Подать статью
Стать рецензентом
EN
Том 278
Страницы:
16-29
В печати
Научная статья
Геотехнология и инженерная геология

Геометрические модели типовых сложноструктурных блоков уступов

Авторы:
Б. Р. Ракишев1
А. И. Едильбаев2
А. С. Сакабеков3
А. А. Орынбай4
Н. А. Мекебай5
Т. С. Ибырханов6
Об авторах
  • 1 — д-р техн. наук профессор НАО «Казахский национальный исследовательский технический университет имени К.И.Сатпаева» ▪ Orcid ▪ Scopus ▪ ResearcherID
  • 2 — д-р техн. наук генеральный директор ТОО «Горное бюро» ▪ Orcid ▪ Scopus
  • 3 — д-р физ.-мат. наук профессор НАО «Казахский национальный исследовательский технический университет имени К.И.Сатпаева» ▪ Orcid ▪ Scopus ▪ ResearcherID
  • 4 — Ph.D. доцент НАО «Алматинский университет энергетики и связи имени Гумарбека Даукеева» ▪ Orcid ▪ Scopus ▪ ResearcherID
  • 5 — старший преподаватель НАО «Казахский национальный исследовательский технический университет имени К.И.Сатпаева» ▪ Orcid ▪ ResearcherID
  • 6 — аспирант НАО «Казахский национальный исследовательский технический университет имени К.И.Сатпаева» ▪ Orcid
Дата отправки:
2024-11-25
Дата принятия:
2025-10-09
Дата публикации онлайн:
2026-02-02

Аннотация

Более полное извлечение полезных ископаемых из недр путем снижения их потерь актуализирует задачи совершенствования математических моделей объектов разработки. Цель данной работы – создание геометрических моделей типовых сложноструктурных блоков (ССБ), которые можно распространить на реальные ССБ. Они базируются на горно-геологических моделях виртуальных (типовых) сложноструктурных рудных блоков уступа, состоящих из разрозненных сплошных (первый тип) и рассредоточенных (второй тип) рудных тел. Ключевыми параметрами этих блоков являются координаты характерных точек разрозненных сплошных и рассредоточенных рудных тел, длины отрезков контактных линий рудных тел с вмещающими породами, площади рудных тел на разрезах ССБ. Они определяют горно-геологические характеристики этих объектов – рудонасыщенность, сложность геолого-морфологического строения блока. Эти характеристики аналитически взаимосвязаны с геометрическими параметрами разрозненных рудных тел и размерами слоя примешиваемой породы или теряемой руды, положены в основу методики расчета численных значений геометрических моделей ССБ и горно-геологических характеристик рудных тел и блока в целом. Создана компьютерная программа для автоматизированного определения геометрических характеристик ССБ по заданным начальным ключевым параметрам сложноструктурных блоков. Рассмотрен пример расчета этих характеристик для типовых сложноструктурных блоков, показана значимость результатов исследований при разработке ССБ. Предлагаемая методика расчета ключевых характеристик геометрических моделей ССБ является информационной основой для принятия решений по экономичной и экологичной разработке сложноструктурных блоков уступов. Результаты исследований можно использовать при эксплуатации реальных сложноструктурных месторождений для существенного уменьшения потерь и разубоживания полезных ископаемых.

Область исследования:
Геотехнология и инженерная геология
Ключевые слова:
сложноструктурные блоки коэффициент рудонасыщенности показатель сложности геологического строения блока горно-геологические характеристики геометрическое моделирование
Перейти к тому 278

Финансирование

Статья подготовлена в рамках проекта, финансируемого Министерством науки и высшего образования Республики Казахстан, 2023/AP19676591 «Разработка инновационных технологий полного извлечения разрозненных кондиционных руд из сложноструктурных блоков уступов».

