TA3201 geostatistik Sumber Daya Modeling

Mineral dan Klasifikasi Sumber Daya

Batubara Berdasarkan Geostatistik
Pendekatan
 Daerah Pengaruh Sumber Daya Klasifikasi (Kasus Coal Deposit)

• USGS Edaran 891 (0-400 m = diukur, 400-1200 m = ditunjukkan, 1200

- 4800 m = disimpulkan,> 4800 m = hipotetik)
• SNI 5015: 2011 (Standar Indonesia untuk Klasifikasi Sumberdaya Batubara):

Kondisi Kriteria sumber

geologi
diukur ditunjukkan disimpulkan andai-andai

Sederhana spasi Informasi X • 300 300 <X • 500 500 <X • 1000 Tak terbatas

(m)

Moderat spasi Informasi X • 200 200 <X • 300 300 <X • 800 Tak terbatas

(m)

Kompleks spasi Informasi X • 100 100 <X • 200 200 <X • 400 Tak terbatas

(m)

2
(Sumber: JORC, 2012)
 Subdivisi untuk Estimasi Cadangan (setelah Valee, 1986)

Margin Perkiraan
Kategori Kondisi Data Kesalahan

Dikembangkan:

Bijih atau mineralisasi terkena dan sampel dalam volume selain 0-10%
pengeboran rinci
diukur • Terbukti
Dibor Ditetapkan:
Bijih atau mineralisasi yang lokasinya, kelas dan kontinuitas ditetapkan oleh 5-20%
pengeboran biasa dan dekat-spasi dan pengambilan sampel

Kelas I:
Bijih atau mineralisasi yang kontinuitas dan kelas telah ditetapkan oleh biasa, tapi 20 - 40%
pengeboran yang cukup lebar-spasi atau pengambilan sampel

ditunjukkan • Mungkin Kelas II:

Bijih atau mineralisasi yang kontinuitas dan kelas telah ditetapkan oleh agak
40 - 70%
teratur, pengeboran lebar spasi dan pengambilan sampel

Potensi Reserve:
Mineralisasi ditafsirkan atas dasar kelangsungan diharapkan dari eksposur
disimpulkan • Bisa jadi 70-100%
dikenal, dan yang lokasinya dan kelas hanya buruk menduga dari drillholes
tidak teratur sedikit atau eksposur

4
Yamamoto (1999): The skema klasifikasi yang diusulkan oleh Diehl dan David (1982), dengan tingkat
kepercayaan yang berbeda, tidak dapat diterima, karena estimasi bijih-cadangan dilakukan dengan
menggunakan data eksplorasi yang diberikan. Di sisi lain, kecuali untuk penggunaan standar deviasi OK,
klasifikasi bijih-cadangan Wellmer tampaknya masuk akal. Perhatikan bahwa skema ini menggunakan
tingkat yang unik kepercayaan (90%), yang cocok untuk data geologi seperti yang direkomendasikan oleh
Koch dan Link (1971).
distribusi normal dari kesalahan estimasi
Relatif Kriging Standar Deviasi untuk Klasifikasi Sumber Daya

Blackwell (1998) • menunjukkan penggunaan praktis relativekriging varians (atau

relativekriging standar deviasi, RKSD) sebagai komponen penting dari skema
klasifikasi sumber daya untuk porfiri Cu dan deposit emas epitermal besar:

1. Identifikasi mineral blok (yaitu memverifikasi kontinuitas geologi)

2. Identifikasi mineral blok di atas cut-off grade.

3. Mengklasifikasikan blok di atas cut-off grade berdasarkan RKSD yang

dipilih:

diukur 0,3 • ditunjukkan 0,5 • disimpulkan

Kasus: Sumber Daya Klasifikasi Ni laterit di Berbagai Blok Lokasi

Blok South Blok Tengah

Blok utara
Kasus: Estimasi pada Cu deposito porfiritik menggunakan Biasa Kriging (OK)

Utara-Selatan

tingkat 680m Barat-Timur

115
 Geostatistik untuk Klasifikasi Sumber Daya Batubara

Dengan asumsi distribusi kesalahan estimasi normal dengan 95% dari tingkat
kepercayaan, kesalahan relatif dihitung dengan varians estimasi metode Ordinary Kriging:

