Анализ закономерностей распределения соединений серы и железа на примере намывных техногенных массивов

В условиях постоянного усложняющихся горно-геологических условий добычи полезных ископаемых, а также их дефицита человечество вынуждено искать новые источники минерального сырья. Несмотря на то, что все чаще обсуждается вопрос освоения залежей на дне Мирового океана или месторождений, расположенных на территориях с экстремальными климатическими условиями, вовлечение в промышленную переработку накопившихся горнопромышленных отходов является наиболее вероятным способов расширения ресурсной базы многих стран в ближайшие годы. Кроме непосредственного получения полезных компонентов, переработка отходов позволит в ряде случаев значительно улучшить экологическую обстановку в горно-металлургических регионах. В России основными факторами, сдерживающими вовлечение горнопромышленных отходов в переработку, на сегодняшний день являются: недостаточно проработанная нормативно-правовая база, отсутствие достоверной и полной информации о количестве, составе, свойствах накопленных и образующихся отходов, отсутствие специализированных методов изучения техногенных массивов. Они имеют ряд особенностей, которые необходимо учитывать при проведении геохимических исследований, оценке качественных и количественных показателей потенциального минерального сырья. Учет пространственной изменчивости свойств техногенных отложений, в первую очередь, намывных, а также применение современных методов геостатистики и компьютерных технологий позволят значительно снизить объемы необходимых исследований, создавать модели отвалов, хвостохранилищ и других накопителей отходов, отвечающих современным требованиям, а следовательно, снизить общие затраты на изучение. Отходы переработки минерального сырья (хвосты, шлаки и др.) являются наиболее перспективными для вовлечения в переработку. Построенные модели хранилища кека и оценка закономерностей распределения магнетита, пирита и серы показывают, что при намыве несмотря на дифференциацию вещества, вызванную процессами гравитационного фракционирования, некоторые соединения благодаря выбранной технологии формирования, крупности слагающих их частиц достаточно равномерно распределены по массиву. Однако минералы, имеющие большие значения удельного веса (например, сульфиды меди и свинца) образуют скопления в непосредственной близости от мест выпуска пульпы. Выявленные закономерности позволят повысить качество районирования техногенных массивов в соответствии с химическим составом отложений и в последствии выделить участки отложений, которые наиболее перспективны для вовлечения в переработку. На этапах непосредственного освоения массива эти закономерности обеспечат выбор оптимальной последовательности отработки блоков, а также будут способствовать разработке мероприятий по управлению качественными характеристиками минерального сырья, поступающего на соответствующие стадии переделов.

Ключевые слова: горное дело, техногенный массив, горнопромышленные отходы, геостатистика, переработка отходов, намывной массив, метод обратных взвешенных расстояний, сульфиды, хвостохранилище.
Как процитировать:

Ческидов В. В., Барабанов Н. Н., Ложкин М. О., Смирнов П. А., Лагутина А. А. Анализ закономерностей распределения соединений серы и железа на примере намывных техногенных массивов // Горный информационно-аналитический бюллетень. – 2021. – № 3. – С. 142–153. DOI: 10.25018/0236-1493-2021-3-0-142-153.

Благодарности:
Номер: 3
Год: 2021
Номера страниц: 142-153
ISBN: 0236-1493
UDK: 550.8.053
DOI: 10.25018/0236-1493-2021-3-0-142-153
Дата поступления: 13.05.2020
Дата получения рецензии: 16.09.2020
Дата вынесения редколлегией решения о публикации: 10.02.2021
Информация об авторах:

Ческидов Василий Владимирович1 — канд. техн. наук, доцент, заместитель директора Горного института, e-mail: vcheskidov@misis.ru,
Барабанов Николай Николаевич1 —аспирант; геолог, GeoSolutions, e-mail: m1605561@edu.misis.ru,
Ложкин Максим Олегович1 — аспирант,
Смирнов Павел Александрович1 — аспирант; инженер по технической поддержке, ОАО «Орика СиАйЭс»,
Лагутина Анастасия Андреевна1 — аспирант,
1 ГИ НИТУ «МИСиС».

 

Контактное лицо:

Барабанов Н.Н., e-mail: m1605561@edu.misis.ru.

Список литературы:

1. Кузнецов Ю. Н., Стадник Д. А., Стадник Н. М., Какорина Н. М., Волков С. С. Повышение качества прогнозной геологической информации при автоматизированном проектировании отработки запасов пластовых месторождений // Горный информационно-аналитический бюллетень. — 2016. — № 3. — С. 164—171.

2. Li R., Wang G., Carranza E. J. M. GeoCube: A 3D mineral resources quantitative prediction and assessment system // Computers & Geosciences. 2016. Vol. 89. Pp. 161—173. DOI: 10.1016/j.cageo.2016.01.012.

3. Cheskidov V., Kassymkanova K.-K., Lipina A., Bornman M. Modern methods of monitoring and predicting the state of slope structures // E3S Web of Conferences. 2019. Vol. 105. Article 01001. DOI: 10.1051/e3sconf/201910501001.

4. Cheskidov V. V., Lipina A. V., Melnichenko I. A. Integrated monitoring of engineering structures in mining // Eurasian Mining. 2018. Vol 2. Pp. 18—21. DOI 10.17580/em.2018.02.05.

5. Антонов В. А. Методология геоинформационного отображения экспериментальных горно-технологических закономерностей // Горный информационно-аналитический бюллетень. — 2017. — № 10. — С. 17—24. DOI: 10.25018/0236-1493-2017-10-0-17-24.

6. Демьянов В. В., Савельева Е. А. Геостатистика: теория и практика. — М.: Наука, 2010. — 327 с.

7. Геостатистические методы в оценке запасов минерального сырья. Тезисы докладов 2-го Всесоюзного семинара по геостатистике, г. Петрозаводск, 1—5 окт. 1990 г. — Петрозаводск, 1990. — 89 с.

8. Кургузов К. В. Стохастическое моделирование литотехнических систем: дис. канд. геол.-мин. наук. — М.: РГГУ, 2019. — 161 с.

9. Strizhenok A. V., Ivanov A. V. An advanced technology for stabilizing dust producing surfaces of built-up technogenic massifs during their operation // Power Technology and Engineering. 2016. Vol. 50. Pp. 240—243. DOI: 10.1007/s10749-016-0690-y.

10. Bystrov V. P., Vernigora A. S., Kamkin R. I., Mamaev A.Y., Kuznetsov A. V., Paretsky V. M. Vanukov furnace technology: Application experience for processing different types of raw materials and general development trends / TMS Annual Meeting. 2nd International Symposium on HighTemperature Metallurgical Processing. 2011. Pp. 59—66. DOI: 10.1002/9781118062081.ch8.

11. Zawadzki J., Szuskiewicz M., Fabijanczyk P., Magiera T. Geostatistical discrimination between different sources of soil pollutants using a magneto-geochemical data set // Chemosphere. 2016. Vol. 164. Pp. 668—676. DOI: 10.1016/j.chemosphere.2016.08.145.

12. Zuo R., Carranza J. Geoinformatics in applied geochemistry // Journal of Geochemical Exploration. 2016. Vol. 164. Pp. 1—2. DOI: 10.1016/j.gexplo.2016.03.003.

13. Singh P., Verma P. A comparative study of spatial interpolation technique (IDW and kriging) for determining groundwater quality / GIS and Geostatistical Techniques for Groundwater Science. Chapter 5. 2019. Pp. 43—56. DOI: 10.1016/B978-0-12-815413-7.00005-5.

14. Bech J., Bini C., Pashkevich M. A. Assessment, restoration and reclamation of mining influenced soils. London: Academic Press, 2017. 497 p.

Наши партнеры

Подписка на рассылку

Раз в месяц Вы будете получать информацию о новом номере журнала, новых книгах издательства, а также о конференциях, форумах и других профессиональных мероприятиях.