A A A Ц Ц Ц Ц

ШРИФТ:

Arial Times New Roman

ИНТЕРВАЛ:

х1 х1.5 х2

КЕРНИНГ:

Обычный Средний Большой

ИЗОБРАЖЕНИЯ:

Черно-белые Цветные
Для слабовидящих Обычная версия
научно-технический и производственный журнал
ISSN 2079–3332 (print)
ISSN 3034-6835 (online)
основан в 2001 году

Определение параметров сети опережающего опробования углей сложноструктурного пласта

Новости

Оригинальные статьи: 2026 г. № 5

Определение параметров сети опережающего опробования углей сложноструктурного пласта

DOI: 10.56195/20793332-2026-26-5-36-42

Читать в pdf Е. А. Тагаев
  1. Федеральное государственное автономное образовательное учреждение высшего образования «Национальный исследовательский технологический университет «МИСИС», г. Москва, Российская Федерация
стр. 36-42, №5/2026
Аннотация:
Предложен методический подход к определению параметров сети опережающего опробования углей сложноструктурного пласта на основе моделирования качественных показателей. Актуальность работы связана с тем, что среднепластовая оценка качества не позволяет надежно прогнозировать локальные интервалы ухудшения качества добываемой массы при сложном строении пласта. Подход апробирован на материале пласта Н16 Северо-Западного участка Эльгинского месторождения с выделением 3-й минерализованной пачки как самостоятельного геолого-технологического объекта. В расчетную выборку включено 115 скважин, для которых рассчитан показатель Ad100%, учитывающий полное засорение внутрипластовыми породными прослоями. По выборке Ad100% изменяется от 23,0 до 60,2 %, среднее значение составляет 35,0 %, коэффициент вариации – 17,5 %. Выполнены: статистический анализ, построение экспериментальной вариограммы, сопоставление сферической, гауссовой, экспоненциальной и линейной моделей, а также обыкновенный кригинг и анализ карты дисперсии кригинга. Установлено, что пространственная корреляция Ad100% слабая и нестабильная: уже на первом лаге вариограмма практически достигает порога, после чего колеблется вблизи sill. Карты изолиний Ad100% и дисперсии кригинга показали, что оценка достаточности сети должна базироваться не только на среднем расстоянии между скважинами, но и на конфигурации сети, локальной неоднородности качества и плотности наблюдений. Предложенный подход может использоваться для сопоставления рабочих сетей 14 × 14 и 20 × 20 м и для выделения участков локального сгущения опережающего опробования.
Ключевые слова:
опережающее опробование, сложноструктурный пласт, зольность, Ad100%, ситово-фракционный анализ, вариограмма, кригинг, дисперсия кригинга, сеть опробования
Для цитирования:
Тагаев Е.А. Определение параметров сети опережающего опробования углей сложноструктурного пласта. Маркшейдерия и недропользование. 2026; 26 (5): 36-42. https://doi.org/10.56195/20793332-2026-26-5-36-42.
Информация об авторах:
  1. Егор Андреевич Тагаев – аспирант, Национальный исследовательский технологический университет «МИСИС», г. Москва, Российская Федерация; https://orcid.org/0009-0009-04778841; e-mail: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в браузере должен быть включен Javascript.
Список литературы:
  1. 1. Кузнецов П.Ю., Гриб Н.Н., Качаев А.В. Анализ репрезентативности данных о качестве угля для создания базы данных по результатам детальной геологической разведки. Международный научно-исследовательский журнал. 2016; 6-5 (48): 137-140. https://doi.org/10.18454/ IRJ.2016.48.081. Kuznetsov P.Yu., Grib N.N., Kachaev A.V. Analysis of representativeness of coal quality data for creation of a database based on detailed geological exploration. International Research Journal. 2016; 6-5 (48): 137-140. (In Russ.). https://doi.org/10.18454/IRJ.2016.48.081.
