烏龍泉礦距離冪次反比法品位估值參數優化

柯麗華 何揚揚 張光權 余東曉 譚 銘 高 恩

（1.武漢科技大學資源與環境工程學院，湖北武漢430081；2.武鋼資源集團烏龍泉礦業有限公司，湖北武漢430213）

隨著礦山生產機械化、精細化的快速發展，以往精度較低的礦石品位分布估值方法已經無法滿足需求，迫切需要提升礦床的礦石品位分布預測精度和計算速度，從而為礦山精細化作業提供更準確的礦石品位分布信息［1］。目前，常用的礦床品位估值方法主要有克里金法（Kriging）、徑向基函數法（Radial basis function，RBF）、距離冪次反比法（IDW）等［2-4］。Kriging法能夠較好地描述樣本的空間變異性特點，但其應用條件較為嚴格，必須滿足二階平穩假設和正態分布等條件［5-6］，故不利于廣泛應用和有效提高計算精度。RBF法具有形式簡單、計算精度高和適用范圍廣等優點，但由于樣本數量較大而導致無法解算或求解困難［7］；IDW法考慮了不同距離對待估點屬性值的影響，具有操作簡單、計算結果可靠和應用廣泛等優點［8-11］。近年來，大量學者對于提高IDW法估值精度的研究取得了豐碩成果［12-15］，但采用IDW法對礦體品位進行估值的結果會因塊體單元尺寸［16］、組合樣長度、搜索距離和搜索策略的變化而存在差異［17-18］。本研究結合烏龍泉礦礦床賦存特征，并考慮塊體單元尺寸、組合樣長度、搜索距離和搜索策略等參數的一般取值范圍，采用正交試驗方法，制定該礦床估值參數的正交試驗方案，統計各個估值方案中礦石品位的最小值、最大值、平均值、中值、標準差和變異系數等指標，以進一步分析不同估值參數組合對礦床品位估值結果的綜合影響規律。

1 礦山概況

烏龍泉礦床以22#線為界可分為東西兩區，1#～22#線為東區。目前主要開采東區12#～14#線43～55 m分段與16#～18#線55～67 m分段的白云石，MgO品位為10%～19%，部分區段MgO品位僅為5%～10%。近年來，由于武鋼優質鋼生產對該礦白云石品位的要求提高、礦山排巖場建設相對滯后和白云石與石灰石互層礦（簡稱“白互”）的外銷渠道不暢，采場積存了大量的MgO品位為16%～19%的白云石、白互和白云石級外品，嚴重影響了礦山正常生產。

為此，通過開展低品位白云石配比試驗和相關研究，進一步將該礦的白云石產品方案調整為低品位白云石（MgO品位為15%～19%）和白互（MgO品位為10%～14%）。烏龍泉礦根據礦山現有的開采技術條件和礦體具有的“斷層多且分布廣泛、石灰石和白云石互層、夾層多、礦石品位變異性較大”等賦存特征，擬采用配礦技術中和優質礦石與白云石級外品，以期減小排巖場的建設壓力和提高資源利用率。為確保配礦工作質量和效率，應根據礦床品位分布規律，合理確定待爆區域的品位信息。因而有必要充分考慮礦床品位估值方法及其影響因素，并科學優化估值參數，制定科學的礦床品位估值方案，進而提高礦床品位或待爆區域品位信息的可靠性［19］。本研究基于烏龍泉礦礦床實體模型［20］，采用正交試驗方法對該礦IDW法品位估值參數進行優化。

2 礦床品位估值

2.1 礦床品位分布規律

根據正交試驗原理制定的該礦床品位估值正交試驗方案如表1所示。通過將不同的估值參數輸入至已構建的礦床實體模型，考慮該礦當前工作重點是對白云石及其級外品的配礦工作，故得到各方案中礦巖MgO品位及礦石量的分布情況如表2所示，各方案中MgO品位的最小值、最大值、均值、中值、標準差和變異系數等指標取值見表3。

