Содержание к диссертации
Введение
Глава 1. Основные подходы к подсчету запасов твердых полезных ископаемых
1.1. Обзор методов подсчета запасов твердых полезных ископаемых
1.2. Международные стандарты классификации, отчетности и раскрытия информации о минеральных ресурсах и запасах
1.3. Адаптация российской классификации к требованиям международных стандартов CRIRSCO и РК ООН
1.4. Развитие методических подходов к оценке запасов и ресурсов в современных экономических условиях
Глава 2. Методика компьютерного моделирования месторождений твердых полезных ископаемых
2.1. Подготовка базы геологоразведочных данных 55
2.2. Статистическая обработка данных опробования 59
2.3. Основы геометризации рудных тел 66
2.4. Геостатистические исследования 70
2.5. Основные методы пространственной интерполяции 76
Глава 3. Методика оценки запасов яковлевского месторождения богатых железных руд
3.1. История открытия и разведки Яковлевского месторождения 83
3.2. Особенности геологического строения Яковлевского месторождения богатых железных руд
3.3. Статистическая обработка данных опробования Яковлевского месторождения богатых железных руд
3.4. Особенности методики разведки Яковлевского месторождения богатых железных руд
3.5. Геометризация рудных тел Яковлевского месторождения 140
3.6. Геостатистические закономерности пространственного размещения параметров оруденения
3.7. Интерполяция показателей качества богатых железных руд в блочную модель Яковлевского месторождения
Глава 4. Сравнителъный анализ методики оценки запасов месторождений железистых кварцитов
4.1. Особенности методики моделирования и оценки запасов Костомукшского месторождения железистых кварцитов
4.2. Особенности методики моделирования и оценки запасов месторождений железистых кварцитов Оленегорской группы
4.3. Сравнительный анализ статистических и геостатистических закономерностей проявления оруденения на месторождениях железистых кварцитов
Заключение 232
Литература
- Международные стандарты классификации, отчетности и раскрытия информации о минеральных ресурсах и запасах
- Статистическая обработка данных опробования
- Особенности геологического строения Яковлевского месторождения богатых железных руд
- Особенности методики моделирования и оценки запасов месторождений железистых кварцитов Оленегорской группы
Введение к работе
Актуальность работы. Задача совершенствования методов интерпретации и полноты использования геологоразведочных данных, как основы для получения исходных для подсчета запасов параметров, является весьма актуальной. Существовавшие ранее в СНГ и, в ряде случаев сохранившиеся и до настоящего времени, системы получения геологоразведочной информации изначально не были ориентированы на современные компьютерные технологии. Это определило необходимость разработки способов адаптации полученной геологоразведочной информации для ее полноценного использования при моделировании месторождений и подсчете запасов на основе компьютерных технологий. Данный тезис особенно важен для месторождений, геологоразведочные работы на которых проводились неоднократно, с длительными перерывами и часто с использованием различных методик разведки. В качестве яркого примера в работе рассмотрено Яковлевское месторождение богатых железных руд (БЖР).
Компьютерное моделирование месторождений с использованием статистических и геостатистических методов более точно отражает пространственные закономерности распределения широкого комплекса параметров оруденения. Блочная модель (БМ), построенная на их основе, при принятой геометрии и плотности разведочной сети наиболее полно иллюстрирует существующие природные неоднородности в строении рудных тел.
Количественная оценка минерального сырья на основе БМ предопределяет большую точность по сравнению с традиционными методами, поскольку позволяет учитывать множество показателей, влияющих на подсчет запасов. Особенно важно, что использование блочного моделирования дает возможность оценивать запасы отдельно для различных типов и промышленных сортов руд не статистическим методом, а на основе их геометризации с учетом всего комплекса оценочных параметров:
содержанием основного компонента и вредных примесей, прочностных, технологических и прочих характеристик вещественного состава руды.
Адаптация трехмерного компьютерного моделирования и современных технологий подсчета запасов применительно к месторождениям железистых кварцитов позволяет усовершенствовать методику создания геологических моделей, повысить точность, достоверность и оперативность оценки и переоценки запасов месторождений данного формационного типа, что весьма актуально в современных экономических условиях, характеризующихся высокой динамичностью конъюнктуры минерального сырья.
