№ 2 (20) / 2025
Е.Л. Мосина,
аспирант НИТУ МИСИС, специалист центра развития передовых компетенций отраслевых лидеров НИТУ МИСИС
А.Л. Пучков,
к. э. н. доцент НИТУ МИСИС, директор центра развития передовых компетенций отраслевых лидеров НИТУ МИСИС
Введение и цель исследования
На первом этапе исследования искомая модель минеральных ресурсов была преобразована в горную блочную модель. Процесс преобразования включал переблокировку базовой модели до минимальной выемочной единицы (SMU). В тех случаях, когда SMU является частью материнского блока, разубоживание не будет оказывать влияние на содержание минерализации в главном рудном теле, а только по его периметру. В ходе моделирования были учтены показатели потерь и разубоживания. К блочной модели был применен фильтр по количеству итераций интерполяции и количеству проб содержаний полезного компонента в ячейках блочной модели, использованных для интерполяции, а также показатели расстояния между скважинами, позволившие преобразовать контуры модели минеральных ресурсов в трехмерные каркасы, которые использовались в качестве основных инструментов для дальнейшей класси фикации минеральных ресурсов [1-4].
Целью работы является формирование оптимального плана и определение этапности отработки месторождения на основе результатов сценарного моделирования и анализа чувствительности основных технико-технологических параметров.
На рисунке 1 показаны границы контуров предполагаемых и исчисленных минеральных ресурсов в изометрической проекции.
При оценке содержаний использовался метод оценки материнской ячейки в первых трех итерациях. Участки блочной модели, не оцененные в первые три стадии моделирования и интерполяции, не включались в классификацию минеральных ресурсов. Для создания блочной модели пустых пород и/или пород с низкими содержаниями полезного компонента был использован метод ближайшего соседа, позволивший произвести оценку низких содержаний в четвертом итерационном цикле моделирования. Для оценки всех элементов в пределах сформированных доменов использовался алгоритм ординарного кригинга. Количественный кригинговый анализ соседства проводился для оптимизации следующих параметров оценки: размер блока, поисковые диапазоны соседства, минимальное и максимальное число проб и точки дискретизации. По результатам анализа был выбран размер блока 25 х 50 х 10 м. Этот размер представляет собой половинную сетку бурения [5-9].
Рис.1. Изображение контуров предполагаемых и исчисленных минеральных ресурсов в изометрической проекции (зеленый сплошной контур – исчисленные ресурсы, серый каркас – предполагаемые ресурсы, красный – предполагаемое положение центрального разлома, цветовая кодировка скважин – в зависимости от литологии)
Полученные результаты. На следующем этапе проводился вариографический анализ всех элементов, полученных в составе блочной модели. Входными данными для вариографического анализа являлись композитированные данные опробования с подавленными ураганными содержаниями полезного компонента.
Предварительная оценка (Scoping Study) лицензионной площади позволила сделать вывод, что проект потенциально представляет ценность и требует проведения более детального изучения в рамках предварительного технико-экономического обоснования (Prefeasibility Study) [10].
Ресурсная модель месторождения сформирована в со ответствии с классификацией по JORC (AMC Consultants, 2016). Проект предельного карьера включает основной карьер, два более мелких карьера, отвалы пустых пород и рудные склады и предусматривает ряд этапов отработки месторождения. Построение предельной оболочки карьера и определение этапности отработки было сделано на основе анализа по методу Лерча-Гроссмана (LG) [1113]. Из разреза видно, что на месторождении бóльшая часть минеральных ресурсов с высоким содержанием сосредоточена ближе к поверхности (рис. 2) с небольшими зонами низких содержаний вдоль границ планируемого карьера. Система и метод отработки месторождения позволяют использовать стандартные подходы, широко распространенные во всем мире. Размер месторождения и пространственное распределение минерализации позволяют вести отработку со скоростью понижения (углубки карьера), не превышающей значения, принятые в международной практике, чтобы обеспечить объемы подачи руды на фабрику в соответствии с проектной мощностью [14]. При этом анализ показал, что предельная оболочка карьера не чувствительна к повышению затрат на добычу и переработку в пределах 30%. Предельная оболочка карьера также не чувствительна к уменьшению генерального угла откоса карьера до 6° и к понижению цены на извлекаемый компонент до 15%. Это связано с тем, что предельная оболочка карьера ограничена классификацией минеральных ресурсов, а не применением экономических или технических параметров. Кроме того, в результате анализа по методу Лерча-Гроссмана так же была определена потенциальная возможность вовлечения в отработку дополнительных минеральных ресурсов в том случае, если ресурсы категории предполагаемые (Inferred) будут переведены в категорию выявленные (Indicated) или измеренные (Measured). Другими словами, в результате оптимизации по алгоритму Лерча-Гроссмана будет отработан практически весь объем минеральных ресурсов, классифицированный как измеренные (Measured) и выявленные (Indicated) [15, 16].
