Использование численной модели RBF в Leapfrog на месторождениях с низкой плотностью бурения

В добыче промышленного сырья, особенно на месторождениях неметаллических полезных ископаемых, таких как специальные глины или магнезиты, буровые кампании обычно характеризуются низкой плотностью данных. Часто встречаются схемы, при которых скважины бурятся с поверхности вертикально (под углом 90 градусов) с расстоянием между ними в сотни метров. Такие интервалы обусловлены экономическими и операционными критериями, поскольку эти материалы, в отличие от благородных или стратегических металлов, имеют низкую удельную стоимость и не оправдывают проведение интенсивных буровых работ, за исключением самых поздних стадий проекта.

В этих условиях традиционные методы оценки, такие как метод обратных расстояний (IDW), метод естественного соседа (NN) или даже ординарный кригинг (OK), сталкиваются с серьезными ограничениями. Для обеспечения надежности этих методов требуется относительно однородное распределение данных, и они сильно уступают, когда информация скудна и распределена на больших расстояниях.

Основной проблемой на месторождениях такого типа является нехватка прямой пространственной информации. При вертикальных скважинах, удаленных друг от друга на сотни метров, классические методы интерполяции дают ненадежные результаты по нескольким причинам:

• IDW и NN создают плоские зоны или резкие скачки между точками данных, не сглаживая переходы естественным образом, поскольку они опираются исключительно на геометрию без учета геологической непрерывности.
• Ординарный кригинг (OK) требует четко определенной вариограммной структуры, построение которой невозможно при столь низкой плотности данных. Фактически, результаты расчета вариограмм в таких случаях имеют тенденцию быть нестабильными или лишенными геологического смысла.
• Геостатистическая валидация становится сложной и малопредставительной, когда не хватает пар данных для построения устойчивых пространственных структур.

Модель RBF (Radial Basis Function), предлагаемая в Leapfrog, представляет собой надежную, согласованную и практичную альтернативу в подобных ситуациях. Этот метод не требует явного построения вариограмм, но при этом привносит неявную форму пространственной непрерывности за счет использования радиально-базисных функций, которые автоматически подстраиваются под доступные данные. Иными словами, он обеспечивает степень сглаживания и непрерывности, эквивалентную базовой геостатистике, без ограничений, накладываемых другими методами.

Рис. 1: Пример модели RBF по показателям качества промышленного минерала

Ключевые преимущества модели RBF при добыче нерудного сырья с низкой плотностью данных:

• Для качественной работы не требуется плотная сеть скважин, благодаря чему метод идеально подходит для вертикальных схем с большим шагом бурения.
• Моделирует непрерывные поверхности, которые учитывают значения данных и создают плавные переходы без необходимости принудительного расчета вариограммных структур.
• Снижает появление «геометрических артефактов», характерных для простой интерполяции, таких как квадратные края или обширные плоские участки.
• Учитывает лежащую в основе геологическую геометрию, особенно при интеграции с литологическими поверхностями, ранее смоделированными в Leapfrog.

В компании Asturmine метод валидации оценок, выполненных с помощью RBF, прост, но эффективен: базовые статистические показатели входных данных (скважин) сравниваются с показателями блочной модели. Анализируются минимум, первый квартиль (Q1), медиана (Q2), третий квартиль (Q3), максимум и среднее значение. Если эти показатели хорошо согласуются между данными и блоками, модель признается надежной.

Этот подход является прозрачным, интуитивно понятным и позволяет быстро проверить, сохранила ли модель распределение содержаний или качественных характеристик. Кроме того, он помогает оперативно выявлять смещения или искажения, которые могут быть вызваны некорректной параметризацией или сложной геометрией, не учтенной моделью.

Применение модели RBF в Leapfrog представляет собой оптимальное и современное решение для оценки ресурсов на месторождениях промышленного сырья с низкой плотностью бурения. В условиях, когда классические методы дают сбой из-за нехватки данных или вариограммной сложности, RBF максимально эффективно использует доступную информацию, создавая гладкие, непрерывные и согласованные с геологией месторождения модели.

Для таких компаний, как Asturmine, эта модель доказала свою не только техническую обоснованность, но и прагматичность и эффективность, облегчая принятие решений, планирование новых кампаний и составление отчетов о ресурсах на достоверной технической основе.

На месторождениях промышленных минералов, таких как специальные глины или магнезиты, где маржинальность невысока, а буровые работы строго ограничены, модель RBF является не просто жизнеспособным вариантом, но, вероятно, лучшим доступным на сегодняшний день инструментом для создания полезных, обоснованных и соответствующих геологической реальности моделей ресурсов.