Содержание к диссертации
Введение
Глава 1. Анализ состояния вопроса освоения техногенных месторождений и постановка задач исследований
1.1. Намывные техногенные массивы ресурсовоспроизводящие объекты горного производства
1.2. Функции и модели геологического обеспечения направленного формирования качества техногенного сырья
1.3. Постановка задач исследований
Глава 2. Факторы, определяющие состояние намывных техногенных массивов и номенклатуру показателей прогнозирования
2.1. Минеральный и гранулярный состав отходов рудообогащения
2.2. Физические свойства отходов рудообогащения
2.3. Механические характеристики хвостов, намытых в хвостохранилище
2.4. Геолого-промышленная характеристика базового объекта исследований
2.4.1. Геологическая характеристика Ковдорского апатит-магнетитового месторождения
2.4.2. Характеристика техногенного месторождения Ковдорского ГОКа и статистический контроль качества
Выводы
Глава 3. Прогнозирование в системе геологического обеспечения направленного формирования техногенных месторождений
3.1. Общие положения
3.2. Анализ методов прогнозирования качественных показателей минерального сырья в рудопотоках
3.2.1. Прогнозирование методами статистической экстраполяции
3.2.2. Адаптивные методы прогнозирования
3.2.3. Прогнозирование показателей качества в отходах рудообогащения на основе обособленных динамических рядов
3.3. Разработка методики прогнозирования на основе моделей сезонных динамических рядов
3.3.1. Сезонные модели, включающие подстраивающиеся синусоиды и косинусоиды
3.3.2. Мультипликативная модель сезонного ряда
3.4. Теоретические и практические аспекты оценки данных на основе мультипликативной модели
Выводы
Глава 4. Направленное формирование хвостохранилищ на основе прогнозной информации
4.1. Технологические схемы формирования техногенных намывных массивов (хвостохранилищ)
4.2. Теоретические основы и закономерности распределения гранулярного состава хвостов при формировании хвостохранилищ
4.3. Оценка взаимосвязи между показателями качества и фракционным составом техногенного сырья и рекомендации по направленному формированию хвостохранилищ
Выводы
Заключение
Список использованной литературы
- Функции и модели геологического обеспечения направленного формирования качества техногенного сырья
- Физические свойства отходов рудообогащения
- Прогнозирование методами статистической экстраполяции
- Теоретические основы и закономерности распределения гранулярного состава хвостов при формировании хвостохранилищ
Введение к работе
Актуальность работы. Рациональное использование недр и повышение эффективности горного производства предусматривает комплексное извлечение полезных компонентов, утилизацию вторичных минеральных ресурсов на основе применения гибких технологий и высокопроизводительного горного оборудования. Современный период развития горного производства характеризуется вовлечением в разработку месторождений со сложными горно-геологическими условиями, бедными труднообогатимыми рудами, что приводит к значительному разубоживанию сырья (до 25-35%) и потерям ценных компонентов как на стадиях добычи, так и переработки руд. Низкая комплексность использования сырья (в среднем промышленный коэффициент использования минеральных ресурсов составляет 30-35%) приводит к тому, что с отходами рудообогащения в хвостохранилища складируется значительная часть ценных компонентов, концентрация которых в отвалах часто выше, чем на эксплуатируемых месторождениях.
В этих условиях комплексное извлечение полезных компонентов, снижение потерь при добыче и переработке, а также целенаправленное формирование техногенных массивов (месторождений техногенного сырья) позволяют увеличить сырьевой потенциал горнодобывающих предприятий. Поэтому направленное формирование хвостохранилищ как техногенных месторождений является важной народнохозяйственной проблемой, решение которой обеспечит увеличение минерально-сырьевой базы горного предприятия, комплексное использование недр и создание экологически чистого горного производства.
Геологические аспекты при формировании, разведке и эксплуатации
техногенных месторождений представляют собой самостоятельную научную
' проблему, что связано с ведущей ролью геологических факторов в
ресурсосбережении, комплексном извлечении полезных компонентов из
отходов рудообогащения, а также в предотвращении негативного воздействия на геологическую и сопредельные к ней среды. В этой связи вопросы геологического обеспечения направленного формирования техногенных месторождений для последующего доизвлечения ценных компонентов, комплексного использования техногенного сырья, а также охраны окружающей среды являются актуальными.
Целью работы является установление пространственно-временной изменчивости качества техногенного сырья и разработка методики прогнозирования его показателей для формирования геолого-технологических зон хвостохранилищ определенной ресурсной ценности, комплексного использования горнопромышленных отходов и охраны окружающей среды.
