Содержание к диссертации
Введение
1. Геолого-экономические особенности моделирования сбалансированности минерально-сырьевой базы рудных полезных ископаемых 8
2. Методические приемы компьютерного моделирования сбалансированности рудной сырьевой базы 19
2.1. Общие подходы 19
2.2. Система компьютерных алгоритмов вариативного моделирования 23
2.3. Компьютерная реализация алгоритмов вариативного моделирования 27
3. Многофакторные композитные геолого-экономические модели сбалансированности 34
3.1. Модели сопоставления показателей геохимического потенциала, интенсивности рудонакопления, запасов, добычи 34
3.2. Модели сопоставления вещественно-стоимостных показателей добычи 58
3.3. Модели сопоставления показателей запасов и добычи рудных полезных ископаемых и топливно-энергетического сырья 69
3.4. Модели оценки сбалансированности по показателю обеспеченности добычи запасами 78
4. Пространственно-территориальные модели сбалансированности рудной сырьевой базы на примере стран БРИКС 95
4.1. Модели сбалансированности использования и воспроизводства рудных сырьевых баз стран БРИКС 95
4.2. Модели вариативного прогноза развития МСБ ведущих рудных полезных ископаемых 122
Заключение 140
Список сокращений и условных обозначений 142
Список литературы 143
- Система компьютерных алгоритмов вариативного моделирования
- Компьютерная реализация алгоритмов вариативного моделирования
- Модели сопоставления вещественно-стоимостных показателей добычи
- Модели вариативного прогноза развития МСБ ведущих рудных полезных ископаемых
Система компьютерных алгоритмов вариативного моделирования
Наличие расхождений в представленных моделях (табл. 1.1) также связано с принятыми в них соотношениями распространенности главных типов пород в континентальной коре, что при относительной точности современных оценок количественных значений распространенности химических элементов, позволяет считать эти различия непринципиальными [56] и не оказывающими влияния на результаты моделирования.
В качестве показателей концентрированного состояния 23 химических элементов приняты данные по распределению потенциально извлекаемых масс химических элементов в ассоциациях горных пород, слагающих верхнюю часть континентальной коры, и в ассоциациях минералов, слагающих горные породы. Как показано Н.А.Григорьевым, в конкретных горных породах и в таких больших геологических объектах, как верхняя часть земной коры, главными минералами-носителями химических элементов являются их минералы-концентраторы. Почти вся масса химического элемента, как правило, распределена между двумя группами минералов-концентраторов. Первая группа представлена минералами с содержаниями заданного химического элемента от минимальных до умеренно-повышенных значений, вторая — с приближающимися к максимальным. Эти группы разделены минералами с промежуточными содержаниями исследуемого химического элемента. В них находится лишь ничтожная часть его массы.
В условиях истощения традиционных источников полезных ископаемых и вовлечения в отработку минерализованных пород, при которой вмещающие породы с низким содержанием компонента включаются в рудную массу благодаря использованию инновационных технологий и повышению мировых цен, представляют интерес минералы-концентраторы второй группы. Они названы Н.А.Григорьевым «максиминералами» и являются основными минералами-концентраторами химических элементов.
Согласно этим данным, у максиминералов последовательность роста значений содержаний элементов в целом отлична от кларков. Среди средних долей масс минимальное значение у Sb (0,0006), максимальное — К (0,5192), для потенциально извлекаемых масс соответственно у Аи (1,18-Ю-8) и К (1,15%). Обращают на себя внимание относительно крупные доли масс, сконцентрированных в максиминералах у малораспространенных элементов Аи, Ag, Та, Mo, W и, напротив, низкие доли концентрации у более распространенных Со, Ni, Zn, Сг, Ва, отчасти Мп, и широко распространенного А1. Характеристики потенциально извлекаемых масс элементов демонстрируют несколько лучшее сходство с кларками в последовательности роста значений, но и здесь имеются отклонения, из которых наибольшие у Sn и Мо. Из чего следует, что рост кларка, еще не означает аналогичного повышения доли элемента, сконцентрированной в максиминералах, и тем более его потенциально извлекаемой массы из недр.