Цель и задачи исследований. Цель работы заключается в совершенствовании методики создания геологических моделей рудных тел месторождений железистых кварцитов для повышения точности, достоверности и оперативности подсчета запасов.
Задачи исследований заключаются в следующем:
1) Разработка методики использования материалов геологоразведочных работ, полученных в разные годы при различных системах разведки, для геометризации рудных тел Яковлевского месторождения;
2) Разработка критериев однородности и граничных параметров статистических совокупностей для обоснования выбора эффективного метода подсчета запасов;
3) Выбор оптимального комплекса статистических и геостатистических процедур моделирования, разработка методик создания геологических моделей и подсчета запасов месторождений железистых кварцитов с использованием компьютерных технологий;
4) Сравнительный анализ статистических и геостатистических закономерностей проявления оруденения на месторождениях железистых кварцитов (Костомукша, Оленегорская группа).
Фактический материал и личный вклад автора. В основу диссертационной работы положены результаты исследований, которые выполнялись автором в рамках научно-исследовательских работ «Научное сопровождение строительства и ввода в эксплуатацию первой очереди Яковлевского рудника» в 2005-2007 гг. На протяжении 2005-2007 гг автором была подготовлена база геологоразведочных данных Яковлевского месторождения. Проведено трехмерное компьютерное моделирование Яковлевского месторождения с оценкой ресурсов участка первоочередной отработки.
Также при написании диссертационной работы были использованы результаты, полученные в рамках работ по компьютерному моделированию и оценки ресурсов Костомукшского и Оленегорского месторождений железистых кварцитов, которые выполнялись компанией ООО «Арджейси Консалтинг» при участии автора в 2007 и 2008 гг.
На протяжении 2005-2008 гг. работа была поддержана персональным грантом СПГГИ (ТУ), а также персональным грантом американского фонда гражданских исследований и разработок (CRDF) в 2006 г.
Основные методы исследований. В процессе выполнения работы использовались статистические и геостатистические методы изучения закономерностей распределения параметров оруденения месторождений железистых кварцитов и БЖР, проводилось макроскопическое и микроскопическое изучение БЖР Яковлевского месторождения, компьютерное моделирование месторождений железистых кварцитов и БЖР в горно-геологической информационной системе MICROMINE. Основные научные положения, представленные к защите.
1. Использование статистически определенного и геологически обоснованного бортового содержания в качестве граничного параметра при оконтуривании рудных тел железистых кварцитов позволяет выявить однородные домены и обосновать оптимальный метод подсчета запасов.
2. Усовершенствованная методика геометризации рудных тел позволяет корректно учитывать информацию, полученную на различных стадиях геологоразведочных работ, при создании объемной компьютерной модели Яковлевского месторождения.
3. Использование индикаторного кригинга при построении блочных моделей рудных тел месторождений железистых кварцитов позволяют учесть неоднородность статистических совокупностей, а также провести геометризацию природных типов и технологических сортов руд. На основе полученных моделей можно провести раздельный подсчет запасов для отдельных технологических сортов с учетом других присущих им специфических параметров.
Научная новизна работы. Установлены статистические закономерности распределения железа в железистых кварцитах и богатых железных рудах Яковлевского, Костомукшского и Оленегорскго месторождений, позволяющие определять граничные параметры рудных тел по данным опробования и выявлять однородность статистических доменов.
Практическая значимость. Разработанные методики максимально полного учета геологоразведочной информации при компьютерном моделировании и подсчете запасов частично использованы в практике составления компьютерных моделей Костомукшского месторождения и ряда месторождений Оленегорской группы и могут применяться и на других железорудных объектах данного типа. Подготовленное автором учебно-методическое пособие «Компьютерное технологии подсчета запасов» используется в учебном процессе.
