مقایسه آمار کلاسیک با زمین آمار

در بررسی‌های آمار کلاسیک، نتایج به‌دست‌آمده از اندازه‌گیری نمونه‌ها مستقل از موقعیت فضایی آن‌ها مورد تحلیل قرار می‌گیرد. بنابراین مقدار یک کمیت در یک نمونه، هیچ‌گونه اطلاعاتی در مورد مقدار آن کمیت در نمونه‌های دیگر با فواصل مختلف به دست نمی‌دهد. درحالی‌که در زمین‌آمار علاوه بر مقدار یک کمیت معین در یک نمونه، موقعیت فضایی نمونه نیز مورد توجه است. به‌عبارت‌دیگر می‌توان بین مقادیر مختلف یک کمیت در جامعه نمونه‌ها، و فاصله و جهت قرارگیری نمونه‌ها نسبت به هم ارتباط برقرار کرد. عدم توجه کافی به همین تفاوت به ظاهر کوچک بین زمین آمار و آمار کلاسیک، می تواند منجر به افزایش عدم قطعیت نتایج مطالعات مدل سازی و تخمین منبع معدنی شود.

برخی اشتباهات رایج

مطالعه متغیر ناحیه ای مستلزم دانش و آگاهی نسبت به شرایط و ویژگی های خاص این متغیر است و هرگونه سهل انگاری یا کوتاهی در زمینه پردازش، تحلیل و ارزیابی این متغیر می تواند به نتایجی به دور از واقعیت منجر شود و منبع معدنی اقتصادی را به منبعی غیر اقتصادی و یا بالعکس تبدیل کند.

به عنوان نمونه از طریق مطالعات آنالیز ساختاری، قانونمندی تغییرات مقادیر اندازه‌گیری شده در شیب و امتدادهای مختلف تعیین شده و به‌وسیله اعمال قانونمندی به‌دست‌آمده در تخمین سایر نقاط، می­توان دقیق‌ترین تخمین ممکن را برای متغیر تحت مطالعه به دست آورد. اشتباه در محاسبه واریوگرام تجربی و یا مدل برازش داده شده بر این واریوگرام می تواند عدم قطعیت مدل خروجی را به شدت افزایش دهد.

اشتباه رایج دیگر در این مطالعات در انتخاب روش تخمین و همچنین لحاظ نمودن پارامترها و الزامات هر یک از روش هاست. به عنوان نمونه در مطالعه عناصری همچون طلا، مس، فسفر و … که بخش عمده ای از نمونه های بدست آمده از گمانه ها شامل مقادیر عیار پایین بوده و به عبارت دیگر متغیر مورد نظر تابع توزیع لگاریتمی دارد، امکان استفاده از روش های معمول زمین آماری وجود نخواهد داشت. در مطالعاتی از این دست می بایست از روش تخمین لاگ کریجینگ استفاده کرد. اولین لازمه این روش تخمین استفاده از مدل واریوگرام لگاریتمی است و به هیچ عنوان نمی توان از مدل واریوگرام معمولی در تخمین این عناصر استفاده کرد. نتایج مطالعات انجام شده نشان می دهد تنها با انجام همین اشتباه به ظاهر ساده، بیشینه عیار عنصر مورد نظر بین ۲۰ تا ۲۵ درصد کاهش خواهد یافت.

انجام چنین اشتباهی از دو منظر منجر به ارائه نتایج به دور از واقعیت خواهد شد. در حالت اول عنصری همچون طلا و یا مس مورد مطالعه قرار میگیرد، با فرض کاهش بیشینه مقادیر عیاری در مدل تخمین زده شده و از دست دادن چارک بالای داده ها، زون پرعیار منبع معدنی که از دیدگاه اقتصادی بسیار مهم است مورد کم تخمینی قرار گرفته و ممکن است حتی توجیه اقتصادی ادامه فعالیت معدنکاری را نیز با تردید مواجه کند. در حالت دیگر عنصری مزاحم همچون فسفر در کانسارهای آهن مورد مطالعه قرار گرفته و بلوک هایی با چارک بالای عیاری مورد کم تخمینی قرار میگیرند. در این حالت زونی که از منظر عنصر مزاحم در وضعیت نامطلوبی قرار دارد با تخمینی اشتباه مورد ارزیابی قرار گرفته است. در حالی که اگر تخمین با دقت و کیفیت مناسبی صورت می پذیرفت شاید این زون به دلیل عیار بالای عنصر مزاحم از محدوده قابل طراحی معدن حذف می شد.

مدلسازی

با توجه به اینکه مطالعات ارزیابی و تخمین منبع معدنی مرحله آغازین طراحی معدن است، هرگونه عدم قطعیت در این مرحله به مراحل بعدی فرآیند معدنکاری تسری پیدا خواهد کرد. اشتباه در تخمین مقادیر عیاری منجر به محاسبات اقتصادی اشتباه، طراحی اشتباه محدوده معدنکاری و دسترسی ها و در نهایت طراحی اشتباه سیستم فرآوری خواهد شد. در نهایت نیز خروجی این اشتباهات جریان نقدینگی معدن را با مشکل مواجه خواهد کرد.

بدون دیدگاه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.