Количественные характеристики таблицы 1.2 использованы для расчета показателя кларков (clarke — С) и показателя потенциально извлекаемых масс (potentially recoverable masses — PRM) химических элементов в натуральном выражении (тонна). Их анализ дан в разделе 3.1.
В дополнение к показателям геохимического потенциала недр по Н.А.Григорьеву в исследовании рассмотрен показатель интенсивности накопления (accumulation intensity - AI) химических элементов в рудах месторождений — конечных продуктов металлогенических процессов рудообразования по данным работ [24, 29].
Под количественным выражением металлогенических процессов рудообразования в работе понимаются показатели распределения вещества между исходным (источник), промежуточным (транспортирующий агент) и конечным продуктом (месторождение). При этом в приведенной трактовке рудообразования, прямому определению доступны лишь показатели, отвечающие рудам месторождений. Поэтому для моделирования использованы данные о концентрациях основных рудообразующих компонентов и их количественные соотношения.
Обобщение, проведенное А.И.Кривцовым по ведущим типам рудных месторождений черных и цветных металлов, базировалось: — на сборе и компоновке данных о концентрациях в рудах химических элементов;
Новая последовательность значений 13 химических элементов, использованная далее при моделировании, сохранила предложенное А.И.Кривцовым деление на 4 группы, характеризующиеся значениями вида 10й, где п степень в интервале 4—0 (в скобках также приведен порядок элементов по их кларкам — от минимальных к максимальным):
Рассмотренные особенности показателей, включающие рассеянное (кларковое) и концентрированное (в виде максиминералов) состояния химических элементов; интенсивность накопления минеральных компонентов — конечных продуктов металлогенических процессов в ведущих типах рудных месторождений, являются, наряду с показателями запасов и добычи, дополнительными необходимыми элементами моделирования прогнозируемого развития МСБ.
Вещественно-стоимостными показателями заданы цена единицы добытого полезного ископаемого (Unit price — Up) и ее валовой стоимости (Gross value — Gv). Социо-демографической характеристикой принят показатель численности народонаселения выбранной страны, их группы и мира в целом (N).
Методические приемы и алгоритмы моделирования Вариативное компьютерное моделирование сбалансированности геолого-экономических показателей основано на адаптированных к задачам исследования известных методик геолого-экономического анализа использования и воспроизводства минерально-сырьевой базы полезных ископаемых. Расчетные алгоритмы многофакторного параметрического моделирования включают как новые, так и усовершенствованные методы определения балансовых соотношений между количественными характеристиками анализируемых показателей.
Модели геолого-экономических показателей. Реализация методических приемов и алгоритмов вариативного моделирования выполнена через построение композитных моделей сопоставления гео лого-экономических показателей. При моделировании вначале исследована сбалансированность мировой минерально-сырьевой базы, после чего проведен анализ по группе БРИКС.
В целом приведенные блоки позволяют компьютеризировать моделирование долгосрочного прогноза сбалансированности обеспечения развития МСБ рудных полезных ископаемых на традиционных показателях и с учетом показателей геохимического потенциала, что значительно расширяет возможности вариативного долгосрочного прогнозирования.
Компьютерная реализация алгоритмов вариативного моделирования
Характеристики показателя PRM в свою очередь многократно превысили значения, представленные показателями использования и воспроизводства. Из чего следует, что при развитии соответствующих технологий имеются предпосылки к удовлетворению потребности цивилизации в минеральном сырье на долговременную перспективу. Полученные оценки могут использоваться в качестве критериев сбалансированного развития на основе геохимического потенциала.
Вместе с тем, у показателей отношений (табл. 3.4) выявлены значительные флуктуации значений, что не позволяет определить общую закономерность взаимосвязи между изменением масс химических элементов и полезных ископаемых. Для поиска и расчета моделей, описывающих их функциональные связи, использован метод регрессионного анализа применяемый при оценке подобных зависимостей [52, 66]. Расчетные переменные в них следующие: х — показатель геохимического потенциала (С и PRM), у — показатель использования и воспроизводства (R и MP). Из моделирования исключена добыча, поскольку данный показатель в отличие от запасов и текущего минерально-сырьевого потенциала не позволяет учесть долговременные тенденции функционирования минерально-сырьевого комплекса.