Апробация работы и публикации. Основные положения, изложенные в диссертации, докладывались на научных конференциях студентов и молодых учёных «Полезные ископаемые России и их освоение» (СПГГИ (ТУ) им. Г.В. Плеханова, 2005 - 2008 гг.), научно-практической конференции "Современные технологии в моделировании геологической среды" (г. Екатеринбург, 2006 г.), XVIII молодежной научной конференции, посвященной памяти К.О. Кратца «Актуальные проблемы геологии докембрия, геофизики и геоэкологии» (г. Санкт-Петербург, 2007 г.).
Общее количество опубликованных работ 7, в том числе 4 работы по теме диссертационной работы.
Структура и объем работы. Диссертационная работа изложена на 245 машинописных страницах, состоит из введения, 4 глав, заключения, списка литературы из 122 наименований, содержит 111 рисунков, 26 таблиц.
Краткое содержание работы.
Во введении обоснована актуальность темы диссертации.
В первой главе приведен обзор традиционных методов подсчета запасов, а также анализ методологии подсчета и международных стандартов классификации запасов на основе компьютерного моделирования.
Во второй главе описана методика трехмерного компьютерного моделирования месторождений твердых полезных ископаемых, методологические основы статистической и геостатистической обработки данных опробования.
В третьей главе описаны особенности геологического строения и методики разведки Яковлевского месторождения БЖР, проведен статистический анализ геологоразведочных данных, разработана методика геометризации БЖР, описаны геостатистические закономерности размещения параметров оруденения, проведена оценка запасов месторождения, рассмотрен вопрос учета значений плотности руд при подсчете запасов.
В четвертой главе рассмотрены особенности методики моделирования и оценки запасов месторождений железистых кварцитов (Костомукша, Южно-Кахозерское, им. 15 летия Октября), рассмотрены критерии однородности статистических доменов, а также применение геологического бортового содержания для обоснования выбора эффективного метода подсчета запасов.
В заключении сформулированы основные результаты исследований.
Благодарности. Автор выражает глубокую и искреннюю признательность своему научному руководителю д.г.-м.н. доц. А.В. Козлову за постоянную помощь и внимание при подготовке диссертационной работы, д.г.-м.н. проф. Г.С. Поротову, к.г.-м.н. доц. В.А. Степанову, а также всем сотрудникам кафедры ГРМПИ СПГТИ (ТУ). Также автор искренне благодарит М.Ф. Корнилова, А.П. Харлашина, А.Н. Чвикова, П.М. Мишуловича и весь коллектив компании ООО «Арджейси Консалтинг» за методическую помощь при выполнении исследований положенных в основу диссертационной работы.
Международные стандарты классификации, отчетности и раскрытия информации о минеральных ресурсах и запасах
Международные стандарты обеспечивают унификацию систем классификации, оценки и отчетности по минерально-сырьевым ресурсам. В их основе лежат стандарты ведущих горнодобывающих стран. В России большая часть горнодобывающих компаний работает в международной финансово-экономической системе, при этом тесно связаны с зарубежными инвесторами, которые принимают решение об участии в горнопромышленном бизнесе, основываясь на публичной отчетности и открытой информации о компаниях и их ресурсной базе.
В современных экономических условиях необходимо сближение и адаптация российских систем классификации и отчетности к действующим международным стандартам. Процессы глобализации экономики, которая во многом строится на минерально-сырьевых ресурсах, определяет необходимость корректной контролируемой оценки запасов полезных ископаемых, построенной на строгих принципах, понятных для всех участников рынка: горнодобывающих компаний, инвесторов, кредитных организаций, акционеров. К этой цели стремятся многие национальные и международные организации, которые разрабатывают «правила игры» в горнодобывающей отрасли.
