Прогнозирование качества угля с применением блочной модели пласта (на примере Кутинского буроугольного месторождения)

Рассмотрена методика прогнозирования качественных показателей углей на основании подготовленных полных и пластовых блочных моделей буроугольных месторождений. Основная цель работы — создание блочной модели пласта «I» Кутинского буроугольного месторождения с качественными характеристиками блоков. В качестве маркерных показателей моделирования определены высшая и низшая теплота сгорания углей и зольность. Отражено выполнение двух задач: создание цифровой блочной модели полезного ископаемого (ПИ) с качественными показателями углей и ее дальнейшее использование в процессе организации добычи; анализ корреляции качественных показателей углей в созданной цифровой блочной модели на основе данных геологоразведочных работ (ГРР) 1959 г. с обобщенными данными эксплуатационной разведки 2020 г.Использованы спроектированные цифровые блочные модели пласта ископаемых углей с интерполированными качественными характеристиками ПИ, построенные на основе данных геологической разведки 1959 г. Исследования показали удовлетворительную сходимость результатов, полученных при блочном моделировании пласта и при эксплуатационной разведке месторождения, выполненной в 2020 г. Также на основе удовлетворительной сходимости данных, авторы предложили гипотезу о применимости методов интерполяции для оценки не только качественных характеристик ПИ, но и показателей безопасности в пределах одной литологической структуры.

Сидорова Г. П., Маниковский П. М. Прогнозирование качества угля с применением блочной модели пласта (на примере Кутинского буроугольного месторождения) // Горный информационно-аналитический бюллетень. – 2022. – № 12. – С. 55–66. DOI: 10.25018/0236_1493_2022_12_0_55.

Исследование выполнено за счет гранта Российского научного фонда № 2-27-20057, https://rscf.ru/project/22-27-20057.

Сидорова Галина Петровна¹ — д-р техн. наук, профессор, e-mail: druja@inbox.ru,
Маниковский Павел Михайлович¹ — старший преподаватель, e-mail: manikovskiypm@yandex.ru, ORCID ID: 0000-0002-0120-1627,
¹ Забайкальский государственный университет.

Сидорова Г.П., e-mail: druja@inbox.ru.

1. Feng G., Bai J., Zhang Y. Basic theories and key technologies of rock strata control for residual coal resources mining under complex conditions // Meitan Kexun Jishu. 2020, vol. 48, no. 1, pp. 144—149. DOI: 10.13199/j.cnki.cst.2020.01.018.

2. Валуев А. М. О моделях и методах оптимизации в задачах проектирования разработки месторождений открытым способом // Горный информационно-аналитический бюллетень. — 2015. — № 2. — С. 197—206.

3. Яковлев А. М. Апробация алгоритмов автоматизированной обработки геологических баз данных в технологических схемах управления качеством полезного ископаемого // Горный информационно-аналитический бюллетень. — 2021. — № 5-1. — С. 248—257. DOI: 10.25018/0236_1493_2021_51_0_248.

4. Кантемиров В. Д., Титов Р. С., Яковлев А. М. Возможности компьютерного моделирования для решения вопросов управления качеством минерального сырья // Проблемы недропользования. — 2016. — № 4. — С. 170—176.

5. Кантемиров В. Д., Яковлев А. М., Титов Р. С. Оценка качественных показателей полезных ископаемых с использованием геоинформационных технологий блочного моделирования // Геоинформатика. — 2020. — № 3. — С. 29—37. DOI: 10.47148/1609-364X2020-3-29-37.

6. Кантемиров В. Д., Яковлев А. М., Титов Р. С. Геоинформационные технологии блочного моделирования для оценки качественных показателей полезных ископаемых в условиях переходных процессов горного производства // Вестник ДВО РАН. — 2021. — № 1. — С. 38—47. DOI: 10.37102/0869-7698-2021_215_01_03.

7. Маниковский П. М., Васютич Л. А., Сидорова Г. П. Методика моделирования рудных месторождений в ГГИС // Вестник Забайкальского государственного университета. — 2021. — Т. 27. — № 2. — С. 6—14. DOI: 10.21209/2227-9245-2021-27-2-6-14.

8. Pinto F. A. C., Deutsch C. V. Expected uncertainty as a function of the variogram, data spacing, and other factors / Application of Computers and Operations Research in the Mineral Industry. Proceedings of the 37th International Symposium APCOM 2015. 2015, рр. 1149— 1161.

9. Abramovich А., Stepanov Yu., Janocko Ju. The influence of the coal mining process on the state of the earth's surface in the district of the block // E3S Web of Conferences. 2020, vol. 174, article 01051. DOI: 10.1051/e3sconf/202017401051.

10. Babish G. Geostatistics without tears. A practical guide to surface interpolation, geostatistics, variograms and kriging. Regina, Saskatchewan. 2006, 9 p.

11. Mohammadpour M., Bahroudi A., Abedi M., Rahimipour G., Khalifani F. M. Geochemical distribution mapping by combining number-size multifractal model and multiple indicator kriging // Journal of Geochemical Exploration. 2019, vol. 200. рр. 13—26.

12. Afeni T. B., Akeju V. O., Aladejare A. E. A comparative study of geometric and geostatistical methods for qualitative reserve estimation of limestone deposit // Geoscience Frontiers. 2020, vol. 12, no. 1, pp. 243—253. DOI: 10.1016/j.gsf.2020.02.019.

13. Наговицын О. В., Лукичев С. В. Концептуальный подход к моделированию объектов горной технологии средствами MINEFRAME / Вопросы осушения, геологии и геоинформатики, геомеханики, специальных горных работ и горных технологий. Материалы 12 международного симпозиума «Освоение месторождений минеральных ресурсов и поземное строительство в сложных гидрогеологических условиях». — Белгород: ВИОГЕМ, 2013. — С. 238—245.

14. Dell'Accio F., Di Tommaso F. On the hexagonal Shepard method // Applied Numerical Mathematics. 2019. vol. 150. рр. 51—64. DOI: 10.1016/j.apnum.2019.09.005.

15. Капутин Ю. Е. Системы контроля содержаний (Grade control) на горных предприятиях. — СПб.: Недра, 2012. — 330 с.

16. Проценко А. В., Байров Ж. Б., Федотов Г. С., Зартенова Л. Г. Использование экономических показателей в методике среднесрочного планирования горных работ в горногеологической информационной системе Micromine // Горный информационно-аналитический бюллетень. — 2018. — № 8. — С. 208—216. DOI: 10.25018/0236-1493-2018-8-0208-216.

17. Сапронова Н. П., Федотов Г. С. Особенности моделирования пластовых месторождений в среде ГГИС Micromine // Горный информационно-аналитический бюллетень. — 2018. — СВ 1. — С. 38—45.

18. Лукичев С. В., Наговицин О. В., Семенова И. Э., Белогородцев О. В. Mineframe — подходы к решению задач проектирования и планирования горных работ / Инновационные направления в проектировании горнодобывающих предприятий. Сборник научных трудов. № 198. — СПб., 2017. — С. 50—59.

19. Gholamnejad J., Azimi A., Teymouri M. Application of stochastic programming for iron ore quality control // Journal of Mining and Environment. 2018, vol. 9, no. 2, pp. 331—338. DOI: 10.22044/jme.2018.5952.1409.

20. Басаргин А. А. Моделирование месторождений рудных полезных ископаемых с использованием геоинформационной системы Micromine // Интерэкспо Гео-Сибирь. — 2016. — Т. 1. — № 2. — С. 151—155.