تاریخ بهروزرسانی: 1403/09/01
ایرج نجم الدینی
دانشکده مهندسی / گروه مهندسی معدن
پایاننامههای کارشناسیارشد
-
تخمین ذخیره معدن با استفاده از مدل های هوشمند (مطالعه موردی: معدن طلای قلقله سقز)
1398مدل سازی و تخمین ذخیره کانسار جزو مهم ترین فعالیت های معدنکاری می باشند که پیشنیاز طراحی معدن و برنامه ریزی تولید در طول بهره برداری از آن هستند. در کانسارهای طلا که اختلاف عیاری زیادی در بین نواحی کم عیار و پر عیار وجود دارد ارزیابی ذخیره از حساسیت بیشتری برخوردار می-باشد. در این تحقیق، از سه روش عکس مجذور فاصله، کریجینگ معمولی و شبکه عصبی مصنوعی برای تخمین عیار و ارزیابی ذخیره در معدن طلای قلقله سقز استفاده شده است که از نوع طلای پهنه برشی بوده و کانی سازی در سه زون سولفیدی، اکسیدی و ترانزیشن انجام گرفته است. در روش کریجینگ معمولی، تخمین عیار در زون سولفیدی به صورت جداگانه برای کل محدوده انجام گرفته است. همچنین به دلیل کمبود داده های زون ترانزیشن در این بخش، داده های زون اکسیدی-ترانزیشن با داده های زون اکسیدی تجمیع، واریوگرافی آن انجام و تخمین عیار برای هر کدام از زون های سولفیدی و اکسیدی-ترانزیشن صورت گرفته است. سپس، ذخیره هر یک از زون های فوق به صورت جداگانه محاسبه، منحنی تناژ-عیار رسم و نتایج حاصله اعتبار سنجی شده است. در روش شبکه عصبی مصنوعی با توجه به بازه زیاد تغییرات عیار طلا و فاصله زیاد گمانه ها از همدیگر، زون بندی صورت نگرفته و تخمین در کل محدوده کانسار انجام گرفته است. با توجه به عیارهای پیش بینی شده ناشی از سه روش فوق الذکر و بر اساس عیار حد 0/5 (گرم بر تن) و وزن مخصوص 2/75 (تن بر مترمکعب)، تخمین ذخیره معدن انجام شده است. بر این اساس، ذخیره کانسنگ معدنی در محدوده قلقله با استفاده از روش های کریجینگ معمولی، عکس مجذور فاصله و شبکه عصبی مصنوعی به ترتیب حدود 24/31، 25/42 و 34 میلیون تن تخمین زده شده است. در نهایت، ذخیره تخمین زده شده در هر یک از روش های فوق برای عیارهای حد مختلف رده بندی شده است. یافته های تحقیق حاضر نشان می دهد که نتایج روش شبکه عصبی تفاوت قابل توجهی با نتایج روش های عکس مجذور فاصله و کریجینگ معمولی دارد. این امر ناشی از پیچیدگی ساختار های زمین شناسی در منطقه مورد مطالعه و فاصله زیاد گمانه ها در زون های مختلف کانسار از همدیگر است که باعث می شود شبکه قادر به تخمین دقیق ذخیره بین نقاط مجهول گمانه ها نبوده و در نهایت باعث ایجاد خطا در شبکه عصبی می شود. بنابراین، استفاده از روش های هوشمند برای تخمین ذخیره در شرایط زمین شناسی پیچیده و فاصله زیاد گمانه های اکتشافی پیشنهاد نمی گردد.
-
ارزیابی خصوصیات فیزیکی و مکانیکی سنگها با استفاده از سرعت موج بر اساس داده های حفاری اکتشافی
1396تخمین خصوصیات فیزیکی و مکانیکی سنگ نقش حیاتی و مهمی در طراحی پروژه های معدنی و عمرانی دارد. به طور کلی، تعیین این خصوصیات به دو روش مستقیم و غیر مستقیم انجام می شود. روشهای مستقیم شامل تستهای برجا و آزمایشگاهی می باشد که علیرغم دقت زیاد، در بسیاری از موارد پر هزینه و زمان بر هستند. بعلاوه، تهیه و آماده سازی نمونه های مغزه ای برای انجام تستهای آزمایشگاهی به ویژه در سنگهای شکسته مشکل بوده و نیازمند دقت بسیار زیادی است. برای رفع مشکلات فوق، میتوان از روشهای غیر مستقیم به عنوان جایگزینی مناسب و قابل اعتماد استفاده کرد. هدف از تحقیق حاضر، تعیین خصوصیات فیزیکی و مکانیکی سنگ بکر با استفاده سرعت امواج P و S می باشد. بدین منظور، ابتدا نمونه های سنگی از نوع شیست، فیلیت و ماسه سنگ حاصل از عملیات مغزه گیری در نقاط مختلف ساختگاه سد آزاد مریوان تهیه گردید. سپس، خصوصیات مختلف نمونه های سنگی شامل مقاومت فشاری تک محوره، مدول الاستیسیته، تخلخل، ضریب پواسون، شاخص دوام، چگالی، میزان جذب آب و سرعت امواج P و S در حالتهای خشک و اشباع در آزمایشگاه اندازه گیری گردید. بر اساس تحلیلهای آماری صورت گرفته، روابط خطی، لگاریتمی، چند جمله ای، نمایی و توانی بین پارامترهای فوق و سرعت امواج P و S در حالتهای خشک و اشباع تعیین گردید. در هر کدام از حالتهای مذکور، رابطه با بیشترین ضریب تصمیم گیری به عنوان بهترین رابطه برای تعیین خصوصیات فوق با استفاده از سرعت امواج P و S پیشنهاد شد. برای ارزیابی و اعتبارسنجی روابط پیشنهادی، نتایج حاصله با داده های واقعی و نتایج روشهای قبلی مقایسه گردید. بر این اساس، مشخص شد که روابط پیشنهادی تطابق خوبی با داده های واقعی داشته و نتایج بهتری نسبت به روشهای قبلی دارند. بعلاوه، مقایسه میزان همبستگی بین پارامترهای فیزیکی و مکانیکی با سرعت امواج در حالت خشک و اشباع نشان داد که همبستگی بین سرعت امواج و پارامترهای فیزیکی در حالت اشباع بیشتر از خشک است در حالی که برای پارامترهای مکانیکی به صورت عکس می باشد. با توجه به نتایج بدست آمده از تحقیق، می توان نتیجه گرفت که روابط پیشنهادی دارای دقت تخمین بالایی بوده و قابلیت استفاده در پروژه های عملی را دارند.