Одним из существенных факторов, сдерживающих привлечение иностранных инвестиций в геологоразведку и недропользование, является отсутствие единых стандартов в оценке запасов природных ресурсов. Россия работает по системе ГКЗ, западные специалисты используют международные кодексы публичной отчетности, такие как JORC code. Такие публичные отчеты находят понимание у западных инвесторов. Компании, рассчитывающие на инвестиции с Запада, должны переводить документацию в соответствующие международные стандарты. Разработка международных стандартов отчетности и раскрытия информации по минерально-сырьевым ресурсам стала особенно актуальной в последние десятилетия в связи с рядом скандалов, связанных с представлением отдельными компаниями неточной, иногда сознательно искаженной информации о запасах отрабатываемых полезных ископаемых и их капитализации. Известна крупнейшая афера компании «Бри-Экс Минералз» в 1997 г., когда цены на ее акции подскочили в 10 раз, достигнув $280 за акцию, сделав их обладателей миллионерами буквально за одну ночь. В пресс-релизах «Бри-Экс Минералз» было заявлено, что золоторудное месторождение Бусанг в Индонезии является самым богатым из всех когда-либо найденных. На самом деле это была фальсификация материалов опробования, после которой последовал финансовый крах. Этот случай - яркий пример возникновения серьезных экономических проблем в связи с отсутствие стандартов на представление информации и механизма контроля над их соблюдением, что способствовало грандиозному обману акционеров [48].
Предлагаемые подходы к оценке запасов сформулированы в ряде национальных и международных стандартов классификации запасов, стоимостной оценки, финансовой отчетности и раскрытия информации по запасам и ресурсам твердых полезных ископаемых. Наиболее глубоко и полно разработаны следующие из них: Австралийско-азиатский Кодекс представления отчетности о минеральных ресурсах и запасах (Кодекс JORC), Южноафриканский Кодекс представления отчетности о минеральных ресурсах и запасах (Кодекс SAMREC), Стандарты Канадского института горнометаллургической промышленности и углеводородного сырья по минеральным ресурсам и запасам; дефиниции и методические указания по применению (стандарты СІМ), Модельный кодекс отчетности по запасам и ресурсам твердых полезных ископаемых (Кодекс CRIRSCO).
Принципиальное значение и назначение имеют классификации запасов и ресурсов, принятые в 1999 г. в форме кодексов в Австралии, Канаде, ЮАР, CILIA и Австрало-Азиатском регионе. Эти кодексы, согласованные с фондовыми биржами, содержат унифицированные определения различных категорий ресурсов и запасов, регламентируют требования к ним, порядок оценки и экспертизы. Назначение этих документов - создание достоверной базы для капитализации запасов — включения их стоимости в цены акций. Применение единых стандартов позволит доказать инвестиционную привлекательность минеральных ресурсов российских горных компаний, позволит эффективно сотрудничать с финансовыми организациями, выходить на международные фондовые биржи.
Такие стандарты уже разработаны и приняты в ряде ведущих горнопромышленных стран, что отражается в их национальных классификациях. В национальные классификации ведущих горнопромышленных стран при всей их специфичности заложены одни и те же принципы, что позволяет их сопоставлять между собой.
Статистическая обработка данных опробования
Для использования методов геостатистики, которые применимы только к однородным совокупностям, необходимо выделять геологически и статистически однородные совокупности геологоразведочных данных, которые в дальнейшем необходимо исследовать отдельно. Такого рода совокупности данных называют доменами.
Основными задачами статистической обработки геологоразведочных данных являются: определение типа распределения содержаний полезных компонентов в рудах, оценка природного бортового содержания полезного компонента для геометризации оруденения, а также анализ наличия однородных совокупностей содержаний рудных элементов.
Статистическая обработка данных опробования для всех изучаемых объектов осуществляется с помощью построения гистограмм, корреляционных диаграмм и определения основных статистических характеристик по данным о содержании основных полезных и вредных компонентов в рудах и вмещающих породах во всех опробованных горных выработках и скважинах. Таким образом, для изучения данных опробования используются одномерные и многомерные статистические модели.
Статистическая обработка данных опробования с использованием одномерных статистических моделей имеет смысл для однородных статистических совокупностей при соблюдении также условий случайности и независимости результатов измерений. Соблюдение необходимых условий позволяет применять для математической обработки измеренных значений {реализаций случайной величины х) аппарат (теоремы, формулы, уравнения, законы) теории вероятностей.
