Петин А.Н., Васильев П.В. Геоинформатика в рациональном недропользовании

Подождите немного. Документ загружается.

ственно на два типа: каркасное и блочное. Если первый тип, иногда назы-

ваемый геометрическим, выполняется без интерполирования, то второй

основан главным образом на интерполировании геопоказателей в блоках.

Блочная модель строится заполнением каркасов рудных тел или по резуль-

татом стохастической имитации кондиций.

При каркасном моделировании геологические объекты описываются

набором векторных линий: контурами границ, многоугольниками или по-

лигонами и для трѐхмерного случая – многогранниками или полиэдрами. В

любом случае все грани геологических объектов представляют собой не

что иное, как полигон или контур. Проекции разломов в плоскости сече-

ний, линии водоразделов или бровки уступов при этом представляются в

виде незамкнутых ломаных или полилиний, в ряде горно-геологических

пакетов называемых стрингами. При традиционных способах моделирова-

ния каркасное моделирование выполнялось без применения компьютеров,

вручную, с помощью отрисовки контуров рудных тел и вмещающих пород

на планах и разрезах. Подсчѐты запасов такими методами как геологиче-

ских блоков, разрезов, треугольников и ближайшего района основаны на

предварительном полигональном или каркасном моделировании месторо-

ждения.

При блочном моделировании всѐ пространство месторождения раз-

бивается решеткой на блоки и для каждого блока в узле решетки вычис-

ляются значения геологических показателей путѐм интерполяции или

имитации значений исходных точек опробования. При интерполяции

используются различные процедуры дистанционного взвешивания и

геостатистики, которые практически невыполнимы без применения ком-

пьютеров. Таким образом, подсчѐт запасов ведѐтся по регулярным бло-

кам модели, трѐхмерному аналогу метода объѐмной палетки Соболев-

ского или осаждения слитка.

3.4. Формирование баз данных проб и моделей

Компьютерное моделирование больших горно-геологических объек-

тов и оценка запасов месторождений невозможны без формирования и по-

стоянного обновления баз данных (БД). Объѐмы БД для моделирования и

оперативного подсчѐта запасов обычно составляют десятки и сотни мега-

байт, а для детально разведанных и эксплуатируемых месторождений с

пополнением информации объѐм может составлять гигабайты. Поэтому

выбор формата хранения БД, еѐ структуры и установление связей между

таблицами играют важную роль для обеспечения надежности и быстро-

действия последующих вычислений. На рис. 3.13 представлена общая схе-

ма состава БД и операций по подсчѐту запасов. Для формирования полной

модели месторождения и последующей оценки запасов база данных долж-

на содержать набор информации, представленный в электронном виде. Та-

кой набор включает, в частности, следующую информацию:

 координаты устьев скважин;

 каталог маркшейдерских точек по трассам выработок;

 данные инклинометрии;

 данные опробования (скважин, бороздовых траншей, канав и т.д.);

 другие характеристики выработок (выход керна, каротаж, описа-

ние литологических интервалов и т.д.).

Как дополнение к первичной информации вводится обычно имею-

щаяся по месторождению после утверждения в ГКЗ картографическая ин-

формация:

 топография поверхности месторождения;

 геологические планы и разрезы с нанесением контуров рудных

тел, зон, подсчетных блоков, литологических и стратиграфических границ,

тектонических нарушений;

 планы подземных горизонтов с нанесением контуров выработок;

 план опробования поверхности по траншеям (бороздам).

Рис. 3.13. Общая схема состава геолого-маркшейдерской БД и операций

моделирования месторождения и оценки запасов

База данных геолого-маркшейдерской информации

Маркшейдерские измерения

Геологические измерения

Данные опробования

и инклинометрии,

координаты точек

Параметры промышлен-

ных кондиций

Отсканированные

карты, планы, изо-

бражения и графики

Свойства элементов,

минералов

и пород

Нормативно-справочная

информация

Вывод отчѐтов

на печать, плоттер

База данных моделей и карт

Блочные модели

Каркасные модели

Карты и чертежи

Контуры подсчѐта

Моделирование

залежи

Оценка и учет

запасов

Вся эта информация вводится из максимально достоверных источни-

ков. При этом ввод числовой и текстовой информации должен произво-

диться в формате, соответствующем формату файлов той или иной геоин-

формационной системы, или вводиться, например, в формате xls с после-

дующим импортом в «родной» формат программного обеспечения. Ввод

же графической информации, как правило, осуществляется непосредст-

венно в самой программе (векторизация сканированных изображений),

хотя такая информация может быть также импортирована из других про-

грамм. Изображение должно быть в векторном виде.

В БД компьютерных систем геологического моделирования место-

рождений предусматриваются средства, позволяющие осуществлять:

 определение ошибок в записях при загрузке таблиц базы данных –

контроль соответствия длины проб и разности интервалов опробования,

проверка диапазонов изменения содержаний, поиск ураганных аномаль-

ных значений и пр.;

 анализ полноты исходного массива «объекты-параметры», в том

числе выделение размытых объектов по характеристикам и по числу от-

сутствующих значений;

 выявление слабоизменяющихся параметров по числу градаций

значений и изменению масштаба измерения параметров;

 построение гистограмм распределения значений показателей и

расчет усредненных характеристик для заполнения пропусков в исходных

данных;

 формирование таблиц «объекты-параметры» в заданных границах

горно-геологических объектов;

 удаление дублирующих свойств, корреляционный анализ и опре-

деление представительности обработки исходных данных;

 выбор информационной совокупности параметров, транспониро-

вание таблиц «объекты-параметры» и нормализация данных.