% Error = ± 1.96σ / z * • 100%

Berdasarkan% relatif error seperti dibahas dalam de Souza et al. (2002) yang dimodifikasi dari JORC tahun
1999 dan Diehl dan David (1982), sumber daya batubara diklasifikasikan menjadi:

1. Diukur sumber • kesalahan relatif ≤ 10%

2. sumber Dinyatakan • kesalahan relatif 10-20%

3. sumber daya tereka • kesalahan relatif> 20%

Perkiraan ketebalan (a) dan kesalahan relatif (b); konten diperkirakan sulfur (c) dan
kesalahan relatif (d)
(M)

(Sebuah) (B)

(%)

(C) (D)
(Sebuah) Estimasi sumber daya
- sederhana Geologi
Kondisi

(B)

12
Estimasi sumber daya - Sedang Kondisi Geologi

(Sebuah) (B)
 Estimasi sumber daya - Kompleks Kondisi Geologi

(Sebuah) (B)

(Heriawan et al. (2010)

 Estimasi Sumber Daya Batubara - Ringkasan

20

diukur
ditunjukkan
Diukur + Dinyatakan
disimpulkan
15
Varians (SNI 1999 vs Geostat) - Unit Mt

10

0
Sederhana Moderat Kompleks

Kondisi geologi

(Dimodifikasi dari Heriawan et al., 2010)

 Referensi
• Badan Standarisasi Nasional (BSN): SNI 5015 Pedoman Pelaporan, sumberdaya, Dan Cadangan batubara. BSN,
2011.

• Blackwell, GH: kesalahan kriging Relatif - dasar untuk klasifikasi sumber daya mineral. Expl. Min. Geol., Ayat 7 (1 dan 2), hlm. 99-106 1998.

• Diehl, P., dan David, M .: Klasifikasi cadangan bijih / sumber daya berdasarkan metode geostatistik, CIM Bull., V.75 (838), pp. 127-136, 1982.

• Heriawan, MN, Syafrizal, Suliani, CP dan Anggayana, K .: Membandingkan sumber daya batubara Klasifikasi berdasarkan pendekatan geostatistik
dan prosedur Standar Nasional Indonesia (SNI 1999) untuk struktur geologi yang kompleks dari Tanjung Pembentukan, Kalimantan Selatan.
Prosiding Simposium Internasional di Bumi Sains dan Teknologi
2010, Fukuoka, Jepang, pp. 129-132 2010.

• Heriawan, MN, Noor, RH, Syafrizal, dan Notosiswoyo, S .: Evaluasi Estimasi Sumber Daya Batubara dan Drillhole Spasi Optimization
Berdasarkan Pendekatan Geostatistik, dengan Studi Kasus pada Coal Deposit di Kalimantan Selatan, Indonesia. Prosiding Simposium
Internasional di Bumi Sains dan Teknologi 2011, Fukuoka, Jepang, pp. 352-356, 2011.

• Joint Ore Reserves Committee: The JORC Kode - Australasian Kode untuk Pelaporan Hasil Eksplorasi, Sumber Daya Mineral dan Cadangan
Bijih. JORC ​2012.

• Koch Jr, GS, dan Link, R. F: Analisis Statistik Data Geologi. Dover Publ., New York, v.1, 375 p., 1971.

• Vallee, persediaan M .: Mineral, dari pengintaian sumber daya dan evaluasi perkiraan cadangan bijih. Canadian Institute Pertambangan
dan Metalurgi, Prosiding Simposium Cadangan Bijih Estimasi, pp. 10-31, 1986.

• Wellmer, FW: Klasifikasi cadangan bijih dengan metode geostatistik. ERZMETALL, v.36 (7/8), pp. 315-321,
1983.

• Yamamoto, JK: Kuantifikasi ketidakpastian dalam estimasi bijih-cadangan: aplikasi untuk Chapada Tembaga Deposit, State of Goias, Brasil.
Natural Resources Research, vol.8 (2), hlm. 153-163, 1999.

16