Основной характеристикой случайной величины служит функция плотности ее распределения (закон распределения) f(x), определяющая вероятности появления различных значений х. Наиболее существенные особенности распределения случайной величины могут быть выражены с помощью числовых характеристик положения и разброса. К важнейшим характеристикам положения случайной величины относятся характеристики центра положения (мода, медиана, математическое ожидание, среднее).
Мода случайной величины - ее наиболее часто встречающееся значение, соответствует вершине (пику) на графике функции плотности распределения. Таким образом, вывод о неоднородности изучаемой выборочной совокупности можно сделать по наличию нескольких модальных значений на эмпирическом графике распределения.
Это значение m называют математическим ожиданием случайной величины характеризующее среднее значение в генеральной совокупности. При увеличении числа наблюдений среднее значение выборки стремится к математическому ожиданию.
Основными характеристиками рассеяния (разброса), определяющими степень отклонения значений случайной величины от ее математического ожидания, являются размах, стандартное отклонение, дисперсия и коэффициент вариации. Для характеристики степени асимметрии и остроты графика функции плотности распределения используются показатели асимметрии и эксцесса соответственно.
Для решения задач, связанных с разделением геологических совокупностей на несколько самостоятельных по величине изучаемого свойства, а также для поиска оптимальных границ геологических совокупностей используются изображения распределений выборочных данных в виде гистограмм и куммулятивных графиков частотного распределения (рис. 2.7).
При построении эмпирических графиков функции плотности распределения f(x) {гистограммы) по оси ординат откладываются частости (отношение числа значений в классе к общему числу в выборке), соответствующие каждому классу значений случайной величины (рис. 2.7, а), а при построении кумулятивных графиков частотного распределения (функции распределения F(x)) - накопленные частости, т.е. суммы частостей по всем классам, где значение случайной величины меньше заданной переменной х (рис. 2.7, б). Данные графики дают наглядное представление о поведении случайной.величины.
Для аппроксимации эмпирических данных могут быть использованы различные теоретические распределения. Графики частотного распределения содержаний Fe в богатой руде: а - график накопленной частости; б - гистограмма распределения. не может быть принята вследствие существенно отрицательной асимметрии распределения эмпирических данных - отраженный логнормальный. Подобрав теоретическую модель распределения, не противоречащую эмпирическим данным, можно оценить основные статистические характеристики изучаемых свойств, в данном случае результатов опробования основных полезных и вредных компонентов руды и вмещающих пород месторождений железистых кварцитов.
При использовании любых одномерных статистических моделей описываемая выборочная совокупность должна быть однородна. Таким образом, одной из важнейших задач статистической обработки исходных данных является разделение неоднородной совокупности на несколько однородных. Такое разделение может быть осуществлено с помощью графиков эмпирических кривых распределения. На неоднородность выборки может указывать наличие на графике нескольких максимумов (пиков), соответствующих модальным значениям. Кроме статистических характеристик основанием для разделения выборок может служить геологическая причина. Задача разделения выборок должна решаться на основе анализа как статистических, так и геологических неоднородностей изучаемого геологического объекта.
Особенности геологического строения Яковлевского месторождения богатых железных руд
Наибольшим распространением на территории Восточно-Европейской платформы в докембрии пользуются месторождения железных руд железисто-кремнистых формаций, представленные железистыми кварцитами и богатыми железными рудами (БЖР), которые дают более половины добычи железных руд в России [21].
В пределах Восточно-Европейской платформы располагается одна из крупнейших железорудных провинций по запасам и качеству железных руд в мире — Курская железорудная провинция. Курская магнитная аномалия протягивается на 625 км в северо-западном направлении, при ширине в 150-200 км занимает площадь в 125 тыс. км2. В пределах железорудного района, занимающего центральную часть КМА (Курская, Белгородская, Орловская, Брянская и Воронежская области), сосредоточены все основные месторождения железных руд, представляющие наибольший практический интерес (рис. 3.1).
