Zastosowanie symulacji geostatystycznej do oceny deficytów rozpoznania złoża

W artykule przedstawiono jedną z możliwości wykorzystania symulacji geostatystycznej do oceny deficytów rozpoznania złoża. Zaproponowane w artykule rozwiązanie jest możliwe wyłącznie przy wykorzystaniu symulacji geostatystycznej. We wstępie opisano właściwości metod interpolacyjnych z podkreśleniem symulacji. Przedstawiono procedurę jednej z metod symulacyjnych – Warunkowej Sekwencyjnej Symulacji Gaussa. Na podstawie jednego ze złóż węgla brunatnego przedstawiono studium przypadku. Metodą symulacji modelowano miąższość złoża M [m]– ważny parametr, na podstawie którego szacuje się wielkość zasobów. Dla porównania model wykonano również metodą krigingu zwyczajnego. Szczególną uwagę poświęcono mapie rozkładu odchylenia standardowego symulacji, na podstawie której zidentyfikowano obszary o dużej wartości błędu. Obszary o podwyższonej wartości odchylenia standardowego powinny być traktowane priorytetowo w kolejnych fazach dokumentowania złoża. Identyfikacja deficytów rozpoznania umożliwia optymalne lokowanie środków przeznaczonych na prace geologiczne.

The article presents a possibility of geostatistical simulation application to assess the deficits in the deposit recognition. The only interpolation method, which can be used for such purpose is the geostatistical simulation. In the introduction of the article the properties of interpolation methods, with special emphasis on geostatistical simulation were summarized. The procedure of the Conditional Sequential Gaussian Simulation method was described. Basing on the exploration data of one lignite deposit a case study with the application of simulation was presented. Using simulation method the thickness M [m] of the deposit – an important parameter, used for reserves estimation, was modeled. For comparison reason, the second model using ordinary kriging was performed. Particular attention was paid to the distribution of the standard deviation of models. Based on the standard deviation map the areas of higher error value were identified. The areas of higher model error should be better recognized in the future phase of the deposit recognition. The result of the geostatistical simulation allows for optimal placement of funds allocated for geological works.