Между указанными показателями установлено наличие сильной корреляции (более 0,86). Все зависимости описываются степенной функцией вида В моделях (рис. 3.2) «запасы — кларки» и «запасы — максиминералы» параметры уравнений распределения значений составили: I — R = 0,00002С0 94 ; II — R = 0,15PRM 74. Соответственно в моделях (рис. 3.3) «текущий минерально-сырьевой потенциал — кларки» и «текущий минерально-сырьевой потенциал — максиминералы»: I — MP = 0,00024С0 88; II — MP = 1,05PRM0 69. Оценка зависимости показателей R и MP от показателя PRM показала некоторое снижение параметра регрессии щ, коэффициентов корреляции и детерминации по сравнению с аналогичными характеристиками зависимости показателей R и MP от показателя С.
С формальной позиции это означает несколько меньшую зависимость значений показателей R и MP от показателя PRM по сравнению с их зависимостью от показателя С. Однако такая интерпретация определяет лишь количественное отличие полученных моделей. В действительности снижение параметров, где влияющим фактором задан показатель PRM, как показано выше при ранжировании (табл. 3.1), связано с тем, что доля массы химического элемента в максиминералах при широком диапазоне значений (см. табл. 1.2) не увеличивается строго пропорционально росту его кларка. На уменьшение параметров регрессии повлияло существо показателя MP, учитывающего не только экономически приемлемые в настоящее время содержания полезных компонентов в запасах и добыче, но и ретроспективную отработку полезных ископаемых, где эти характеристики со временем снижались.
Распределение значений в моделях «запасы — кларки» и «запасы — максиминералы» (рис. 3.2) характеризуется близостью расположения отдельных полезных ископаемых относительно друг друга.
Полученные оценки с одной стороны подтверждают наличие определенного сходства уровней накопления при процессах рудообразования для отдельных химических элементов. С другой, результат природных процессов совместного нахождения химических элементов, выраженного в парагенезисе минералов, определяет структуру главных и имеющих второстепенное значение геолого-промышленных типов (ГПТ) месторождений полезных ископаемых. Примером такой связи с общими закономерностями совместного нахождения в недрах являются месторождения свинца и цинка [14].
Свободный член аппроксимирующей функции ио не имеет практического содержания и не интерпретируется [54]. Однако его существенное различие между моделями («R — С» и «R — PRM» в 7500, «MP — С» и «MP — PRM» в 4375 раз), где влияющими факторами заданы кларки и потенциально извлекаемые массы в максиминералах, выражает отличие в количественной размерности значений указанных показателей.
После определения функциональных зависимостей по массиву числовых данных на следующем этапе исследования проведено моделирование с использованием нормированных показателей. При расчете моделей нормированных показателей к значениям масс химических элементов полученных из кларков, их потенциально извлекаемой части в максиминералах в натуральном выражении, а также значений масс текущего минерально-сырьевого потенциала МСБ полезных ископаемых применен метод, аналогичный для показателей запасов и добычи.
Анализ расчетных данных осуществлен в их последовательном сравнении. На первом этапе проведено сравнение показателей Vc и VPRM, VR И VM (рис. 3.4, А). Затем — их сопоставление (рис. 3.5). На заключительном этапе исследованы долговременные тенденции развития МСК через сравнение показателей Vc и VPRM с VMP(рисунки 3.4, Б и 3.6).
Сопоставление по металлоемкости золота показателей С и PRM (рис. 3.4, А) выявило определенное сходство у ряда химических элементов, при этом отдельным из них свойственны значительные отличия. Для сравнения показателей Vc и VPRM исследуемый массив элементов (табл. 3.5) разделен на три группы (А, Б, В). В группе В выделено три подгруппы (Bi, В2, В3). Группу А формируют Мп и Мо, у которых отношения показателя Vc к показателю VPRM близки к единице. К группе Б отнесены К, Р, Ті, Fe, у которых отношения показателя Vc к показателю VPRM составляют 0,08—0,20. При таких значениях у этих химических элементов отмечены наибольшие доли концентрации их масс (табл. 3.5) в максиминералах (0,5192—0,2046). Группу В образуют элементы с отношениями показателя Vc к показателю VPRM 1,48—67,6. Среди них выделено 3 подгруппы. В первую из них (Ві) вошли W, Ag, А1 у которых отношения показателей Vc к VPRM составили 1,48—1,85, а доли масс этих элементов, находящихся в максиминералах, снизились с 0,0266 до 0,0223.