Яковлевское месторождение богатых железных руд расположено в пределах Белгородского железорудного района КМА. В геолого-структурном отношении Белгородский железорудный район располагается в области юго-западного склона Воронежской антеклизы и приурочен к южной части Михайловско-Белгородской металлогенической зоны, соответствующей Михайловско-Белгородскому грабен-синклинорию, вытянутому в северозападном направлении и занимающему западную половину площади КМА. Данная металлогеническая зона имеет важное значение в обеспечении промышленности богатыми железными рудами и является одной из наиболее изученных на территории КМА. Схема расположения железорудных месторождений Курской магнитной аномалии. Белгородский рудный район протягивается в северо-западном направлении на 140 км при ширине 37-40 км, включает в себя Яковлевско-Тавложанскую, Ольховатско-Купиновскую, Прохоровско-Большетроицкую и Олимпийскую рудные зоны. В геологическом строении района принимают участие два комплекса пород: осадочные образования карбона и мезо-кайнозоя и залегающие под ними с резким несогласием породы докембрия (архей, ранний протерозой). Докембрийский фундамент в пределах Белгородского района залегает на глубине от 320-400 м в северной и северно-восточной до 520-700 м - в южной и юго-западной частях района.
В связи с глубоким залеганием руд под породами осадочного чехла платформы в Белгородском железорудном районе промышленное значение имеют только богатые железные руды (БЖР). Всего на территории района разведано и учтено 5 месторождений таких руд. Три месторождения (Соловьевское, Олимпийское и Разуменское) являются перспективными для прироста промышленных запасов богатых железных руд.
Яковлевское месторождение - одно из наиболее крупных месторождений богатых железных руд бассейна Курской магнитной аномалии, расположенное в 35 км к северу от г. Белгорода, ив 12 км к западу от станции Сажная, на юго-западной окраине Белгородского железорудного района КМА.
Подобно всем железорудным месторождениям КМА, Яковлевское месторождение локализовано в докембрийских комплексах фундамента Восточно-Европейской платформы. В строении Яковлевского месторождения в соответствии с его геологической позицией, принимают участие породы кристаллического фундамента и покрывающая его осадочная толща. Поверхность фундамента лежит на глубине 490-550 м. Такой же мощностью обладают здесь каменноугольные и более молодые отложения чехла платформы. Кристаллический фундамент в районе месторождения сложен архейскими образованиями нижнего структурного яруса и протерозойскими - верхнего структурного яруса.
В структурном отношении месторождение приурочено к Яковлевской синклинали протяженностью свыше 50 км, крылья которой (яковлевская и покровская полосы) сложены породами курской, а ядро - оскольской серий. Общее простирание основной структуры месторождения северо-западное -320. Падение пород в обоих крыльях синклинали северо-восточное, моноклинальное под углом от 60 до 70. Общая протяженность Яковлевской синклинали, с учетом имеющихся геофизических данных, достигает 75 км. Ширина синклинали колеблется от 800 м до 2 км (на южном фланге до 4.5 км); в пределах разведанной части складки по выходам железистых кварцитов - от 1200 до 1600 м.
Складчатая структура месторождения осложнена дополнительной складчатостью, особенно в области контакта железистых кварцитов с надрудной сланцевой толщей. На месторождении широко развиты разрывные нарушения в виде зон дробления, брекчирования и интенсивной трещиноватости. Тектонические брекчии были зафиксированы, например, в скв. 21 на глубине 792 - 795 и813-819м среди кварцитов, а также отмечены в скважинах № 10, 11, 171. Однако дизъюнктивы, связанные с выявленными зонами дробления, по-видимому, имеют небольшую амплитуду, так как они обычно не выходят за пределы одного и того же стратиграфического горизонта. Более широко проявлены на месторождении дизъюнктивные нарушения в виде микросбросов. Нарушения этой категории наиболее часто развиты в породах железорудной свиты. Амплитуда смещений в них варьирует от долей миллиметра до нескольких сантиметров. Роль их в оруденении, по-видимому, ничтожна, ввиду того, что сбросовые трещины в них почти всегда залечены [114].