Идея работы состоит в использовании для оценки и прогнозирования качества техногенного сырья мультипликативных моделей динамических рядов, аппроксимирующих изменчивость фракционно-минерального состава сырья и учитывающих сезонность намыва хвостохранилищ.
Научные положения, разработанные лично автором, их новизна:
1. Геологическое обеспечение направленного формирования
хвостохранилищ должно представлять собой рациональную систему
идентификации состояния качества техногенного сырья относительно
базовых значений на основе статистического анализа и контроля,
прогнозирования и регулирования качества фракционно-минеральных
агрегатов с учетом пространственно-временной изменчивости показателей,
обусловливающих их ресурсную ценность как техногенных месторождений.
2. Методика прогнозирования показателей качества техногенного сырья,
отличающаяся тем, что для установления временной изменчивости и оценки
показателей используются мультипликативные модели динамических рядов,
аппроксимирующие процесс формирования качества с учетом характера
стационарности или нестационарности процесса, а также учитывающие
сезонность намыва хвостохранилищ.
3. Направленное формирование геолого-технологических зон техногенных намывных массивов следует осуществлять на основе установленных зависимостей, отражающих взаимосвязь химического, минерального и фракционного состава техногенного сырья в сочетании с теорией гидромеханизированных технологий.
Обоснованность и достоверность научных положений, выводов и рекомендаций подтверждаются:
- представительным объемом данных, характеризующих процесс
формирования качества сырья в техногенных массивах и использованных в
качестве основы для выявления искомых закономерностей;
- корректностью применения статистических методов и методов анализа
временных рядов, характеризующих изменчивость качества техногенного
сырья;
удовлетворительной сходимостью расчетных (прогнозных) и фактических данных о качестве техногенного сырья;
- положительной апробацией результатов диссертации при разведке и
разработке Ковдорского техногенного месторождения.
Методы исследований. В работе использованы следующие методы исследования, позволившие реализовать идею работы:
методы математической статистики и теории вероятностей, геостатистики для анализа фракционно-минерального состава качества сырья техногенных месторождений и установления его пространственной изменчивости;
методы стохастического моделирования временных динамических рядов для прогнозирования качества сырья, поступающего в техногенный массив с учетом характера стационарности и сезонности формирования хвостохранилищ;
опытно-промышленная проверка результатов исследований.
Научное значение работы состоит в установлении пространственно-временной изменчивости геолого-технологических показателей при
направленном формировании хвостохранилищ с учетом характера стационарности динамических рядов качества и сезонности намыва хвостохранилищ.
Практическое значение работы заключается в разработке методики и программного обеспечения прогнозирования показателей качества на основе мультипликативных моделей сезонных динамических рядов и рекомендациях по направленному формированию качества хвостохранилищ как техногенных месторождений.
Реализация выводов и рекомендаций работы.
Пакет прикладных программ моделирования сезонных динамических рядов для прогнозирования качества техногенного сырья включен в технорабочий проект «Математическая модель Ковдорского месторождения».
Апробация работы. Основные результаты исследований докладывались и получили одобрение на научном симпозиуме «Неделя горняка» в 2003-2004 гг., семинарах кафедры геологии Московского государственного горного университета (2002-2004 гг.).
Публикации. По результатам диссертационной работы опубликовано 3 научные работы.
Структура и объем диссертации.
Диссертационная работа состоит из введения, четырех глав и заключения, содержит 33 таблицы, 39 рисунков и список литературы из 108 наименований.
Автор выражает искреннюю благодарность и признательность научному руководителю проф., д.т.н. Ермолову В.А., а также благодарит коллектив кафедры геологии МГГУ за помощь при проведении исследований и поддержку настоящей работы.
Функции и модели геологического обеспечения направленного формирования качества техногенного сырья
С точки зрения технологии функционирования система геологического обеспечения направленного формирования техногенных месторождений решает три основных группы задач: получение информации об объекте (качестве сырья отходов рудообогащения); обработка этой информации в соответствии с технологическими задачами при проектировании объекта, планировании горных работ и оперативном управлении качеством отходов рудообогащения; выработка рекомендаций и технологических решений о необходимости и значениях управляющих воздействий на объект управления. Решение названных задач возможно только путем построения и анализа различных вероятностных моделей и применения статистических методов для обработки данных, что соответствует методологии статистического управления качеством промышленной продукции [37, 38]. Поэтому с позиций теории статистического управления можно выделить следующие функции геологического обеспечения направленного формирования качества сырья техногенных массивов: измерение (опробование) статистический анализ и оценка, прогнозирование, учет, статистический контроль и регулирование.
