Izvorni znanstveni članak

https://doi.org/10.17794/rgn.2026.5.2

PREDVIĐANJE MINERALNIH REZERVI KOMBINACIJOM GEOFIZIČKIH I BUŠOTINSKIH PODATAKA KORIŠTENJEM REGRESIJE, KOKRIGINGA I UMJETNE NEURONSKE MREŽE U LEŽIŠTU BAKRA MESGARAN, IRAN

Kamran Mostafaei ; Department of Mining, Faculty of Engineering, University of Kurdistan, Sanandaj, Iran. *
Hamidreza Ramazi ; Faculty of Mining, Amirkabir University of Technology, Tehran, Iran.
Mohammad Zamani Ahmad Mahmoudi ; Department of Drilling and Geo-engineering, Faculty of Drilling, Oil and Gas, AGH University of Science and Technology, Krakow, Poland.
Mitra Khalilidermani ; Department of Drilling and Geo-engineering, Faculty of Drilling, Oil and Gas, AGH University of Science and Technology, Krakow, Poland.
Dariusz Knez ; Department of Drilling and Geo-engineering, Faculty of Drilling, Oil and Gas, AGH University of Science and Technology, Krakow, Poland.

* Dopisni autor.

Sažetak

Tijekom studije izvedivosti rudarskoga projekta potrebno je uspostaviti prediktivni model u svrhu procjene profitabilnosti ležišta minerala. U ovome istraživanju uspostavljena su tri modela integriranjem geofizičkih podataka koji uključuju induciranu polarizaciju (IP), električnu tomografiju (ERT) i bušotinske podatke. Pri tome su korištene metode regresije, kokriginga i umjetne neuronske mreže (ANN) s ciljem utvrđivanja profitabilnosti proizvodnje minerala u ležištu bakra Mesgaran. Ležište Mesgaran nalazi se u središnjemu dijelu pokrajine Južni Horasan u Iranu. Podatci o naboju (M) i električnoj otpornosti korišteni su kao ulazni parametri, a sadržaj bakra kao izlazna varijabla. Rezultati prediktivnih modela uspoređeni su sa stvarnim modelom konstruiranim na temelju dvanaest bušotina izbušenih nakon provedbe studije izvedivosti. Na temelju provedenih analiza utvrđeno je da su podatci IP-a prikladniji od podataka električne otpornosti u svrhu izrade 3D ekonomskoga modela ležišta bakra. Osim toga, sva tri prediktivna modela procijenila su prosječni sadržaj bakra na gotovo 0,15 %. Ipak, otkrivena je znatna razlika u njihovim predviđenim vrijednostima tonaže i profita. Zaključeno je da ANN algoritam pruža točnije i pouzdanije procjene za procjenu mineralnih resursa. Rezultati ovoga istraživanja mogu se uspješno koristiti u financijskoj analizi rudarskih projekata.

Ključne riječi

procjena rezervi; inducirana polarizacija (IP); umjetna neuronska mreža (ANN); geostatistika

Hrčak ID:

352817

URI

https://hrcak.srce.hr/352817

Datum izdavanja:

27.10.2026.

Podaci na drugim jezicima: engleski

Posjeta: 0 *