Модели сопоставления вещественно-стоимостных показателей добычи
Выявленное «ускорение», под которым понимается, как превышение (группа В), так и сходство (А) значений для менее длительного периода, означает, что в нем воспроизводство сырьевой базы полезных ископаемых происходило менее интенсивно относительно ее использования по сравнению с более продолжительным периодом. Тем не менее, в целом это не привело к негативным последствиям. Согласно количественным характеристикам, сырьевые базы минерального сырья группы В обладали высокой устойчивостью и обеспеченностью запасами (более 126 лет), кроме фосфатов, где устойчивость нормальная, а обеспеченность составила 43 года. Следовательно, при сохранении менее интенсивного воспроизводства запасов эти полезные ископаемые имеют резерв для дальнейшего наращивания добычи.
К ним также отнесены Cr-руды, у которых также высокая устойчивость МСБ и обеспеченность запасами. Сурьма, несмотря на вхождение в группу А, напротив, пример негативного воздействия установленного «ускорения», что выражено низкой устойчивостью ее сырьевой базы и минимальной среди анализируемых полезных ископаемых обеспеченностью добычи запасами.
Обращают на себя внимание полезные ископаемые подгруппы Б і с несколько меньшими значениями 1981—2008 гг. относительно 1950—1995 гг. При в целом нормальной устойчивости сырьевых баз и высокой обеспеченности, два из них, золото и цинк, характеризовались определенными особенностями. По устойчивости МСБ они приближались к реализации 50% потенциала, а обеспеченность являлась средней, с близостью к низкой (золото), и низкой (цинк).
Положение цинка, золота, а также сурьмы, отражает тенденцию исчерпания фонда богатых и легкодоступных высокоэффективных типов месторождений с высокими концентрациями в рудах извлекаемых компонентов и меньшую вероятность их обнаружения. Это обусловлено высоким уровнем геологической изученности территорий многих стран — Северо-Американский и Австралийский континенты, значительная часть Евразии [28, 41], включая эффективные для освоения глубины. Соответственно, воспроизводство МСБ в масштабах, эквивалентных темпам ее использования, вероятно за счет интенсификации поисков в новых отдаленных регионах и на значительных глубинах, а также освоения «новых» типов месторождений, что требует разработки и развития инновационных технических комплексов и технологических схем поиска и добычи минерального сырья.
Примером этих процессов являются изменения, происходящие в освоении мировой МСБ никеля. Согласно анализу ее долгосрочных тенденций [13] в течение второй половины XX века для никеледобывающего сегмента промышленности была характерна ведущая роль в сырьевых активах преимущественно сульфидного медно-никелевого гео лого-промышленного типа (в отличие от латеритного силикатного никелевого типа). В результате к началу XXI века на первый из них приходилось около 58, на второй — 42% добычи. Однако с 2001—2005 гг. доля силикатного ГПТ в добыче начала повышаться, что обусловлено преобладанием этого типа в большинстве горнорудных проектов с планами освоения после 2000 г. (67,4%).
Как отмечено авторами, этот переход вызван отсутствием открытий крупных скоплений сульфидных медно-никелевых руд, исчерпанием фонда месторождений богатых сплошных руд этого промышленного типа. Тем не менее, доля сульфидных медно-никелевых руд в добыче никеля пока остается высокой. Замедляют тенденцию спада разработка и внедрение новых технологий (биовыщелачивание) с высоким уровнем извлечения никеля и попутных благородных и легирующих металлов из бедных вкрапленных сульфидных никелевых руд (крупнообъемные месторождения Дулутского комплекса, открытые в конце 1960-х годов). Рост доли силикатных руд никеля стал возможным вследствие технологических достижений, связанных с повышением эффективности автоклавного сернокислотного выщелачивания этого геолого-промышленного типа руд (HPAL).
