地质统计学在固体矿产资源储量分类中应用的若干问题.docxVIP

地质统计学在固体矿产资源储量分类中应用的若干问题 中国的“固体矿产资源储量分类”符合国家标准，采用经济轴（e）、弹性轴（f）和地质轴（g）的三维分类模式。固体矿产资源可分为三类（储量、基本储量和资源量）和16种类型。根据地质可靠性、经济意义和可行性评估，总结了矿产资源储量。地质统计学 (空间信息统计学) 因其具有以下特点而在固体矿产资源/储量分类中能更有效的发挥作用: (1) 地质统计学是从地质、矿业工作实践出发, 对原有概率统计的若干概念进行了选择、 改造及创新, 使之更能适应矿产勘查、 评价及开采的特点; (2) 能最大限度地利用所取得的关于矿产资源估计的信息, 提高估计精度; (3) 它不但能给出矿产资源中有用组分的最佳估计值 (块段平均品位及资源量/储量) , 而且能给出相应的估计精度, 为正确评估矿产资源/储量提供重要依据; (4) 能够把矿产勘查、 矿山设计及矿床开采有机的结合起来, 这对于矿产资源有效的进入市场十分有利; (5) 地质统计学 (空间信息统计学) 的理论基础及处理不同类型矿床有用组分的各种地质统计学方法, 大大提高了对矿产资源/储量评估的可靠程度, 降低了风险; (6) 它能很好的适应地质勘查、 矿山开采的现代化管理, 对开采方法及有用组分的市场经济条件的应变能力较强。 早在1987年作者就地质统计学 (空间信息统计学) 应用于固体矿产资源/储量分类中的若干问题进行了讨论, 现结合矿产资源/储量新的分类标准进一步进行深入探讨。 1 为今后研究的计算方法提供不同的地质统计学证据以确定是否为前提 对于任一储量计算方法都不能要求所计算出的待估块段V的某有用组分平均品位的估计值ZV*和其实际值ZV相同, 即偏差ε=ZV-ZV*是不可避免的, 但是, 为了提高估计精度, 我们应选择能满足以下两点的估计方法: 1) 估计误差的期望为0: E[Ζv-ΖV*]=0(1) 即保证是无偏估计; 2) 待估块段的估计品位与实际品位之间的单个偏差尽可能的小, 即估计方差尽可能的小: σ2E=Var[ΖV-ΖV*]=E{[ΖV-ΖV*]2}?min(2) 而过去一些储量计算方法往往无法满足以上两点, 这是因为这些方法: (1) 基于经典的概率统计理论, 而经典概率统计要求样本相互独立, 但矿床中的有用组分, 其样品品位值不仅具有随机性而且具有空间 (统计) 相关性; (2) 把部分钻孔的品位当作一个块段的品位; (3) 未充分考虑品位的空间变异性; (4) 未能考虑矿化强度在空间的分布特征; (5) 方法本身无法检验其估计精度, 从而无法进行风险分析。地质统计学 (空间信息统计学) 能避免过去一些常用储量计算方法的上述不足, 给出待估块段V的有用组分平均品位的估计方差为最小的无偏估计量ZV*: ΖV*=n∑a=1λaΖa(3) (3) 式表明:任一待估块段某有用组分的真实值的估计量ZV*是待估块段影响范围内n个有效样品值Zα(α=1, 2, …,n) 的线性组合。而各种地质统计学方法能给出保证ZV*为ZV的无偏估计值的加权因子λα及其相应的最小估计方差, 即克立格方差σ2Κ。 我们可以根据矿床中有用组分的分布特征选择不同的地质统计学方法, 以便得到无偏估计量, 例如, 当有用组分服从正态分布时, 可以用简单克立格法、普通克立格法及泛克立格;当有用组分不服从正态分布时, 可用对数正态克立格法, 指示克立格法及中位数克立格法;当有多个变量的信息可供利用时, 可用各种多元地质统计学技术 (如协同克立格法) ;当有用组分呈现出非线性特征或有特殊要求时, 可用各种非线性地质统计学 (如析取克立格法, 条件期望等) ;此外, 还有各种条件模拟技术用来解决各种问题。 2 采用估计偏差和离散差差，计算和分类储量，是两个地质统计学的重要概念 1 估计方差:v、v、v之间的距离 当我们在估计邻域内用n个信息样vi(i=1, 2, …,n) 来估计待估域V的有用组分的估计值ZV*时, 其估计方差是: σ2E=ˉC(V?V)+ˉC(v?v)-2ˉC(V?v)(4) 或σ2E=ˉC(V?V)+n∑i-1n∑j-1ˉC(vi?vj)+2n∑i=1λiˉC(V?vi)(5) 从式 (4) 、 (5) 知:估计方差依赖于以下4个因素:V与v之间的距离;V及v的几何特征以及有用组分的变异性。 2 方差法域v内v的离散程度 设一矿体G, 将其分割成N个盘区V, 而每一个V又可分成n个采矿单元v, 则有两种离散现象: (1) 域V内围绕一个数据集的平均值的离散程度随域V的增大而增大; (2) 域V内随v的增大其离散程度减小, 即v对V的方差在减小。这两种情况表明块段大小 (支撑) 对离散程度的影响即支撑效应。而且可以用下边的离差方差D2(v/V) 来表示: D