綜合分析表1、表2及表3可知：

（1）當塊體尺寸為5，10 m時，對比方案1、2，3、4，5、6，7、8，9、10，11、12，13、14，15、16可知：當其他條件相同時，塊體單元尺寸越小，礦床品位估值速度越慢，礦石總量及相同品位區間的礦石量偏小且更精確，礦石總量及各品位區間的礦石量差異不超過5%，且各品位區間的MgO平均品位相差不超過0.07%。

（2）當組合樣長為2，3 m時，對比方案1、3，2、4，5、7，6、8，9、11，10、12，13、15，14、16可知：當其他條件相同時，組合樣長越長，各品位區間的MgO平均品位偏低，且其差異不超過0.20%。

（3）當搜索距離為100，150 m時，對比方案1、5，2、6，3、7，4、8，9、13，10、14，11、15，12、16可知：當其他條件相同時，搜索距離變化越大，搜索的參估點數量越多，估值結果的可靠性越強，相同品位區間內的MgO平均品位相差不超過0.30%。

（4）當采用各向同性主軸長為150 m和各向異性主軸長為150 m、主軸與次軸長度比為2、主軸與短軸長度比為3的搜索方式時，對比方案1、9，2、10，3、11，4、12，5、13，6、14，7、15，8、16可知：搜索策略對礦石總量估值無影響，但對各品位區間的礦石量及MgO平均品位估值有不同程度的影響。其中，因搜索策略差異導致的各品位區間礦石量分布的最大差異到達20%左右，因搜索策略差異導致各區間MgO平均品位的差異不超過0.19%。

（5）對比分析各方案MgO品位估值指標與相關地質鉆孔數據（MgO品位最小值為0，最大值為23.71%，平均值為9.56%，中值為10.27%，標準差為8.38%，變異系數為0.88）可知：方案9、10、13的MgO品位最大值與鉆孔數據較接近；方案6、13、14的MgO品位平均值與鉆孔數據較接近；方案13、14的MgO品位中值與鉆孔數據較接近；方案9的MgO品位標準差最接近鉆孔數據；方案9、10的變異系數與鉆孔數據相同，方案1、2、5、6、13、14的變異系數不大于0.82。

2.2 礦床品位估值方案確定

根據礦床品位分布規律，并結合烏龍泉礦床賦存特征，本研究選擇方案13、15作為該礦床品位估值方案，相關估值參數取值為塊體尺寸5 m、組合樣長2 m或3 m、搜索距離150 m、搜索策略采用各向異性。進一步考慮到該礦采場配礦的基本要求，為確保礦石量及其品位估值的高效性和可靠性，最終選擇的礦床品位估值參數為塊體尺寸5 m、組合樣長3 m、搜索距離150 m、搜索策略采用各向異性。按照優化后的估值參數得出的MgO品位分布特征如圖1所示。

烏龍泉礦近期生產的43～55 m分段1#、2#爆堆的空間位置如圖2所示。爆堆邊界形狀及鉆孔取樣點分布如圖3所示。本研究通過對取樣孔巖粉品位進行化驗，并與品位分布模型的估值結果進行對比，進一步分析本研究品位估算結果的可靠性。分析表4可知：1#爆堆2～5號取樣孔及2#爆堆7～9號取樣孔的品位估值結果與鉆孔取樣分析結果吻合性較好；1#爆堆1號取樣孔與2#爆堆6號取樣孔的品位估值結果與取樣分析結果偏差較大，原因是1號取樣孔與6號取樣孔位于白云石與石灰石互層區域，且靠近交界帶，MgO實際品位空間分布變異性較大，導致估值偏差較大。綜合分析可知：本研究優化確定的IDW法品位估值參數可靠性較強。

3 結語

基于烏龍泉礦礦床實體模型，采用正交試驗方法和IDW估值方法，研究了塊體尺寸、組合樣長度、搜索距離和各向異性等估值參數的變化對該礦床礦石量及其MgO品位分布的影響規律。研究表明：最優的礦床MgO品位IDW法估值參數為塊體尺寸5 m、組合樣長3 m、搜索距離150 m、搜索策略采用各向異性。