A comparative approach in the defintion of minerals resource outline

Abstract

يقارن هذ البحث ثلاث طرق مختلفة لتحديد حدود المكامن البترولية وركام المعادن والهدف من ذلك هو تقليل تكلفة الحفريات الاستكشافية دون التأثير على الدقة المطلوبة وقد تم تطبيق هذه الطرق لتحليل نفس مجموعات بيانات العينة كما تمت مقارنتها مع بعضها البعض ومع قيم حقيقية لعينات تم الحصول عليها من مواقع اختيارية محدودة والطرق التي جرى بحثها تتضمن التحليل الإحصائي الجوفي، والشبكات العصبية الصناعية، وطريقة تكنولوجيا استكشاف المكامن الجوفية وبالرغم من أن طريقة التحليل الإحصائي الجوفي يمكن تطبيقها في نماذج الحفريات وبرامج الاختيارات لكنها محصورة في المراحل الابتدائية للاستكشاف عندما تكون المعلومات شحيحة وعلى كل حال، فإن التحليل الإحصائي الجوفي يقدم مقياسا لنوعية التقديرات مما يجعلها أحسن من الطريقتين الأخريين اللتين لا يمكن تقدير الخطأ فيهما وفي المقابل فإن طريقة الشبكات العصبية الصناعية تعطي تقديرات تتقارب كثيرا من القيم الحقيقية بسبب قدرتها في التمثيل ويؤثر عدم توفر المعلومات عند الحدود في نظم توزيع التدريب ولربما قاد ذلك إلى تقديرات غير متوازنة وبالرغم من أن طريقة تكنولوجيا استكشاف المكمن الجوفي لا تربط بين تقديرات الخطأ ونوعيتها، إلا أن دقتها تشابه تلك التي تعطيها طريقة التحليل الإحصائي الجوفي والعيب العام في الطرق الثلاث ربنا ينحصر في عدم معرفة حجم المعلومات الحقيقية المطلوبة في المراحل الأولية للاستكشاف لتقليل تكلفة الحفر وعلى كل حال فإن طريقة ما لإعادة التقديرات تعطي معلومات كافية لتحديد أفضلية أي من الطرق الثلاث وعليه فإن سهولة الاستعمال ومستوى تمثيل التكرار اللازمة ومع حسن تفهم الطرق المستعملة ومدى صلاحياتها بالإضافة للوعي العام للجيولوجياكلها عوامل تتضافر لاختيار الطريقة الأفضل

The paper compares the performance of Geostatistical Artificial Neural Network and Geoquest Reservoir Technology (GRT) Grid approaches in defining either an oil reservoir or a mineralized outline The objective is to find the most suitable technique that would reduce exploratory drilling cost without sacrificing on accuracy Each technique will be applied to the same complete data set and subsequently to a reduced data set Their performances will then be assessed and compared to each other and to known values at sampled locations While a geostatistical technique could effectively be applied in the optimization of a drilling pattern and a sampling program its use is limited at the early stage of exploration when data is scarce However its kriging variance provides a measure of the quality of estimation that gives it an edge over the other two techniques whose errors of estimation are not measured On the other hand ANN estimates are found to be very close to the actual values this is largely due to its emulating capabilities The absence of data at the boundaries affects on the distribution of the training patterns and in turn might lead to biased estimates Although GRT Grid does not associate an error to its estimates its overall performance is very similar to that of Geostatistics By virtue of this similarity an inferred estimation error from the geostatistical technique could be extended to GRT Grid estimates A general drawback in all three approaches is possibly the lack of knowledge of the exact volume of data needed at an early stage of exploration that will ensure an effective estimate that reduces the drilling cost However a reestimation method gives to a large extent an insight into a preferred approach amongst the three techniques analyzed in this paper The ease of use level of discretization number of iterations for convergence a good appreciation of the intrinsic function and their limitations together with an appreciation of the geology contribute to a choice of a technique