ارزيابي كيفيت توده‏سنگ بخش زيرزميني معدن انگوران با استفاده از تحليل‌گر زمين آماري در محيط GIS

Evaluation of Rock Mass Quality in Underground Section of Anguran Mine Using Geostatistical Analyst in GIS Environment

يكي از پارامتر‏هاي تاثير گذار در طراحي معادن زيرزميني، ويژگي‌سنجي توده‏سنگ است. اين تحقيق به منظور پيش‌بيني توزيع وضعيت كيفي و پهنه‌بندي توده‏سنگ افق 2740+ بخش زيرزميني معدن انگوران به كمك تخمين‏گر زمين‎آماري انجام شده است. بدين منظور داده‌هاي كيفيت توده‏سنگ بر اساس شاخص Q شامل 427 نقطه در تونل‏هاي آماده‏سازي جمع‎آوري شد. نتايج تحليل داده‌هاي Q نشان داد كه: 1- داده‌ها از توزيع نرمال برخوردار نيست، 2- خطاي بارز عمومي و محلي در داده‌ها وجود ندارد و 3- در داده‌ها روند وجود دارد. به دليل وجود روند در داده‏هاي Q، از روش كريجينگ عام براي درون‏يابي استفاده شد. با ارزيابي پنچ معيار خطاي تخمين، بهترين مدل واريوگرام انتخاب شد. بررسي‎ها نشان داد كه ‏واريوگرام مدل كروي، بهترين مدل برازش شده به ساختار فضايي داده‏ها است. اعتبارسنجي متقابل، دقت بالاي پيش‌بيني را نشان داد. سپس نقشه رده‏بندي وضعيت كيفيت توده‏سنگ محدوده مورد مطالعه در محيط آرك جي آي اس تهيه شد. نتايج حاصل نشان داد كه تقريباً 53% از مساحت كل محدوده مورد مطالعه، در رده توده‏سنگ ضعيف تا فوق‌العاده ضعيف، 8% در رده توده‏سنگ متوسط و 39% در رده توده‏سنگ خوب تا فوق‏العاده خوب قرار دارد.

Rock mass characterization is one of the most important parameters affecting the underground mine design. This study deals with the prediction of rock mass quality using geo-statistical estimator in Anguran underground mine at the level +2740. For this, a database consisting of 427 Q-based rock mass quality data sets was developed during the development of mine drifts. Accordingly, data were analyzed and checked for normality, trend and anisotropy. Analysis on Q-data showed that: 1- they do not have a normal distribution, 2- there are neither global nor local outliers in data 3- the data seem to exhibit a trend. In this study, the Universal Kriging was used due to existing trend in datasets. Taking into consideration five estimation error evaluation criteria, the best Variogram model was selected among three models: exponential, spherical and Gaussian. The results showed that spherical variogram model provides the best fit to the dataʹs spatial structure. Cross validation showed high accuracy level for performance of geo-statistical estimator. Accordingly, the rock mass quality map for the area under study built in ArcGIS environment. The analysis results of final rock mass quality map revealed that about 53% of under study area has poor to extremely poor rock mass condition, 8% has fair and 39% has good to extremely good rock mass condition.