Статистический анализ направлен на установление по выборочным данным для конкретных условий свойств случайного процесса формирования качества сырья отходов рудообогащения при направленной утилизации горнопромышленных отходов. В рамках статистического анализа производится изучение функций распределения объемно-качественных показателей и оценка их статистических параметров. Объектами оценки могут быть охарактеризованные выборочными данными техногенные массивы (месторождения) и их отдельные участки, а также рудопотоки (пульпа). При этом в системе геологического обеспечения направленной утилизации могут быть использованы как дифференцированные показатели качества, так и комплексные.
Важным элементом статистической оценки качества отходов рудообогащения является использование показателей стабильности как качественных параметров хвостов, так и связанного с ними параметров гранулярного состава отходов обогащения. Стабильность процесса может
быть оценена статистическими (статическими) и динамическими характеристиками. Первые получают при анализе функций распределения вероятностей показателей и они характеризуют отклонения значений признака от среднего в пределах всей статистической совокупности без отнесения к временным интервалам. Такими показателями являются дисперсия, среднее квадратическое отклонение, коэффициент вариации, асимметрия, эксцесс и др. Динамические показатели характеризуют формирование объемно-качественных показателей сырья как случайный процесс. К ним следует относить параметры, выражающие взаимосвязь соседних значений ряда (упорядоченные данные случайного процесса по пространству или времени), продолжительность, частоту и др.
Необходимо отметить, что как статические, так и динамические показатели могут быть достоверными только в том случае, если они основываются на предварительной обработке статистических данных и согласуются с закономерностями изменчивости качества сырья последовательно от недр до техногенного массива.
Создание рациональной системы статистического контроля геологического обеспечения качества при направленном формировании техногенных массивов предусматривает обоснование оптимальной сети опробования (измерения) объемно-качественных показателей на различных этапах формирования техногенного массива и разработку требований к качеству и гранулярному составу отходов рудообогащения. В математической постановке функция статистического контроля заключается в обеспечении того, чтобы отклонения оценок статистических показателей (статических и динамических), полученных в результате обработки выборочных данных, от базовых значений с заданной вероятностью не выходили за пределы допустимого интервала. Математически это соответствует следующим критериям: для показателей качества CIULJ) -С,Р{ Ь,\А = 1,2,...,п,\} = ал (1.2.1) для показателей технологичностиB {ItJ)-BkН{ Ь = \Х-,пм\} = ам (1.2.2)где С , В - фактические уровни показателей качества и технологичности (извлечения, содержания, выхода концентрата, содержания в хвостах, гранулярного состава, контрастности и др.); I -контролируемая стадия технологии (добыча, рудоподготовка, обогащение, утилизация); J -контролируемый уровень горно-геологических или техногенных объектов; Сл, Вм - базовые уровни показателей качества и технологичности; Л-, JLX - вид показателей качества и технологичности; т - интервал дискретности контролируемых параметров; ах , ац - надежность управления по показателям качества и технологичности; Ъ\ , Ьц - допустимые пределы отклонений качества и технологичности.
Функции прогнозирования принадлежит приоритетная роль в системе геологического обеспечения направленного формирования техногенных массивов, поскольку при направленной утилизации происходит трансформация качества сырья в недрах в качество отбитой, добытой, складированной, отгруженной, перерабатываемой руды и складируемых отходов рудообогащения. При этом пространственная изменчивость качественных показателей руд преобразуется сначала во временную, а затем снова в пространственную. При этом качественные и технологические свойства минерального сырья как на месторождении, так и в техногенном массиве, можно рассматривать как случайные функции координат пространства, т.е как случайные заранее непредсказуемые величины, образующие случайные поля. Соответственно, в рудопотоках и пульпопроводах качественные и технологические показатели характеризуются временной изменчивостью параметров и поэтому описывающая их случайная функция, аргументом которой является время, представляет собой случайный процесс.
Таким образом, в первом случае качественные и технологические показатели качества сырья техногенных массивов следует определять по сети дискретных геологоразведочных данных на основе модели изменчивости признака. Прогнозирование при этом представляет собой определение значения ненаблюдаемой пространственной переменной в условиях неопределенности геологической информации. Задача прогнозирования в этом случае представляет собой оценку среднего значения случайной функции в некотором объеме и решается путем восстановления значений случайного поля.