Литература

  1. Ракишев Б.Р. Отработка медных руд Бозшакольского и Актогайского месторождений Казахстана // Горный журнал. 2019. № 1. С. 89-92. DOI: 10.17580/gzh.2019.01.18
  2. Чебан А.Ю., Секисов Г.В. Сложноструктурные рудные блоки и их систематизация // Вестник Забайкальского государственного университета. 2020. Т. 26. № 6. С. 43-53. DOI: 10.21209/2227-9245-2020-26-6-43-53
  3. Кушнарев П.И. Скрытые потери и разубоживание // Золото и технологии. 2017. № 3 (37). С. 82-86.
  4. Ракішев Б.Р. Гірничо-геологічні моделі віртуальних складноструктурних рудних блоків уступу // Науковий вісник Національного гірничого університету. 2023. № 4. С. 11-17 (in English). DOI: 10.33271/nvngu/2023-4/011
  5. Ракишев Б.Р. Полное извлечение кондиционных руд из сложноструктурных блоков за счет частичного примешивания некондиционных руд // Записки Горного института. 2024. Т. 270. С. 919-930.
  6. Кантемиров В.Д., Титов Р.С., Тимохин А.В., Яковлев А.М. Совершенствование методов учета повышенных потерь и разубоживания полезного ископаемого при добыче // Горный информационно-аналитический бюллетень. 2020. № 3-1. С. 453-464. DOI: 10.25018/0236-1493-2020-31-0-453-464
  7. Ракишев Б.Р. Технологические ресурсы повышения качества и полноты использования минерального сырья // Известия Национальной академии наук Республики Казахстан. Серия геологии и технических наук. 2017. Т. 2. № 422. С. 116-124 (in English).
  8. Letov N., Velivela P.T., Siyuan Sun, Yaoyao Fiona Zhao. Challenges and Opportunities in Geometric Modeling of Complex Bio-Inspired Three-Dimensional Objects Designed for Additive Manufacturing // Journal of Mechanical Design. 2021. Vol. 143. Iss. 12. № 121705. DOI: 10.1115/1.4051720
  9. Ammad M., Misro M.Y., Abbas M., Majeed A. Generalized Developable Cubic Trigonometric Bézier Surfaces // Mathematics. 2021. Vol. 9. Iss. 3. № 283. DOI: 10.3390/math9030283
  10. Ameer M., Abbas M., Miura K.T. et al. Curve and Surface Geometric Modeling via Generalized Bézier-like Model // Mathematics. 2022. Vol. 10. Iss. 7. № 1045. DOI: 10.3390/math10071045
  11. Короткий В.А., Усманова Е.А. Бикубическая поверхность на фиксированном каркасе: расчет и визуализация // Научная визуализация. 2023. Т. 15. № 2. С. 45-65. DOI: 10.26583/sv.15.2.05
  12. Вербило П.Э., Иовлев Г.А., Петров Н.Е., Павленко Г.Д. Применение технологий информационного моделирования для маркшейдерского обеспечения ведения горных работ // Горный информационно-аналитический бюллетень. 2022. № 6-2. С. 60-79. DOI: 10.25018/0236_1493_2022_62_0_60
  13. Stupnik M., Kalinichenko O., Kalinichenko V. et al. Choice and substantiation of stable crown shapes in deep-level iron ore mining // Mining of Mineral Deposits. 2018. Vol. 12. Iss. 4. P. 56-62. DOI: 10.15407/mining12.04.056
  14. Kim H.-S., Chung C.-K., Kim J.-J. Three-dimensional geostatistical integration of borehole and geophysical datasets in developing geological unit boundaries for geotechnical investigations // Quarterly Journal of Engineering Geology and Hydrogeology. 2018. Vol. 51. № 1. P. 79-95. DOI: 10.1144/qjegh2016-012
  15. Hekmatnejad A., Emery X., Alipour-Shahsavari M. Comparing linear and non-linear kriging for grade prediction and ore/waste classification in mineral deposits // International Journal of Mining, Reclamation and Environment. 2019. Vol. 33. Iss. 4. P. 247-264. DOI: 10.1080/17480930.2017.1386430
  16. Afeni T.B., Akeju V.O., Aladejare A.E. A comparative study of geometric and geostatistical methods for qualitative reserve estimation of limestone deposit // Geoscience Frontiers. 2021. Vol. 12. Iss. 1. P. 243-253. DOI: 10.1016/j.gsf.2020.02.019
  17. Dumakor-Dupey N.K., Arya S. Machine Learning – A Review of Applications in Mineral Resource Estimation // Energies. 2021. Vol. 14. Iss. 14. № 4079. DOI: 10.3390/en14144079
  18. Zerzour O., Gadri L., Hadji R. et al. Geostatistics-Based Method for Irregular Mineral Resource Estimation, in Ouenza Iron Mine, Northeastern Algeria // Geotechnical and Geological Engineering. 2021. Vol. 39. Iss. 5. P. 3337-3346. DOI: 10.1007/s10706-021-01695-1
  19. Afeni T.B., Lawal A.I., Adeyemi R.A. Re-examination of Itakpe iron ore deposit for reserve estimation using geostatistics and artificial neural network techniques // Arabian Journal of Geosciences. 2020. Vol. 13. Iss. 14. № 657. DOI: 10.1007/s12517-020-05644-9