В связи с рассмотрением вопросов микротектоники, следует отметить широкое развитие на месторождении микроскладчатости и трещиноватости пород. Микроскладчатость в породах железорудной серии отмечается как в железорудной свите (кварцитах), так и во вмещающих ее филлитовых сланцах. Однако наиболее интенсивное проявление она получила в железистых кварцитах, хотя и проявлена в них чрезвычайно неравномерно. Трещиноватость в горных породах месторождения пользуется широким распространением. Она непосредственно видна в керне, а также проявляется в раздроблении керна в процессе бурения на обломки, ведущем, в конечном счете, к резкому снижению выхода керна в трещиноватых зонах.
Как уже было отмечено выше, в геологическом строении месторождения принимают участие кристаллические образования архейско-протерозойского возраста (с развитой на них мощной доверхневизейской латеритной корой выветривания) и перекрывающий их чехол осадочных пород палеозоя и мезо-кайнозоя мощностью 450-550 м.
Архейские образования картируются в обрамлении месторождения и представлены образованиями обоянской и Михайловской серий. Обоянская серия сложена биотитовыми, плагио- и гранитогнейсами, среди которых встречаются тела амфиболитов, амфиболовых сланцев, габбро-амфиболитов и серпентинитов. Михайловская серия картируется в северо-восточном обрамлении месторождения. Представляет собой мощную толщу амфиболитов и амфиболовых сланцев, гравелитов, песчаников.
Особенности методики моделирования и оценки запасов месторождений железистых кварцитов Оленегорской группы
Месторождения оленегорской группы расположены на территории Заимандровского (Оленегорского) железорудного района, находящегося в центральной части Кольского мегаблока Карело-Кольской железорудной провинции. Площадь Заимандровского железорудного района составляет около 250 км". В тектоническом отношении район выступает как блок третьего-четвертого порядка, ограниченный с северо-востока, юго-востока и юго-запада границами более крупных металлогенических элементов, а с северо-запада - зоной субширотных разломов. Характеристика геологического строения района приводится из материалов опубликованной и фондовой литературы [64, 117].
Внутренняя структура представлена сочетающимися между собой сериями гранитогнейсовых куполов овальной формы, межкупольные пространства которых заполнены гнейсами Кольской серии.
Железистые руды локализованы в высокометаморфизованных породах нижней толщи Кольской серии, которые полосой около 3 км окаймляют крупную овальную структуру, вытянутую в северо-западном направлении (рис. 4.14.).
В подрудной толще метабазиты представлены амфиболитами, амфиболовыми гнейсами и кристаллическими сланцами, отмечаются редкие прослои лейкократовых кварц-полевошпатовых гнейсов-лептитов. Надрудная толща сложена высокоглиноземистыми гнейсами с редкими прослоями амфибол-биотитовых гнейсов и амфиболитов.
Компьютерное моделирование месторождения им. 15-й годовщины Октябрьской революции выполнялось при участии автора компанией ООО «Арджейси Консалтинг». В диссертационной работе представлено краткое описание основных принципов, использованных при построении компьютерной модели месторождения имени XV-летия Октября.
Основная рудная залежь месторождения представляет собой крутопадающий пласт амфибол-магнетитовых кварцитов юго-восточного простирания. Залежь прослежена на протяжении 2,4 км, горизонтальная мощность колеблется от 15-20 м до 100-120 м. Выделяется два основных типа кварцитов - рудные амфиболо-магнетитовые кварциты, и безрудные или слаборудные магнетито-гранато-амфиболовые, пироксен-амфиболовые и магнетито-пироксеновые кварциты. Внутри рудной залежи присутствуют линзовидные прослои гнейсов мощностью от 1 м до 5-10 м. Распределение их по простиранию и падению залежи неравномерное.
Гистограмма распределения содержаний железа {рис. 4.15) построенные по неограниченной совокупности проб по всему месторождению показывают неоднородность имеющейся выборки. Визуально на гистограмме распределения можно выделить несколько самостоятельных совокупностей по содержанию Fe. По гистограммам распределения железа по всей выборке не предоставляется возможным выделить однородные статистические совокупности поэтому на следующем этапе был проведен статистический анализ распределения содержаний полезных компонентов с разделением проб в соответствии с выделенными в базе данных литологическими разновидностями железистых кварцитов.