Физические свойства отходов рудообогащения
Важное место при формировании и последующей разработке техногенных месторождений занимают физические свойства хвостов: влажность, объемный вес, плотность и пористость. Данные показатели определяют состав показателей как технологичности, так и сохраняемости и транспортабельности.
Влажность хвостов, намытых в хвостохранилища и дамбы их ограждающие, колеблется от нескольких процентов у поверхности (3-10%) до полного насыщения на глубине. В табл. 2.7 даны величины влажности W и коэффициенты насыщения G хвостов по ряду обогатительных фабрик на трех горизонтах: на поверхности (глубина 0.1 м), на середине исследованного слоя и на максимальной глубине исследованной дамбы. Кривые изменения влажности хвостов, намытых в ограждающие дамбы пяти обогатительных фабрик цветной металлургии представлены на рис. 2.5.
Для проектирования и расчетов хвостового хозяйства необходимо иметь объемный вес скелета хвостов при этом не только на поверхности, но и на различной глубине хвостохранилища. На рис. 2.6 приведен график изменения объемного веса скелета хвостов по глубине хвостохранилищ обогатительных фабрик цветной металлургии, а на рис. 2.7 - обогатительных фабрик черной металлургии. намыве укладываются плотнее, чем хвосты обогатительных фабрик цветной металлургии. Например, пористость на поверхности хранилищ (глубина 0.1 м) обогатительных фабрик черной металлургии в среднем составляет 0.45, а цветной металлургии - 0.5.
Наиболее интенсивное уменьшение пористости отмечается в верхних слоях намытых хвостов мощностью примерно 10 м (глубина от 0.1 до 10 м), на более глубоких горизонтах уменьшение пористости незначительно. Так, например, для хвостов обогатительных фабрик цветной металлургии средняя величина пористости на глубине 10 м составляет 0.41, а на глубине 40 м -0.4. 2.3. Механические характеристики хвостов, намытых в хвостохранилище
Механические характеристики хвостов необходимы для проектирования хвостового хозяйства обогатительных фабрик; они необходимы для оценки осадки и прочности намытых хвостов как в поле хвостохранилища, так и в ограждающие дамбы, для расчета коллекторов и др. К наиболее важным механическим показателям относят: компрессионные свойства, сопротивление сдвигу и фильтрационные свойства.
Компрессионные свойства необходимы для оценки осадки и прочности намытых хвостов в хранилища и ограждающие дамбы. При изучении компрессионных свойств хвосты можно рассматривать как дискретные среды с жестким и упругим скелетом. Крупнозернистые, среднезернистые и мелкозернистые хвосты условно можно отнести к дискретным средам с жестким скелетом, пылеватые - к дисперсным средам с упругим скелетом. Хвосты с жестким скелетом обладают меньшей сжимаемостью при давлении до 10 кг/см , чем хвосты с упругим скелетом при том же давлении.
Показатели компрессии и консолидации хвостов зависят от их структурообразования в процессе намыва. Структура намытых хвостов формируется в процессе отложения частиц. При этом на структуру хвостов влияют способ намыва, свойства пульпы, раскладка хвостов, форма и размеры частиц, их минералогический состав, а в суровых климатических условиях также и температура воздуха во время намыва.
Компрессионные кривые хвостов характеризуются уменьшением пористости или коэффициента пористости є при сжатии внешними силами. Характер компрессионной кривой будет различным для рыхлых и плотных структур хвостов.
В табл. 2.10 дана характеристика хвостов Тырныаузского и Магнитогорского комбинатов при компрессионных испытаниях, а на рис. 2.9 и 2.10 приведены графики зависимости є=((Р) для хвостов с различным средневзвешенным диаметром dcp и одинаковыми значениями начального коэффициента пористости.
Установленные зависимости позволяют оценить устойчивость и произвести прогноз уплотняемости тонкодисперсных водонасыщенных хвостов отходов рудообогащения при их складировании в хвостохранилища.
Фильтрационные свойства необходимы для проектирования хвостового хозяйства. В частности, без данных о коэффициенте фильтрации хвостов невозможен расчет кривой депрессии в неоднородных дамбах обвалования, определение силы фильтрации и потерь воды на фильтрацию и т.д. Кроме того, коэффициент фильтрации может быть использован для косвенной оценки плотности намытых хвостов.