Выявленный в 1980—1990 гг. нетрадиционный тип осадочных сульфидных никель-молибден-благороднометалльных (фосфориты и редкоземельная минерализация) месторождений в черносланцевых толщах обстановок морского мелководья краевых морей (месторождения бассейна Селвин, Северо-Западная Канада и др.), в свою очередь служит примером перспективного обеспечения промышленности по мере исчерпания месторождений традиционных типов.
Таким образом, при существующей технологической сопряженности использования полезных ископаемых отличия в устойчивости их сырьевых баз и повышением скорости их изменения во времени обуславливают необходимость соблюдения определенной сбалансированности уровней обеспеченности между разными видами минерального сырья, что особенно важно при долгосрочном прогнозе минерально-сырьевого обеспечения.
Прогнозирование такой сбалансированности возможно на основе нормирования показателя обеспеченности. Для его расчета применен метод аналогичный показателям запасов и добычи (см. подраздел 2.3). Вычисление значений показателя Vb, характеризующего металлоемкость обеспеченности добычи запасами, проводилось по формуле: Vb = ЬПИ/ЬБПИ, где Ьпи значения обеспеченности запасами заданных полезных ископаемых, приходящиеся на обеспеченность запасами базового (ЬБПИ) В выбранный момент времени. В схематичном виде модель в составе трех показателей: запасов, добычи и обеспеченности для 5 полезных ископаемых представлена на рис. 3.16.
Область расчетных значений показателя Vb — совокупность прямых ( 1) и обратных (0 Vb l) отношений показателя обеспеченности (Ь). Полученные нормированные характеристики позволяют сопоставить обеспеченность заданных полезных ископаемых относительно годовой обеспеченности базового полезного ископаемого.
Согласно распределению значений показателя b происходит изменение последовательности пяти полезных ископаемых (рис. 3.16). В порядке его увеличения они образуют новый ранговый ряд (в скобках приведено их положение в матрицах нормированных показателей запасов и добычи): 1 цинк (4), 2 олово (1), 3 свинец (3), 4 медь (5), 5 никель (2).
Модели вариативного прогноза развития МСБ ведущих рудных полезных ископаемых
Прогнозирование долговременного развития МСБ полезных ископаемых возможно путем применения исследовательского или нормативного подхода. В первом случае прогноз базируется на анализе ретроспективы тенденций использования и воспроизводства сырьевой базы с последующей их экстраполяцией в будущее, исходя из геологической изученности и заданного минерально-сырьевого обеспечения экономики. Другой вариант [40] основывается на определении целей и достижимых результатов. После чего в зависимости от принятых сроков выполнения задачи результаты соотносят с текущим состоянием сырьевого обеспечения — тем самым связывая, поставленные цели и возможности реализации.
На примере пяти полезных ископаемых (Си, Zn, Ni, Pb, Аи) автором проведено моделирование прогнозных тенденций развития мировой минерально-сырьевой базы с акцентом на страны БРИКС (2009—2030 гг.). При создании моделей использованы методические приемы, изложенные в ряде опубликованных работ [28, 30], в которых тренд развития оценивается показателями численности народонаселения (N) и потребностью в топливно-энергетическом сырье, характеризуемой добычей (Мтэс). В основе прогноза первого показателя (N) лежит изменение душевой добычи (Н) в заданный временной отрезок, второго показателя (Мтэс) — значение металлоемкости добычи (Ам). Динамика приведенных показателей, как факторных переменных моделей, задает темпы добычи других полезных ископаемых.
Статистические данные по народонаселению в странах БРИКС и мире (кроме России) приведены по данным Всемирного Банка [71] и ООН (средний вариант прогноза [72]). Значения ТЭС (без учета России) приняты по ретроспективе [9] и базовому сценарию прогноза добычи ТЭС-компонентов [64].
Для России динамика роста населения и средний вариант прогноза даны согласно Росстату [21]. При расчете ТЭС использованы данные о добытых топливно-энергетических полезных ископаемых [46] и прогноз их добычи [47]. Применение ретроспективных данных Росстата обусловлено их адекватностью с положениями Энергетической стратегии [47], по сравнению с другими источниками [9]. Поэтому моделирование для России проведено отдельно от стран БРИКС.
Модели каждого полезного ископаемого представлены совокупностью рассчитанных значений стран БРИКС и мира без группы БРИКС.