  20. Кантемиров В.Д., Яковлев А.М., Титов Р.С. Применение геоинформационных технологий блочного моделирования для совершенствования методов оценки качественных показателей полезных ископаемых // Известия высших учебных заведений. Горный журнал. 2021. № 1. С. 63-73. DOI: 10.21440/0536-1028-2021-1-63-73
  21. Федоренко П.И., Переметчик А.В., Подойницына Т.А. Прогнозирование и многофакторная геометризация качественных показателей железорудных месторождений на основе эвристических методов // Вісник Криворізького національного університету. 2017. Вип. 45. С. 70-77.
  22. Nan Li, Xianglong Song, Cangbai Li et al. 3D Geological Modeling for Mineral System Approach to GIS-Based Prospectivity Analysis: Case Study of an MVT Pb–Zn Deposit // Natural Resources Research. 2019. Vol. 28. Iss. 3. P. 995-1019. DOI: 10.1007/s11053-018-9429-9
  23. Braga F.C.S., Rosiere C.A., Santos J.O.S. et al. Depicting the 3D geometry of ore bodies using implicit lithological modeling: An example from the Horto-Baratinha iron deposit, Guanhães block, MG // REM – International Engineering Journal. 2019. Vol. 72. Iss. 3. P. 435-443. DOI: 10.1590/0370-44672018720167
  24. Lishchuk V., Lund C., Lamberg P., Miroshnikova E. Simulation of a Mining Value Chain with a Synthetic Ore Body Model: Iron Ore Example // Minerals. 2018. Vol. 8. Iss. 11. № 536. DOI: 10.3390/min8110536
  25. De-Yun Zhong, Li-Guan Wang, Jin-Miao Wang. Combination Constraints of Multiple Fields for Implicit Modeling of Ore Bodies // Applied Sciences. 2021. Vol. 11. Iss. 3. № 1321. DOI: 10.3390/app11031321
  26. Nan Li, Cangbai Li, Wenkai Chu et al. Uncertainty Visualisation of a 3D Geological Geometry Model and Its Application in GIS-Based Mineral Resource Assessment: A Case Study in Huayuan District, Northwestern Hunan Province, China // Journal of Earth Science. 2021. Vol. 32. Iss. 2. P. 358-369. DOI: 10.1007/s12583-021-1434-y
  27. Zhuo Jia, Sixin Liu, Siyuan Cheng et al. Modeling of Complex Geological Body and Computation of Geomagnetic Anomaly // Mathematical Problems in Engineering. 2020. Vol. 2020. № 9839606. DOI: 10.1155/2020/9839606
  28. Jinmiao Wang, Hui Zhao, Lin Bi, Liguan Wang. Implicit 3D Modeling of Ore Body from Geological Boreholes Data Using Hermite Radial Basis Functions // Minerals. 2018. Vol. 8. Iss. 10. № 443. DOI: 10.3390/min8100443
  29. Лукичев С.В., Наговицын О.В. Цифровое моделирование при решении задач открытой и подземной горной технологии // Горный журнал. 2019. № 6. С. 51-55. DOI: 10.17580/gzh.2019.06.06
  30. Наговицын О.В. Развитие горно-геологической информационной системы в современных реалиях российской горно-добывающей отрасли // Горная промышленность. 2023. № 5S. С. 35-40. DOI: 10.30686/1609-9192-2023-5S-35-40
  31. Лукичев С.В. Цифровое прошлое, настоящее и будущее горнодобывающих предприятий // Горная промышленность. 2021. № 4. С. 73-79. DOI: 10.30686/1609-9192-2021-4-73-79
  32. Басаргин А.А., Писарев В.С. Особенности моделирования объектов геологической среды при разработке месторождений твердых полезных ископаемых с применением ГГИС Micromine // XVII Международный научный конгресс «Интерэкспо ГЕО-Сибирь-2021»: Материалы Международной научной конференции «Геодезия, геоинформатика, картография, маркшейдерия», 19-21 мая 2021, Новосибирск, Россия. Новосибирск: Сибирский государственный университет геосистем и технологий, 2021. Т. 1. С. 100-110. DOI: 10.33764/2618-981X-2021-1-100-110
  33. Axler S. Linear Algebra Done Right. Springer, 2024. 407 p. DOI: 10.1007/978-3-031-41026-0
Статистика
Просмотр аннотаций
109
Просмотр полного текста
24
Процитировано
Scopus:
0
Crossref:
0
Меню статьи

Похожие статьи

Трехмерное моделирование напряженно-деформированного состояния и анализ стабильности породного массива при строительстве подземной исследовательской лаборатории
2026 В. Н. Татаринов, В. С. Гупало, Д. Ж. Акматов, А. И. Маневич, Р. В. Шевчук, И. В. Лосев, А. А. Камаев
Исследование особенностей формирования удароопасности в зонах тектонических нарушений Хибинских месторождений
2026 И. И. Багаутдинов, А. Н. Шабаров
Реагентная очистка фторсодержащих сточных вод перерабатывающей промышленности
2026 Ю. Д. Пересунько, А. А. Писарева, С. В. Азопков, Е. Н. Кузин, Н. Е. Кручинина