دانلود مقاله ترجمه شده روشی جدید برای طراحی سه بعدی طرح حفاری اکتشافی تکمیلی بر اساس ارزش کانسار و توابع هدف

چکیده

در مدل ­سازی علوم زمین، میزان زیادی از عدم ­قطعیت با تفسیر داده­ های زیرسطحی همراه است. حفاری گمانه یکی از بهترین ابزارها برای اکتشاف زیرسطحی جمع ­آوری داده­ ها است. عدم قطعیت مدل­ سازی ذخیره کانسار، می­ تواند با طراحی هوشمند حفاری­ های تکمیلی بین گمانه ­های اصلی و اولیه کاهش یابد. در این مقاله با استفاده از مفهومی از آستانه فاصله، روش جدیدی برای تعیین تعداد و همچنین خصوصیات بُعدی و جهتی چنین حفاری­ های اضافی بر اساس ارزش کانسار و توابع هدف معرفی می­ شود. روش پیشنهادی در کانسار آهن چغارت، در ایران مرکزی تأیید شده است. پس از محاسبات پارامترهای آماری توصیفی، در ادامه مراحل زمین ­آماری مانند واریوگرافی، مدل­ سازی انیزوتروپی، و تخمین کریجینگ متغیرهای آهن (Fe) و فسفر (P) انجام می­ شود. آستانه­ ها معمولاً مجموعه داده­ ها را با یک مرز مشخص به دو دسته تقسیم می ­کنند و نمونه­ های تخصیصی به این شاخص ­ها دارای عدم­ قطعیت هستند. به جای آستانه نقطه ­ای، آستانه فاصله با تابع عضویت فازی اجرا شد. از آستانه فاصله، با در نظر گرفتن عیار Fe و P مربوط به خروجی­ های کریجینگ (نرم)، برای تعیین شاخص­ ها استفاده می­ شود. بر اساس یک آستانه برای Fe و دو آستانه برای P، شش دسته از شاخص ­های ترکیبی از Fe و P ایجاد شد. میانگین شاخص وزنی (IWA) و درجه عضویت مربوط به دسته (CMD) برای هر بلوک (نمونه) با آستانه فاصله اندازه­ گیری شد. توابع ترجیحی Fe و P برای مدل­ سازی مقادیر مثبت، خنثی و منفی (رفتارها)، در محدوده­ عیار­های مختلف تعیین شد. تابع ارزش کانسار به عنوان تابعی از CMD، درجه­ های ترجیحی و فاکتورهای وزنی برای عیار­های Fe و P تعیین می­ شوند. در نهایت، معادله ضرب­ پذیر تابع ارزش کانسار و واریانس کریجینگ به عنوان تابع هدف محاسبه می ­شود. با توجه به مقادیر بالای تابع هدف، چهار حفاری عمودی و یک حفاری انحرافی به همراه طول تقریبی، اولویت مکان­ ها، آزیموت، و زوایای شیب حفاری­ ها، از خروجی ­های نهایی این روش هستند.

1-مقدمه

در مدل­ سازی زیرسطحی، عناصری مانند تصمیم ­گیری با داده ­های ناقص یا ناتمام، اهمیت ویژگی­ های زمین­ شناختی، و داده­ ها نقش مهمی در مدل­ سازی عدم ­قطعیت دارند (کائِرس 2011). بخش عمده عدم ­قطعیت به توزیع پارامترهای زمین­ شناسی زیرسطحی و موارد مرتبط وابسته است، که ناشی از نمونه ­های محدود است (وینگل 1997). افزایش دقت مدل­ سازی، نمونه­ های تکمیلی را توجیه می ­کند، اما برای اینکه این نمونه ­ها مفید واقع شوند، نباید اطلاعات غیر­ضروری و تکراری را ارائه دهند....