В каждую модель введены данные USGS по мировой добыче в 2009—2011 гг. указанных пяти полезных ископаемых [68, 69]. Добавленные количественные характеристики, включающие группу БРИКС и страны вне нее, служат с одной стороны для анализа направленности складывающейся тенденции относительно прогнозируемой, а с другой стороны, позволяют оценить воздействие глобального экономического кризиса, разразившегося в конце 2008 г., и последовавшей рецессии мировой экономики на ход развития минерально-сырьевого комплекса.
Для исключения случайных годовых флуктуации при моделировании развития сырьевых баз анализируемых пяти полезных ископаемых расчетные показатели представлены по укрупненным интервалам (1995, 2000, 2005, 2008 и 2015, 2020, 2030 годы). Долгосрочный прогноз на основе ретроспективной динамики приведенных характеристик народонаселения и ТЭС дан по их изменению в 1995—2005 гг. — Н1995—2005И Ам(і995—2005) и в 1995—2008 гг.— Ні 995—2008 и Ам(і 995—2008). Также показана прогнозная оценка, сохраняющая достигнутые в 2008 г. показатели уровней душевой добычи Н2008 и
При расчете прогнозных моделей полезных ископаемых по показателям Н и Ам выявлены определенные закономерности, которые рассмотрены на примере меди и цинка (рисунки 4.9 и 4.10), для которых характеристики добычи представлены индексами g (см. табл. 2.1), являющимися отношением показателя М прогнозируемого года к показателю М базового (2008) года. Так, прогноз добычи, исходящий из условия сохранения в перспективе уровня металлоемкости 2008 г., превысил соответствующие оценки, полученные на основе неизменности уровня душевой добычи.
Это расхождение обусловлено следующим. Допущение о неизменности душевой добычи означает [28, 30], что ее прогнозируемое увеличение эквивалентно росту народонаселения и выражает сохранение достигнутого уровня минерально-сырьевой комфортности среды обитания человечества. Более интенсивный рост на основе показателя Ам (2оо8) выражает повышение указанного уровня комфортности, по меньшей мере, в части топливно-энергетических полезных ископаемых. Это приводит к тому, что прогнозируемая добыча рудных и нерудных полезных ископаемых, основанная на гипотезе сохранения показателя Ам для заданного года, всегда превышает аналогичную оценку, полученную из показателя Н.
Прогнозируемые значения добычи на основе ретроспективной динамики Ам (1995—2005 и 1995—2008 гг.), напротив, уступили соответствующим оценкам на основе Н. Эти различия вызваны тем, что показатель Ам, выражая связь между ТЭС и остальными полезными ископаемыми, при определяющей роли энергетического обеспечения в минерально-сырьевом обеспечении современной цивилизации, ограничивает динамику роста душевой добычи.
Описанные особенности прогнозных построений развития МСБ на основе нормированных значений народонаселения и ТЭС при моделировании по Pb, Ni, Au позволили ограничиться только применением показателя Ам. Ниже прогнозные оценки на его основе рассмотрены более подробно.
Для исследования вариативного развития сырьевых баз меди, цинка, свинца, никеля, золота в анализ введен показатель вовлеченности запасов в отработку через накопленную добычу (I), представляющий собой отношение накопленной добычи (ТМ), включающей базовый (2008) год и прогнозируемый период (2009— 2030 гг.), к запасам (R) на начало базового года (см. табл. 2.1). Если значение I меньше или равно единице, накопленная добыча обеспечена выявленными запасами, что формально подтверждает их достаточность.
Если же значение I больше единицы, то это свидетельствует о недостаточности (дефиците) выявленных запасов.
Уровень вовлеченности запасов в отработку через накопленную добычу, интенсивность которого для каждого полезного ископаемого определяется множеством факторов (востребованность, ликвидность, особая роль для национальной безопасности и т.д.), отражает необходимую величину воспроизводства. В общем случае минимально достаточным является воспроизводство, приводящее к простому восполнению запасов и возврату сырьевой базы в исходное состояние. Для устойчивого в перспективе минерально-сырьевого обеспечения экономики воспроизводство должно иметь расширенный характер.