  2. 2. Батугин С.А., Гаврилов В.Л., Хоютанов Е.А. Оценка влияния тонких породных прослоев на зольность угля Эльгинского месторождения. Науковедение. 2015; 7 (4). https://doi.org/10.15862/136TVN415. Batugin S.A., Gavrilov V.L., Khoyutanov E.A. Assessment of the influence of thin rock partings on ash content of coal at the Elga deposit. Naukovedenie. 2015; 7 (4). (In Russ.). https://doi.org/10.15862/136TVN415.
  3. 3. Хоютанов Е.А., Гаврилов В.Л. Метод оценки природной и технологической составляющих зольности добываемого угля. Физико- технические проблемы разработки полезных ископаемых. 2018; 5: 88-100. https://doi.org/10.15372/FTPRPI20180509. Khoyutanov E.A., Gavrilov V.L. Method for estimating natural and technological components of ash content in mined coal. Journal of Mining Science. 2018; 5: 88-100. (In Russ.). https://doi.org/10.15372/FTPRPI20180509.
  4. 4. Хоютанов Е.А., Гаврилов В.Л. Управление качеством добываемого угля при разработке сложноструктурных месторождений. Физико- технические проблемы разработки полезных ископаемых. 2019; 3: 62-71. https://doi.org/10.15372/FTPRPI20190308. Khoyutanov E.A., Gavrilov V.L. Quality control of mined coal in development of complex-structured deposits. Journal of Mining Science. 2019; 3: 62-71. (In Russ.). https://doi.org/10.15372/FTPRPI20190308.
  5. 5. Kuznetsov P.Yu., Grib N.N., Zhelyabina A.G. Exploration Testing Network Optimization at the Operational Stage of Coal Mining. IOP Conference. Series: Earth and Environmental Science. 2019; 272: 022034. https://doi.org/10.1088/1755-1315/272/2/022034.
  6. 6. Fisonga M., Wang F., Mutambo V. The estimation of sampling density in improving geostatistical prediction for geotechnical characterization. International Journal of Geotechnical Engineering. 2021; 15 (6): 724-731. https://doi.org/10.1080/19386362.2018.1526484.
  7. 7. Hernandez Guerra H., Alberdi E., Goti A. Influence of the sampling density in the coestimation error of a regionalized locally stationary variable. Minerals. 2020; 10 (2): 90. https://doi.org/10.3390/min10020090.
  8. 8. Amri N.A., Wulandari S., Cahyadi T.A., et al. Distance of Drill-Hole Determination based on Global Estimation Variance of Coal Resources Classification. Journal of Advanced Research in Applied Sciences and Engineering Technology. 2023; 33 (1): 267-274. https://doi.org/10.37934/ araset.33.1.267274.
  9. 9. Purba M.J., Wicaksono E. Optimization of Information Point Distances in the Estimation and Classification of Coal Resources Using Geostatistical Methods Compared to SNI 5015:2019 for Moderate Geological Conditions. Mining Technology Journal. 2023; 1 (1). https://doi.org/10.31315/mtj. v1i1.6826.
  10. 10. Ertunç G., Tercan A.E., Hindistan M.A, et al. Geostatistical estimation of coal quality variables by using covariance matching constrained kriging. International Journal of Coal Geology. 2013; 112: 14-25. https://doi.org/10.1016/j.coal.2012.11.014.
  11. 11. Pardo-Igúzquiza E., Dowd P.A., Baltuille J.M., et al. Geostatistical modelling of a coal seam for resource risk assessment. International Journal of Coal Geology. 2013; 112: 134-140. https://doi.org/10.1016/j.coal.2012.11.004.
  12. 12. Jeuken R., Xu C., Dowd P. Improving Coal Quality Estimations with Geostatistics and Geophysical Logs Natural Resources Research. 2020; 29 (4): 2529-2546. https://doi.org/10.1007/s11053-019-09609-y.