Были построены гистограммы для двух основных типов кварцитов -рудных амфиболо-магнетитовых кварцитов, и безрудных и слаборудных кварцитов (магнетито-гранато-амфиболовых, пироксен-амфиболовых, магнетито-пироксеновых), а также для вмещающих пород (рис. 4.16-4.19).
В результате статистического анализа различных литологических разновидностей железистых кварцитов можно выделить однородные статические совокупности общего и магнитного Fe как для рудных кварцитов, так и для слаборудных и пироксеновых кварцитов.
Распределение по рудным амфиболо-магнетитовым кварцитам, которые и представляют промышленное оруденение, близко к нормальному и имеет одномодальный характер, большая часть значений Fe общего выше минимально промышленного. Данные породы имеют четкие литологические границы, поэтому оконтуривание производилось по литологическому принципу (без использования бортового содержания), а интерполяция содержаний железа в пределах рудных кварцитов выполнена методом ординарного кригинга.
Оконтуривание рудных тел амфиболо-магнетитовых железистых кварцитов проводилось по литологической границе с привязкой к рядовым пробам. При оконтуривании использовались кондиции на минимальную мощность рудного тела 4 м и максимальную мощность прослоя пустых пород 4 м. После создания контуров рудных тел в их пределах создавались контуры внутреннего разубоживания с мощностью прослоев пустых пород больше 4 м.
Кроме рудных амфиболо-магнетитовых кварцитов отдельно были оконтурены безрудные, слаборудные и пироксеновые кварциты (магнетито-гранато-амфиболовые, пироксен-амфиболовые, магнетито-пироксеновые), дайки диабазов и биотитовые гнейсы мощностью более 4 м. Расчленение остальной толщи не проводилось, так как она сложена преимущественно гнейсами и в блочной модели может быть закодирована без каркасных моделей. На основе полученных контуров были построены каркасные модели амфиболо-магнетитовых кварцитов (рис. 4.20) с учетом геологической структуры месторождения (тектонической модели, модели вмещающих пород и поверхности подошвы четвертичных отложений). Аналогично рудным каркасам были построены каркасы слаборудных, безрудных и пироксеновых кварцитов, биотитовых гнейсов и тело интрузии габбро-норитов на восточном фланге месторождения.
Для создания геологической блочной модели включающей основные литологические разновидности пород, геометризованных в виде самостоятельных каркасных моделей, было ограничено общее пространство, которое в свою очередь разделено на элементарные блоки мелкоблочной модели. Размеры элементарных (материнских) блоков по вертикали выбраны с учетом горнотехнических условий отработки месторождения открытым способом (высота уступа принята равной 15 м). Таким образом, высота материнских блоков по оси Z равна высоте уступа. Размеры материнских блоков по X и Y (25 м) были выбраны с учетом геометрии рудного тела и плотности разведочной сети по простиранию рудных тел.
В каждый блок был задан код принадлежности к литологической разновидности и заполнены поля атрибутов для этого блока (№ рудного тела, значение плотности пород). Предварительный статистический анализ проб показал, что в качестве основного метода моделирования для интерполяции основных полезных компонентов можно использовать метод ординарного кригинга. Для последующего геостатистического анализа и интерполяции использованы данные опробования в пределах каркасных моделей рудных тел. Для уравновешивания весовых коэффициентов проб, используемых при интерполяции, проведен расчет композитных интервалов по выбранным пробам на единую длину интервала опробования (2 м).
Задание основных направлений вариограмм проводилось в соответствии с морфологией рудного тела. В результате геостатистического исследования получены наборы вариограммных моделей по трем основным взаимно перпендикулярным направлениям изменчивости для основных полезных компонентов (Fe общее и Fe магнитное). В дальнейшем, полученные интервалы влияния вариограмм определили радиусы поиска для интерполяции содержаний в мелкоблочную модель.
