора и
умения выбрать правильный метод подсчѐта. Развитие компьютерной тех-
нологии автоматизированного моделирования залежи и подсчѐта запасов
на основе теории нейронных сетей с элементами искусственного интеллек-
та позволит полностью устранить влияние субъективного фактора.
Все типы указанных погрешностей могут быть как случайными, так и
систематическими. Случайные погрешности с противоположным знаком мо-
гут взаимно погашать друг друга и не оказывают серьезного влияния на ко-
нечные результаты оценки запасов. Вероятность получения резко преобла-
дающего количества случайных погрешностей с одним знаком весьма незна-