  13. 13. Sideri D., Roumpos C., Pavloudakis F., et al. Multivariate Geostatistical Modeling of Lower Calorific Value in Multi-Seam Coal Deposits. Applied Sciences. 2020; 10 (18): 6208. https://doi.org/10.3390/app10186208.
  14. 14. Gül Y., Küçükkarasu O. Resource estimation for Alpagut-Dodurga coal field and determination of spatial distribution of coal quality parameters. Turkish Journal of Earth Sciences. 2020; 29 (3): 521-537. https://doi.org/10.3906/yer-1910-17.
  15. 15. Faidatulaila R., Marwanza I., Purwiyono T. T. Variography analysis on the assessment of coal deposit quality using the ordinary kriging method. AIP Conference Proceedings. 2023; 2598: 060002. https://doi.org/10.1063/5.0126896.
  16. 16. Копытов А.И., Рогова Т.Б., Шаклеин С.В. Оценка ожидаемых погрешностей геометризации угольных месторождений на стадиях разведки и эксплуатации. Горный журнал. 2020; 4: 12-16. https://doi.org/10.17580/gzh.2020.04.01. Kopytov A.I., Rogova T.B., Shaklein S.V. Estimation of expected errors in geometrization of coal deposits at the stages of exploration and mining. Mining Journal. 2020; 4: 12-16. (In Russ.). https://doi.org/10.17580/gzh.2020.04.01.
  17. 17. Кантемиров В.Д., Яковлев А.М., Титов Р.С. Оценка качественных показателей минерального сырья с использованием геоинформационных технологий блочного моделирования. Геоинформатика. 2020; 3: 29-37. https://doi.org/10.47148/1609-364X-2020-3-29-37. Kantemirov V.D., Yakovlev A.M., Titov R.S. Assessment of quality indicators of mineral resources using geoinformation technologies of block modeling. Geoinformatika. 2020; 3: 29-37. (In Russ.). https://doi.org/10.47148/1609-364X-2020-3-29-37.
  18. 18. Сидорова Г.П., Маниковский П.М. Прогнозирование качества угля с использованием блочной модели пласта на примере Кутинского буроугольного месторождения. Горный информационно-аналитический бюллетень. 2022; 12: 55-66. https://doi.org/10.25018/0236_1493_2022_12_0_55. Sidorova G.P., Manikovskii P.M. Forecasting coal quality using a seam block model: a case study of the Kutinsky brown coal deposit. Mining information and analytical bulletin. 2022; 12: 55-66. (In Russ.). https://doi.org/10.25018/0236_1493_2022_12_0_55.
  19. 19. Noble A., Luttrell G.H. A review of state-of-the-art processing operations in coal preparation. International Journal of Mining Science and Technology. 2015; 25 (4): 511-521. https://doi.org/10.1016/j.ijmst.2015.05.001.
  20. 20. Stone D., Campbell Q.P., le Roux M., et al. Assessment of coal washability data obtained via the RhoVol analyser. Journal of the Southern African Institute of Mining and Metallurgy. 2023; 123 (10): 509-512. https://doi.org/10.17159/2411-9717/1047/2023.
  21. 21. Sriramoju S.K., Singh R., Sengupta M., et al. Selective screening of coal to improve the washability characteristics at different levels of size reduction. International Journal of Coal Preparation and Utilization. 2021. https://doi.org/10.1080/19392699.2021.1932845.
  22. 22. Maxwell K., Rajabi M., Esterle J., et al. Spatial modelling and classification of altered coal using random forest-based methods at Moatize Basin, Mozambique. Journal of African Earth Sciences. 2024; 105279. https://doi.org/10.1016/j.jafrearsci.2024.105279.

 

Nedra 4.0

Вышел новый номер

Увидел свет новый номер журнала «Маркшейдерия и Недропользование»
№ 5 (т.26), Сентябрь-Октябрь 2026 г.

Новые материалы