По результатам всех этапов анализа данных формируется схема их

обработки на компьютере для решения конкретной функциональной зада-

чи геологического обеспечения. В качестве обязательных в реляционных

таблицах геологической базы данных в большинстве интегрированных

систем используются следующие поля:

ID – идентификатор записи, ключевое поле для обеспечения связи с

другими таблицами, ускорения поиска и расчѐта;

DHOLE, BOREHOLE или DH – алфавитно-цифровой идентификатор

разведочной выработки (скважины или борозды опробования);

SAMPLE – алфавитно-цифровой номер пробы;

FROM – начало интервала опробования;

TO – конец интервала опробования;

X (EAST) – координата X или направление на восток;

Y (NORTH) – координата Y или направление на север;

Z (ELEVATION) – координата Z или направление вверх по вертикали;

AZIMUTH – азимутальный (горизонтальный) угол, град;

DIP или SLOPE – вертикальный угол отклонения соответственно от

вертикали или от горизонтали, град;

DENSITY – плотность пробы, г/см

;

MOISTURE – влажность пробы, %.

Прочие поля показателей, названий химических компонентов и ти-

пов горных пород и руд обычно могут быть выбраны пользователем при

создании базы данных по своему усмотрению, однако в промышленных

системах для наименований полей предпочитают, как правило, стандарт-

ные обозначения, взятые из соответствующих справочников элементов,

минералов и горных пород.

Учитывая, что информация представлена большим массивом данных

(особенно это касается данных опробования), могут появляться ошибки,

связанные как с процессом ввода, так и с ошибками первичных материа-

лов. На это необходимо обратить внимание и стараться их минимизиро-

вать проверкой данных.

Перечисленные выше модели данных тесно связаны с математиче-

скими моделями и являются их неотъемлемой частью. Математическая

модель – это абстрактный аналог физической модели, в которой объекты

заменены математическими понятиями – переменными, параметрами, кон-

стантами. Математические модели можно разбить на три группы: детер-

минированные, вероятностные и динамические.

Детерминированной моделью называется такая модель, в которой

отсутствует случайная компонента и каждому значению аргумента соот-

ветствует только одно значение зависимой переменной. К вероятностным

моделям относятся модели законов распределения случайных величин.

Динамические модели – изменяющиеся во времени, могут быть как детер-

минированными, так и вероятностными.

Применение современных компьютерных систем позволяет автома-

тизировать решение многих горно-геологических задач, таких, как: выяв-

ление статических закономерностей размещения и связей между показате-

лями, моделирование рудных тел, подсчет запасов полезного ископаемого

с разбивкой по сортам и категориям, учет добычи, потерь и разубожива-

ния, планирование горных работ, построение горно-геометрических схем

размещения различных показателей месторождения, определение складов

и отвалов по данным маркшейдерской съемки и т.д. [3].

3.5. Анализ пространственной изменчивости

Изменчивость пространственных геолого-экологических показателей

существенно влияет на методику сбора первичной информации, густоту

разведочной сети скважин опробования и технологию компьютерного мо-

делирования месторождения и окружающей местности. Процедуры коли-

чественной оценки изменчивости можно разделить, как это отмечается в

[28], на 1) детерминированные, или аналитические, 2) вероятностные и 3)

геостатистические.

Использование компьютерных технологий привело к подавляющему

распространению наиболее устойчивых к нарушению исходных предпосы-

лок, робастных и учитывающих пространственное размещение проб гео-

статистических методов анализа изменчивости. Среди геостатистических

методов наибольшее распространение получили методы на основе расчета

вариограмм изменчивости геопоказателей и транзитивно-вероятностные,

использующие теорию Марковских цепей.

Вариограммы для оценки локальной или глобальной изменчивости

геопоказателей на месторождении определяют в два этапа:

1) строится экспериментальная или эмпирическая вариограмма;

2) подбирается модель вариограммы, описывающая функциональ-

но-пространственную закономерность изменчивости изучаемого пока-

зателя.

Экспериментальная вариограмма находится вычислением дисперсии

содержаний в каждой точке множества по отношению к каждой другой

точке и отображается в виде графика зависимости дисперсии от расстоя-

ния между данными точками в заданном интервале величин – лаге. Затем

модельную вариограмму обычно получают путѐм подгонки кривой с за-

данным законом распределения к экспериментальной по методу наимень-

ших квадратов.

3.5.1. Расчет эмпирических вариограмм

При расчете эмпирической вариограммы расстояния между всеми

парами рассеянных точек подразделяются на некоторое число интервалов,

или лагов, как это показано на рис. 3.14. Дисперсии всех пар точек, чьи

расстояния друг от друга попадают в один и тот же лаг, усредняются. Ре-

зультаты усреднения выводятся в виде графика зависимости эмпирической

вариограммы от увеличения

расстояния, соответствующего

большему или меньшему лагу.

Это приводит к тому, что для

каждого лага отображается

лишь одна точка эмпирической

вариограммы.

Схема расчѐта эмпириче-

ской вариограммы для двух-

мерного случая представлена

на рис. 3.14.

В программном обеспе-

чении при вводе полного числа

лагов и размера единичного ла-

га одновременно указывается и

Рис. 3.14. Схема расчета эмпирической

вариограммы

допуск лага. Обычно величина допуска соответствует половине размера

единичного лага.

Вычисляемые по исходным рассеянным точкам данных статистиче-

ские функции называются эмпирическими вариограммами. При анализе

первичных данных в геостатистике используются следующие виды варио-

грамм.

1. Вариограмма. Эта функция используется в качестве наиболее обще-

принятого представления изменчивости данных и на самом деле яв-

ляется полувариограммой. Значение вариограммы



(h) по геопоказа-

телю