Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "JORC code" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Kategoryzacja zasobów złóż węgla kamiennego w świetle wytycznych do JORC Code i geostatystyki
Categorization of bituminous coal resources based upon the guidelines of the JORC Code and the geostatistics
Autorzy:
Mucha, J.
Wasilewska-Błaszczyk, M.
Powiązania:
https://bibliotekanauki.pl/articles/170013.pdf
Data publikacji:
2014
Wydawca:
Poltegor-Instytut Instytut Górnictwa Odkrywkowego
Tematy:
węgiel kamienny
zasoby
JORC Code
geostatystyka
kategoryzacja
coal
resources
geostatistics
categorization
Opis:
Skrótowo opisano zasady kategoryzacji zasobów złóż węgła kamiennego ujęte w australijskich wytycznych oceny i raportowania zasobów. Nawiązano do polskiej klasyfikacji stopnia zbadania złoża. Przedstawiono możliwości geostatystycznego wsparcia kategoryzacji zasobów wynikami badania zmienności parametrów zasobowych za pomocą semiwariogramów i oceny dokładności ich szacowania metodą krigingu. Wykazano, że stosowanie zasięgów semiwariogramów jako jedynego kryterium wyznaczania granic poszczególnych kategorii zasobów jest niewystarczające. Zaproponowano nową metodę kategoryzacji zasobów opartą na względnym udziale nielosowego składnika zmienności parametru zasobowego w jego całkowitej zmienności dla izotropowego modelu sferycznego semiwariogramu. W jej ramach założono, że zasoby węgla wokół punktów rozpoznania do odległości odpowiadającej minimalnemu udziałowi składnika nielosowego - 2/3 można zakwalifikować do kategorii measured, dla odległości odpowiadającej udziałom z przedziału od 2/3 do 1/3 - do kategorii indicated oraz dla odległości odpowiadającej udziałom z przedziału od 1/3 do 1/10 - do kategorii inferred. Podano przykłady oszacowań zasięgów kategorii dla trzech wyty¬powanych pokładów polskich złóż węgła kamiennego.
The authors briefly describe the principles of categorization of bituminous coal resources contained in the Australian guidelines for Estimating and Reporting of Inventory Coal, Coal Resources and Coal Reserves reports, and refers these guidelines to the Polish categories of deposit assessment. The opportunities are presented of geostatistical approach as a support for catego¬rization of resources provided by semivariograms which estimate the variability of deposit parameters and by the kriging-based accuracy evaluation of deposit parameters estimations. It was demonstrated that the application of semivariograms ranges as the only criterion contouring the particular resources categories is insufficient. Hence, the new method of resources categorization was proposed, based upon the relative share of non-random component of variability of given deposit parameter in its overall variability determined for isotropic model of spherical semivariogram. The new method presumes that coal resources around the measurement sites of deposit parameters can be categorized as "measured" within the distance corresponding to the minimum share of non-random component, which is 2/3. For the distance corresponding to the share of non-random component between 2/3 and 1/3, the resources can be categorized as "indicated" and those contained with the distance corresponding to the share of non-random component between 1/3 to 1/10 can be regarded as "inferred". The examples are provided of categories ranges for the 3 selected coal seams from the Polish deposits.
Źródło:
Górnictwo Odkrywkowe; 2014, 55, 2-3; 67-73
0043-2075
Pojawia się w:
Górnictwo Odkrywkowe
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Geostatistical support for categorization of metal ore resources in Poland
Geostatystyczne wspomaganie kategoryzacji zasobów polskich złóż rud metali
Autorzy:
Mucha, J.
Wasilewska-Błaszczyk, M.
Powiązania:
https://bibliotekanauki.pl/articles/216478.pdf
Data publikacji:
2015
Wydawca:
Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
Tematy:
categorization of resources
metal ore
semivariogram
JORC Code
kategoryzacja zasobów
rudy metali
semiwariogram
Opis:
The authors attempted to introduce some components of the Australasian JORC Code system to the categorization of Polish Cu-Ag and Zn-Pb ore resources. The proposed geostatistical method of resource categorization applies two criteria: continuity of deposit parameters described by semivariograms and permissible, relative standard error of resources estimation determined with the ordinary kriging procedure. Considering the first criterion, we propose the following values of autocorrelation coefficients, which define the ranges (distances) of the resources categories around the measurement sites (e.g., exploration wells): “measured” category (A + B in the Polish system) – the values of the autocorrelation coefficient from 1 to 2/3, “indicated” category (C1 in the Polish system) – the values of the autocorrelation coefficient from 2/3 to 1/3, “inferred” category (partly C2 in the Polish system) – the values of the autocorrelation coefficient from 1/3 to 1/20, “out-of-doors” category (partly D in the Polish system) – the values of autocorrelation coefficient from 1/20 to 0. The second criterion of resources categorization is based upon the relative, standard errors of resources estimations calculated for the parts of deposit defined with the first criterion. The following permissible values of errors determined as the errors of ordinary kriging have been proposed: “measured” category (A + B in the Polish system) – 10% error, “indicated” category (C1 in the Polish system) – 30% error, “out-of-doors” category (partly D in the Polish system) – 50% error. [...]
W artykule podjęto próbę włączenia pewnych elementów australijskiego systemu raportowania zasobów JORC Code do kategoryzacji polskich złóż Cu-Ag i Zn-Pb. Zaproponowano geostatystyczną metodę kategoryzacji uwzględniającą dwa kryteria: ciągłość parametrów zasobowych opisywaną za pomocą semiwariogramów oraz dopuszczalny relatywny, standardowy błąd oszacowania zasobów określany przy zastosowaniu procedury krigingu zwyczajnego. Według pierwszego kryterium uznano, że do poniżej wymienionych kategorii mogą być zakwalifikowane zasoby wokół punktów rozpoznania (np. otworów wiertniczych) w zasięgach odległości spełniających następujące warunki: kategoria measured (A + B wg polskiej klasyfikacji) – współczynnik autokorelacji przyjmuje wartości z przedziału: od 1 do 2/3, kategoria indicated (C1 wg polskiej klasyfikacji) – współczynnik autokorelacji przyjmuje wartości z przedziału: od 2/3 do 1/3, kategoria inferred (częściowo C2 wg polskiej klasyfikacji) – współczynnik autokorelacji przyjmuje wartości z przedziału: od 1/3 do 1/20, zasoby poza wymienionymi kategoriami (częściowo D wg polskiej klasyfikacji) – współczynnik autokorelacji przyjmuje wartości z przedziału od 1/20 do 0. Jako drugie kryterium warunkujące zaliczenie partii zasobów do danej kategorii przyjęto wielkość relatywnych, standardowych błędów oszacowań zasobów w obszarach złoża przyporządkowanym kategoriom według pierwszego kryterium. Dla poszczególnych kategorii rozpoznania zaproponowano następujące dopuszczalne wielkości błędów wyznaczanych jako błędy krigingu zwyczajnego: kategoria measured (A + B wg polskiej klasyfikacji) – 10%, kategoria indicated (C1 wg polskiej klasyfikacji) – 20%, kategoria inferred (C2 wg polskiej klasyfikacji) – 30%, zasoby poza wymienionymi kategoriami (D wg polskiej klasyfikacji) – 50%. [...]
Źródło:
Gospodarka Surowcami Mineralnymi; 2015, 31, 4; 21-33
0860-0953
Pojawia się w:
Gospodarka Surowcami Mineralnymi
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies