Classificação de recursos minerais por meio de simulação condicional e intervalo de confiança da média aplicada ao sulfeto disseminado do corpo de minério Sequeirinho, depósito Sossego, Província Mineral de Carajás
Autor(a) principal: | |
---|---|
Data de Publicação: | 2018 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da USP |
Texto Completo: | http://www.teses.usp.br/teses/disponiveis/44/44137/tde-10102019-142319/ |
Resumo: | A classificação de recursos e reservas minerais deve atender aos requisitos de padrões internacionais criados para garantir transparência aos empreendimentos mineiros e, desta forma, dar segurança aos investidores. Esses padrões recomendam que os recursos minerais sejam classificados em medido, indicado e inferido. Entre os métodos de classificação internacionalmente aceitos, acredita-se que quantificação de incertezas por meio de simulação condicional e intervalos de confiança é uma alternativa mais completa em relação a métodos tradicionalmente utilizados porque considera a variabilidade local dos dados amostrais e apresenta como vantagem a incorporação de incerteza para a definição das classes de recursos minerais. Neste trabalho foi feita a classificação de recursos minerais para cobre (sulfeto disseminado) do Corpo de Minério Sequeirinho, parte do Depósito de Óxido de ferro-cobre-ouro Sossego, um depósito mineral de classe mundial localizado em Canaã dos Carajás- PA, Brasil. Para esta classificação foram utilizadas 20.268 amostras do litotipo sulfeto disseminado proveniente de campanhas de sondagem realizadas entre 1997 e 2003 na cava Sequeirinho. Os intervalos de incerteza definidos foram adaptados dos comumente utilizados na indústria mineral (Rossi e Deutsch, 2014): 0-15% para recurso mineral medido, 15-30% para recursos mineral indicado e 30-100% para recurso mineral inferido, todos calculados com um nível de confiança de 90% para blocos com teor de corte de 0,33% de cobre. O recurso mineral medido totalizou 74,2 milhões de toneladas a um teor médio de cobre de 1,62%, o recurso mineral indicado apresentou 51,2 milhões de toneladas a um teor médio de 0,67% de cobre e recurso mineral inferido apresentou 24,6 milhões de toneladas a um teor médio de 0,41% de cobre, considerando um teor de corte de 0,33%. Tendo em vista que os padrões internacionais incentivam a utilização de incerteza para a classificação, mas não definem quais parâmetros devem ser utilizados, novas classificações foram feitas a partir de variações nos intervalos de incerteza para cada classe de recurso mineral com o objetivo de comparar os resultados. Notou-se com os resultados das novas classificações que este método apresenta sensibilidade a pequenas variações dos intervalos de incerteza utilizados para a definição das classes de recursos minerais e que o tipo de distribuição de frequência dos dados amostrais tem papel importante na escolha desses intervalos. Desta forma depósitos que apresentam alta variabilidade devem ser tratados de forma diferente dos depósitos de baixa variabilidade quando se trata da escolha de intervalos de incerteza para a classificação de recursos minerais. |
id |
USP_3c80274edd19ddded20b3fca159c3e6b |
---|---|
oai_identifier_str |
oai:teses.usp.br:tde-10102019-142319 |
network_acronym_str |
USP |
network_name_str |
Biblioteca Digital de Teses e Dissertações da USP |
repository_id_str |
2721 |
spelling |
Classificação de recursos minerais por meio de simulação condicional e intervalo de confiança da média aplicada ao sulfeto disseminado do corpo de minério Sequeirinho, depósito Sossego, Província Mineral de CarajásMineral Resource Classification through conditional simulation and confidence interval of the mean applied to the disseminated sulphide of the Sequeirinho orebody, Sossego deposit, Carajás Mineral Province, Brazil.GeoestatísticaGeostatisticsIncertezaSequencial Gaussian SimulationSimulação Sequencial GaussianaUncertaintyA classificação de recursos e reservas minerais deve atender aos requisitos de padrões internacionais criados para garantir transparência aos empreendimentos mineiros e, desta forma, dar segurança aos investidores. Esses padrões recomendam que os recursos minerais sejam classificados em medido, indicado e inferido. Entre os métodos de classificação internacionalmente aceitos, acredita-se que quantificação de incertezas por meio de simulação condicional e intervalos de confiança é uma alternativa mais completa em relação a métodos tradicionalmente utilizados porque considera a variabilidade local dos dados amostrais e apresenta como vantagem a incorporação de incerteza para a definição das classes de recursos minerais. Neste trabalho foi feita a classificação de recursos minerais para cobre (sulfeto disseminado) do Corpo de Minério Sequeirinho, parte do Depósito de Óxido de ferro-cobre-ouro Sossego, um depósito mineral de classe mundial localizado em Canaã dos Carajás- PA, Brasil. Para esta classificação foram utilizadas 20.268 amostras do litotipo sulfeto disseminado proveniente de campanhas de sondagem realizadas entre 1997 e 2003 na cava Sequeirinho. Os intervalos de incerteza definidos foram adaptados dos comumente utilizados na indústria mineral (Rossi e Deutsch, 2014): 0-15% para recurso mineral medido, 15-30% para recursos mineral indicado e 30-100% para recurso mineral inferido, todos calculados com um nível de confiança de 90% para blocos com teor de corte de 0,33% de cobre. O recurso mineral medido totalizou 74,2 milhões de toneladas a um teor médio de cobre de 1,62%, o recurso mineral indicado apresentou 51,2 milhões de toneladas a um teor médio de 0,67% de cobre e recurso mineral inferido apresentou 24,6 milhões de toneladas a um teor médio de 0,41% de cobre, considerando um teor de corte de 0,33%. Tendo em vista que os padrões internacionais incentivam a utilização de incerteza para a classificação, mas não definem quais parâmetros devem ser utilizados, novas classificações foram feitas a partir de variações nos intervalos de incerteza para cada classe de recurso mineral com o objetivo de comparar os resultados. Notou-se com os resultados das novas classificações que este método apresenta sensibilidade a pequenas variações dos intervalos de incerteza utilizados para a definição das classes de recursos minerais e que o tipo de distribuição de frequência dos dados amostrais tem papel importante na escolha desses intervalos. Desta forma depósitos que apresentam alta variabilidade devem ser tratados de forma diferente dos depósitos de baixa variabilidade quando se trata da escolha de intervalos de incerteza para a classificação de recursos minerais.The classification of mineral resources and reserves should comply with the requirements of the international reporting standards that was created to ensure transparency of the mining companies and to provide protection to the investors. Those standards require that mineral resource must be classified as measured, indicated or inferred. Among internationally accepted classification methods, it is believed that quantification of uncertainties through conditional simulation and confidence intervals is a more complete alternative to traditional methods because it considers the local variability of the sample data and presents as an advantage the incorporation of uncertainty for the mineral resource class definition. In this dissertation, the mineral resource classification was made for the Copper of the Sequeirinho orebody, part of Sossego iron oxide-copper-gold deposit, a world-class mineral deposit located at Carajás Mineral Province, Brazil. For this classification, 20,268 samples of the disseminated sulphide lithotype were used, from surveys conducted between 1997 and 2003 in the Sequeirinho open pit. The uncertainty intervals defined was adapted from the typically used by the mineral industry (Rossi and Deutsch, 2014): 0-15% for the measured mineral resource, 15-30% for the indicated mineral resource, and 30-100% for the inferred mineral resource, all calculated with a confidence level of 90%. The measured mineral resource added 74,2 million tons at an average of 1.62% copper content, the indicated mineral resource added 51.2 million tons at an average of 0.67% copper content and the inferred mineral resource added 24.6 million tons at an average of 0.41% copper content, considering a cutt-off of 0.33%. Given that international standards encourage the use of uncertainty for classification without the definition about which parameters must be used, new classifications were made from variations in the uncertainty intervals for each class of mineral resource in order to compare the results. From the results of the new classifications, it is noticed that this method is sensitive to small variations in the uncertainty intervals used to define the mineral resource classes and the type of frequency distribution of sample data plays an important role in choosing these ranges. Therefore, high variability deposits must be treated differently from low variability deposits when it comes to the definition of uncertainty intervals for mineral resource classification.Biblioteca Digitais de Teses e Dissertações da USPRocha, Marcelo Monteiro daAndrade, Matheus Magalhães Pereira de2018-11-22info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://www.teses.usp.br/teses/disponiveis/44/44137/tde-10102019-142319/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2019-11-08T21:27:10Zoai:teses.usp.br:tde-10102019-142319Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212019-11-08T21:27:10Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false |
dc.title.none.fl_str_mv |
Classificação de recursos minerais por meio de simulação condicional e intervalo de confiança da média aplicada ao sulfeto disseminado do corpo de minério Sequeirinho, depósito Sossego, Província Mineral de Carajás Mineral Resource Classification through conditional simulation and confidence interval of the mean applied to the disseminated sulphide of the Sequeirinho orebody, Sossego deposit, Carajás Mineral Province, Brazil. |
title |
Classificação de recursos minerais por meio de simulação condicional e intervalo de confiança da média aplicada ao sulfeto disseminado do corpo de minério Sequeirinho, depósito Sossego, Província Mineral de Carajás |
spellingShingle |
Classificação de recursos minerais por meio de simulação condicional e intervalo de confiança da média aplicada ao sulfeto disseminado do corpo de minério Sequeirinho, depósito Sossego, Província Mineral de Carajás Andrade, Matheus Magalhães Pereira de Geoestatística Geostatistics Incerteza Sequencial Gaussian Simulation Simulação Sequencial Gaussiana Uncertainty |
title_short |
Classificação de recursos minerais por meio de simulação condicional e intervalo de confiança da média aplicada ao sulfeto disseminado do corpo de minério Sequeirinho, depósito Sossego, Província Mineral de Carajás |
title_full |
Classificação de recursos minerais por meio de simulação condicional e intervalo de confiança da média aplicada ao sulfeto disseminado do corpo de minério Sequeirinho, depósito Sossego, Província Mineral de Carajás |
title_fullStr |
Classificação de recursos minerais por meio de simulação condicional e intervalo de confiança da média aplicada ao sulfeto disseminado do corpo de minério Sequeirinho, depósito Sossego, Província Mineral de Carajás |
title_full_unstemmed |
Classificação de recursos minerais por meio de simulação condicional e intervalo de confiança da média aplicada ao sulfeto disseminado do corpo de minério Sequeirinho, depósito Sossego, Província Mineral de Carajás |
title_sort |
Classificação de recursos minerais por meio de simulação condicional e intervalo de confiança da média aplicada ao sulfeto disseminado do corpo de minério Sequeirinho, depósito Sossego, Província Mineral de Carajás |
author |
Andrade, Matheus Magalhães Pereira de |
author_facet |
Andrade, Matheus Magalhães Pereira de |
author_role |
author |
dc.contributor.none.fl_str_mv |
Rocha, Marcelo Monteiro da |
dc.contributor.author.fl_str_mv |
Andrade, Matheus Magalhães Pereira de |
dc.subject.por.fl_str_mv |
Geoestatística Geostatistics Incerteza Sequencial Gaussian Simulation Simulação Sequencial Gaussiana Uncertainty |
topic |
Geoestatística Geostatistics Incerteza Sequencial Gaussian Simulation Simulação Sequencial Gaussiana Uncertainty |
description |
A classificação de recursos e reservas minerais deve atender aos requisitos de padrões internacionais criados para garantir transparência aos empreendimentos mineiros e, desta forma, dar segurança aos investidores. Esses padrões recomendam que os recursos minerais sejam classificados em medido, indicado e inferido. Entre os métodos de classificação internacionalmente aceitos, acredita-se que quantificação de incertezas por meio de simulação condicional e intervalos de confiança é uma alternativa mais completa em relação a métodos tradicionalmente utilizados porque considera a variabilidade local dos dados amostrais e apresenta como vantagem a incorporação de incerteza para a definição das classes de recursos minerais. Neste trabalho foi feita a classificação de recursos minerais para cobre (sulfeto disseminado) do Corpo de Minério Sequeirinho, parte do Depósito de Óxido de ferro-cobre-ouro Sossego, um depósito mineral de classe mundial localizado em Canaã dos Carajás- PA, Brasil. Para esta classificação foram utilizadas 20.268 amostras do litotipo sulfeto disseminado proveniente de campanhas de sondagem realizadas entre 1997 e 2003 na cava Sequeirinho. Os intervalos de incerteza definidos foram adaptados dos comumente utilizados na indústria mineral (Rossi e Deutsch, 2014): 0-15% para recurso mineral medido, 15-30% para recursos mineral indicado e 30-100% para recurso mineral inferido, todos calculados com um nível de confiança de 90% para blocos com teor de corte de 0,33% de cobre. O recurso mineral medido totalizou 74,2 milhões de toneladas a um teor médio de cobre de 1,62%, o recurso mineral indicado apresentou 51,2 milhões de toneladas a um teor médio de 0,67% de cobre e recurso mineral inferido apresentou 24,6 milhões de toneladas a um teor médio de 0,41% de cobre, considerando um teor de corte de 0,33%. Tendo em vista que os padrões internacionais incentivam a utilização de incerteza para a classificação, mas não definem quais parâmetros devem ser utilizados, novas classificações foram feitas a partir de variações nos intervalos de incerteza para cada classe de recurso mineral com o objetivo de comparar os resultados. Notou-se com os resultados das novas classificações que este método apresenta sensibilidade a pequenas variações dos intervalos de incerteza utilizados para a definição das classes de recursos minerais e que o tipo de distribuição de frequência dos dados amostrais tem papel importante na escolha desses intervalos. Desta forma depósitos que apresentam alta variabilidade devem ser tratados de forma diferente dos depósitos de baixa variabilidade quando se trata da escolha de intervalos de incerteza para a classificação de recursos minerais. |
publishDate |
2018 |
dc.date.none.fl_str_mv |
2018-11-22 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://www.teses.usp.br/teses/disponiveis/44/44137/tde-10102019-142319/ |
url |
http://www.teses.usp.br/teses/disponiveis/44/44137/tde-10102019-142319/ |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
|
dc.rights.driver.fl_str_mv |
Liberar o conteúdo para acesso público. info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Liberar o conteúdo para acesso público. |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.coverage.none.fl_str_mv |
|
dc.publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da USP instname:Universidade de São Paulo (USP) instacron:USP |
instname_str |
Universidade de São Paulo (USP) |
instacron_str |
USP |
institution |
USP |
reponame_str |
Biblioteca Digital de Teses e Dissertações da USP |
collection |
Biblioteca Digital de Teses e Dissertações da USP |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP) |
repository.mail.fl_str_mv |
virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br |
_version_ |
1815256924559507456 |