Рис. 2. Ресурсная модель и линия предельной оболочки контура карьера по результатам анализа Лерча-Гроссмана
Геотехнический анализ показал, что условия и соответствующие им параметры схожи в пределах всего карьера. Параметры уступа, подходящие для достижения рекомендованного угла борта карьера (высота уступа – 30 м, угол уступа – 65 градусов, ширина бермы – 9 м, эксплуатационный борт карьера – 50 градусов). Низкий коэффициент вскрыши и характер распределения минерализации позволяет подавать на фабрику руду с повышенным содержанием полезного компонента в первые годы жизни проекта. Одним из основных сдерживающих факторов при добыче может быть скорость проходки по вертикали, так как она зависит от темпа углубки уступа и его высоты [1719]. Не смотря на то, что месторождение представлено обширными зонами минерализации, для достижения максимального NPV проекта на ранних стадиях отработки необходимо будет проводить добычу руды с более высокими содержаниями, а добычу руды с более низкими содержаниями перенести на более поздние периоды эксплуатации. Для это го необходимо, чтобы работы в карьере велись постадийно, и начальные стадии были нацелены на ядро высоких содержаний. Анализ Лерча-Гроссмана (LG) позволяет установить параметры отработки каждой стадии и создать исходное множество оболочек карьера путем варьирования основ ных техникоэкономических показателей [20]. По полученным параметрам оболочки проводился анализ чувствительности и строились графики зависимости объемов до бычи и полученной прибыли для различных сценариев реализации проекта [21] (рис. 3).
Рис. 3. Зависимость объемов добычи и размера прибыли от сценарных условий отработки карьера по результатам анализа Лерча-Гроссмана (красная вертикальна пунктирная линия указывает на оболочку с максимальной прибылью при цене базового сценария; пунктирная синяя линия указывает на оболочку с максимальной прибылью при цене в 60% от базового сценария)
На разрезе (рис. 4) показана модель с разубоживанием для различных категорий ресурсов с отображением оболочек карьера с максимальной прибылью базового сценария, а также оболочки для 80% и 60% от прибыли базового сценария.
Рис. 4. Классификация категорий ресурсов базового сценария отработки месторождения по оболочкам (анализ Лерча-Гроссмана)
На рисунке 5 показаны кривые тоннажа и бортового со держания по базовому сценарию при вариации цен на полезный компонент 0,14%, 0,18% и 0,23% соответственно, полученные по результатам анализа Лерча-Гроссмана. Это еще раз подчеркивает, что переход содержания от 0,20% до 0,23% приведет к сокращению тоннажа руды в пределах чуть более 2% базового оруденения месторождения.
Рис. 5. Кривые содержания и тоннажа оболочки Лерча-Гроссмана
Выводы и заключение. Таким образом, проведенный анализ позволил сделать следующие выводы, касающиеся оценки возможностей существенного улучшения результатов реализации проекта, которые включают:
• для повышения уровня достоверности оценки минеральных ресурсов необходимо продолжить оценку и провести сгущение буровой сети. По предварительным прогнозам, для такого типа минерализации, по завершению предварительного техникоэкономического обоснования, большая часть минеральных ресурсов (от 70 до 80%) будет классифицирована как выявленные (Indicated) минеральные ресурсы, а предполагаемые (Inferred) минеральные ресурсы не могут быть переведены в рудные запасы, и нет необходимости в заявлении измеренных (Measured) минеральных ресурсов;
• проект рудника должен быть улучшен таким образом, чтобы каждая стадия отработки была наиболее подходящей для желаемого размаха производства, а случае расширения месторождения в глубину существует потенциал для обширной подземной отработки по завершении открытой добычи;
• Учитывая объем и потенциал увеличения количества минеральных ресурсов, есть возможность рассмотрения более масштабных вариантов, чем базовый сценарий, для этого должны быть рассмотрены альтернативные варианты транспортировки продукции, приводящие к снижению затрат и рисков безопасности, связанных с транспортировкой продукции с помощью грузовиков. В ходе проведенного анализа были выявлены следующие существенные риски реализации проекта:
• недостаточность геотехнической информации по проекту карьера может привести к изменению углов откоса борта карьера;
• по территории работ проходит множество водотоков, вследствие чего потребуется проведение детальных гидрогеологических изысканий для контроля поверхностных и подземных вод, а также их влияния на схему объектов рудника (расположение хвостохранилища, промплощадки и т. д.), кроме того, в настоящий момент отсутствует информация по возможному отводу кислых вод из зон отвалов пустых пород и рудных складов;
• при проведении оценки предполагалось, что все важные объекты внешней инфраструктуры будут предоставлены государством (например, дороги и электроснабжение), однако, сроки вступления в эксплуатацию этих объектов инфраструктуры не могут контролироваться, а значит, существует риск того, что развитие проекта может идти с отставанием в связи с задержками начала работ ключевых объектов инфраструктуры;
• экономическая оценка предполагает, что чистый доход будет получен почти сразу после производства продукта, но очень вероятно, что доход будет значительно отсрочен из-за сезонных факторов перевозок и условий оплаты покупателей.
Список литературы
1. Баймишев Р.Н. Эффективные международные подходы в государственном управлении недрами. Горные науки и технологии. 2020;5(2):162184. https:// doi.org/10.17073/2500063220202162184.