Прогнозирование методами статистической экстраполяции
Если гипотеза о стационарности динамического ряда качества руд. не отвергается, то инструментом прогноза на основе оптимальной статистической экстраполяции (СЭ) служит либо оценка автокорреляционной функции, либо ее теоретическая модель. Рассмотрим для определенности временной ряд среднесуточных содержаний компонента в рудном потоке С\, С2 . . ., Сп. Прогнозное значение Cn+j вперед с упреждением на j суток определяется из выражения C„+j=tPiC, (3-2.1)1=1 Большинство значений р в формуле (3.2.1) практически равны нулю, кроме слагаемых, близких к концу ряда. Поэтому для практических целей достаточно ограничиться числом слагаемых не более трех. Например, при прогнозировании по трем предыдущим членам ряда оценка будет иметь вид: Cn+J = Q-Pn-X-Pn-2)Cn+Pn-xCn-X +Рп-2Сп-2 (3.2.2)
Коэффициенты взвешивания pi в равенстве (3.2.2) определяются исходя из условий несмещенности и эффективности оценок.
При решении можно использовать оценки автокорреляционной функции, полученные непосредственно по исходному ряду, или теоретическую модель коррелограммы. Если интервал корреляции т больше величины упреждения t, то приближением является степенная функция: t K(t) = z к\ (3.2.3) где crl = К(0) - дисперсия членов динамического ряда и параметр к є [0,2]. При выполнении условия j x0 в качестве модели может быть использована экспонента или комбинация нескольких экспонент вида: г t К{і) = У0 ехр (3.2.4)
Учитывая явный вид автокорреляционной функции, можно найти, значения весовых коэффициентов прогнозной оценки ры и параметры K(t). сказывается на эффективность прогноза методом статистической экстраполяции.
Учитывая, что рассмотренный подход справедлив лишь для стационарных динамических рядов (что не всегда выполняется для временных рядов качества руд), возникает необходимость привлечения методов прогнозирования, базирующихся на моделях рядов, наиболее адекватных реальным данным. К таким методам прежде всего относятся адаптивные методы.
Адаптивные методы прогнозирования получили развитие применительно к временным рядам, не обладающим свойствами стационарности, для целей краткосрочного прогнозирования. Инструментом адаптивного прогноза является модель временного ряда, построение которой проводится с учетом информационной ценности различных членов динамического ряда.
Основу прогноза составляет стохастическая модель временного ряда, которая отражает закономерности генерирования членов ряда. В общем виде модель ряда С, можно представить в виде суммы двух компонент: С,=С1 + е, . (3.2.6)
Здесь єі характеризует случайный неавтокоррелированный процесс с нулевым математическим ожиданием и конечной дисперсией. Величина С представляет собой детерминированную функцию, случайный процесс или их комбинацию. Построение конкретной прогнозной модели основано на определенной гипотезе о динамике компоненты С, , т.е. о характере детерминированной или стохастической связи между членами ряда.
Использование адаптивных методов прогнозирования для решения задач прогнозирования динамических рядов качества руд будет эффективным, если построенная модель динамического ряда адекватна изучаемому процессу.
Основываясь на свойствах динамических рядов качественных показателей, можно ожидать более высокой точности прогнозов с помощью адаптивных моделей авторегрессии, построение которых отличается логической простотой и легко реализуется на ЭВМ. Уравнение адаптивной модели авторегрессии имеет вид: С, = »&_!+а2СІ_2+... + а тС,_т+є, . (3.2.7)
Использование модели для прогноза, например, на момент времени t+1 сводится к вычислению условного математического ожидания от правой части уравнения (3.2.7): CM=a iCt+a 2Ct_x+... + (DmCt_mJeX . (3.2.8)
Порядок модели т определяется экспериментально путем перебора. Для динамических рядов качества т 3. Поэтому при переборе достаточно ограничиться значениями т=1, 2, 3. Начальные значения параметров модели со; определяются, например по 10 - 15 первым значениям ряда, методом наименьших квадратов.
Корректировка параметров модели со; осуществляется каждый раз с поступлением новой информации. Величина параметра адаптации а, которая считается заданной и постоянной для данного динамического ряда, определяется методом проб и ошибок по ретроспективным данным. Величина оптимального значения а выбирается из условия минимума среднего квадрата ошибки прогноза:
Теоретические основы и закономерности распределения гранулярного состава хвостов при формировании хвостохранилищ
Размещение хвостов по крупности намыва в хвостохранилище в значительной степени зависит от способа сброса пульпы и технологий гидротранспорта. При всех способах сброса пульпы в хвостохранилища (кроме гидроциклона), раскладка по крупности происходит следующим образом: ближе к месту сброса откладываются крупные фракции, а в прудковой - мелкие. Следует также отметить, что распределение по крупности в определенной мере зависит от консистенции пульпы, интенсивности намыва и скорости сброса пульпы. Установление закономерностей размещения и распределения хвостов по крупности при направленном формировании техногенного сырья необходимо для последующего оконтуривания геолого-технологических зон вторичного сырья различной целевой направленности, поскольку в различных классах крупности концентрируются различные ценные минералы.