2. Kupriyanov V.V., Bondarenko I.S. Fuzzy logic in reliability assessment of shortterm forecast models for mining equipment. Gornyi Zhurnal. 2021;(5): P.75–79.
3. Верчеба А.А. Подготовка кадров для горно-геологической отрасли России. Горные науки и технологии. 2021;6(2):144153. https://doi.org/10.17073/2500 063220212144153.
4. Goncharenko, A.N. Relevance of innovative higher education programs for various branches of economy. Mining Informational and Analytical Bulletin, 2018, 2018(8), P. 227–233.
5. Молдаши Д.Н. Методы и технические решения повышения надежности удержания трассы геотехнологической скважины. Горные науки и техноло гии. 2021;6(1):4251. https://doi.org/10.17073/25000632202114251.
6. Goncharenko, A.N. Modern trends and application models in elearning and remote training in the framework of higher education programs. Mining Informational and Analytical Bulletin, 2018, 2018(6), P. 222–230.
7. Морозов В.В., Эрдэнэзуул Ж., Пестряк И.В. Повышение эффективности фло тации медномолибденовых руд с использованием измерения поглотитель ной способности пульпы. Горные науки и технологии. 2020;5(3):188200. https://doi.org/10.17073/2500063220203188200.
8. Goncharenko S.N., Korostelev D.B. Methods and models for integrated estimation of system connection between the nature protection policy efficiency and managerial solutions in the field of use of natural resources. Gornyy informatsionnoanaliticheskiy byulleten’. 2018; P.7076. [InRuss]. DOI: 10.25018/0236149320181107076.
9. Подрезов Д.Р. Задачи совершенствования управления и повышения эффек тивности функционирования технологических блоков рудника подземного скважинного выщелачивания урана. Горные науки и технологии. 2020;5(2):131153. https://doi.org/10.17073/2500063220202131153.
10. Kupriyanov V.V., Bondarenko I.S. Ensuring safety of industrial cargo by rail transportation at the mining enterprises. Bezopasnost’ Truda v Promyshlennosti. 2021;(4): P.56–62.
11. Kudaibergen K.Z. Methods and models for creating a market 4PL operator based on a logistics division of a large industrial holding company. Mining Science and Technology (Russia). 2021;6(2):90104. (In Russ.) https://doi.org/10.17073/2500 06322021290104.
12. Vostrikov A.V., Prokofeva E.N., Goncharenko S.N., Gribanov I.V. Analytical modeling for the modern mining industry// Eurasian Mining. 2019. No.2(32). P. 30 35. DOI 10.17580/em.2019.02.07.
13. Климов И.Ю. Анализ эффективности реализации компетентностного под хода в программе опережающего обучения горнодобывающей компании. Горные науки и технологии. 2020;5(1):5668. https://doi.org/10.17073/25000632 20201566.
14. Umerbekov Zh.Zh., Goncharenko S.N. Validation of efficiency of the target production safety management model introduction in the mining industry. MIAB. Mining Inf. Anal. Bull. 2019;(8):225234. [In Russ]. DOI: 10.25018/023614932019 080225234.
15. Клюев Р.В., Босиков И.И., Гаврина О.А., Ляшенко В.И. Оценка эксплуатаци онной надежности электроснабжения развивающихся участков добычи руд на высокогорном руднике. Горные науки и технологии. 2021;6(3):211220. https://doi.org/10.17073/2500063220213211220.
16. Goncharenko S.N., Korostelev D.B. System analysis and prediction of performance efficiency figures and indicators in the area of environmental protection and nature management. Gornyy informatsionnoanaliticheskiy byulleten’. 2018;9:104110. [In Russ]. DOI: 10.25018/02361493201890104110.
17. Заиров Ш.Ш., Уринов Ш.Р., Номдоров Р.У. Формирование устойчивости бортов при ведении взрывных работ на карьерах Кызылкумского региона. Горные науки и технологии. 2020;5(3):235252. https://doi.org/10.17073/2500 063220203235252
18. Kononov, A.V., Goncharenko, S.N., Assanov, D.A., Maslennikov, O.O. Research studying of ultrasonic effects on ionexchange processes in uranium production by the insitu leaching method. Tsvetnye Metally. 2020; 4. DOI:10.17580/ tsm.2020.04.06.
19. Хакимов Ш.И., Уринов Ш.Р. Подэтажная система с искусственными цели ками из твердеющей закладки для разработки жил в сложных геомехани ческих условиях. Горные науки и технологии. 2021;6(4):252258. https://doi. org/10.17073/2500063220214252258.
20. Зверева В.П., Фролов К.Р., Лысенко А.И. Химические реакции и условия минералообразования на хвостохранилищах Дальнего Востока России. Гор ные науки и технологии. 2021;6(3):181191. https://doi.org/10.17073/25000632 20213181191.
21. Крамаров С.О., Митясова О.Ю. Отслеживание изменений топологии объ ектов добычи полезных ископаемых на прямоугольных и гексагональных решетках. Горные науки и технологии. 2020;5(2):154161. https://doi. org/10.17073/2500063220202154161.