Пульпа, поступившая на пляж из конца пульпопровода или выпусков, растекается, образуя канаву, по дну которой откладываются частицы различной крупности (в зависимости от расстояния от места выпуска и скорости течения пульпы). Ширина канавы увеличивается с удалением от места сброса пульпы.
Для выводов расчетной формулы принимают скорость течения струи пульпы и, силу струи F, действующую на частицу, имеющую диаметр dcp и, поверхность о) . Тогда на основании законов гидравлики имеем [26, 95] F = 2r 2 , (4.2.1) g где ув - плотность воды; g - ускорение силы тяжести. В этом случае струя пульпы оказывает давление на поверхность, которая равна полусфере торовидной частицы и вместо со , следует в формулу (4.2.1) ГК) т „ увжй 2 V 4 J . Тогда получим F = подставить 2g По опытным данным [95] скорость течения струи в канаве составляет v = Cn R , (4.2.2) где Сп - коэффициент шероховатости дна и бортов канавы; і - уклон дна канавы, равен h/x; х - проекция длины канавы, на которой определяется та или иная крупность намытых хвостов; R - гидравлический радиус (в рассматриваемом случае R можно с некоторым допущением принять равным h - глубина потока в канаве). Для этих значений получим h2 х o = Cjg- . (4.2.3) Подставляя в формулу (4.2.1) значения и и со, получим Ї2/2 .2 у Г h nd F =Гв " ср (4.2.4) 2х Сила струи F потока пульпы осуществляет движение частиц хвостов в канаве. Этой силе противодействует сила F , равная весу частицы в воде, а также трение частицы о частицу E = -r-(j«-Y,)tg(P , (4.2.5) о где уо - плотность хвостов; уе - плотность воды; tgcp - коэффициент трения частиц. Приравнивая и из уравнений (4.2.4) и (4.2.5), х = 3yeC2nh2 ЛООО , м (4.2.6) По формуле (4.2.6) можно рассчитать проекцию или расстояние по горизонтали канавы, на которой будут откладываться хвосты соответствующего средневзвешенного диаметра dcp.
Для определениярасстояния L по дну канавы следует проекцию х поделить на cosa (а - угол наклона канавы) L= 3y.gtf.1000 м (42у) dcpVo-rJtgpcosa Практически, если принять уклон канавы при намыве хвостов максимум 0.1, то угол а будет равен 6, a cosa = 0.994; даже если принять угол а = 10, то cosa = 0.987, поэтому на практике cosa можно не принимать в расчет.
Следует отметить, что при выводе формулы приняты допущения: частицы принимаются шаровидной формы, гидравлический радиус R -равным глубине канавы h, коэффициент трения частицы о частицу tgcp -равным 0.1. Кроме того, в процессе намыва на раскладку хвостов влияет технология гидротранспорта, время намыва, консистенция пульпы и другие факторы. Все это, безусловно, отражается на точности расчета. Однако практически высокая точность для рассматриваемого случая не требуется, и для расчета L при глубине канавы h, равной в среднем 0.15 м, для расчета dcp по заданному L, можно использовать формулу
L{y0-yjg p Коэффициент Сп в практических расчетах может быть определен по формуле [26, 95]: Сп = QA dncp. (4.2.9)
Таким образом, зная средневзвешенный диаметр хвостов, выходящих из пульпопровода dncp, можно определить коэффициент Сп и далее по формуле (4.2.7) рассчитать расстояние L от места выпуска пульпы, где следует ожидать отложение хвостов заданной крупности.
Экспериментальные исследования, проведенные многими специалистами на ряде объектов [15, 23, 35, 63] показывают, что в зоне выпуска откладываются крупнозернистые хвосты, в промежуточной -среднезернистые и в Прудковой - мелкозернистые и пылеватые. В табл. 4.1 приведены для примера зависимости между гранулярным составом хвостов намытых в хвостохранилище и расстоянием от дамбы намыва для Соколовско-Сарбайского и Ковдорского ГОКов (рис. 4.8).
