CC BY
17
ГИАБ. Горный информационно-аналитический бюллетень / MIAB. Mining Informational and Analytical Bulletin, 2020;(11-1):40-53 ОРИГИНАЛЬНАЯ СТАТЬЯ / ORIGINAL PAPER
УДК 622:577.4 DOI: 10.25018/0236-1493-2020-111-0-40-53
СОВЕРШЕНСТВОВАНИЕ МЕТОДОВ ДЛЯ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ ОЦЕНКИ, АНАЛИЗА И РАЗРАБОТКИ МЕДНО-НИКЕЛЕВЫХ МЕСТОРОЖДЕНИЙ
И.И. Босиков1, А.С. Выскребенец1, Б.С. Цидаев1, С.В. Белуков2
1 Северо-Кавказский горно-металлургический институт (государственный технологический университет), Владикавказ, Россия; 2 Московский политехнический университет, Москва, Россия
Аннотация: На современном этапе развития естественных наук под влиянием научно-технического прогресса происходят существенные изменения методов научных экспериментов, анализа и обобщения получаемых результатов. Этому способствуют не только расширившиеся возможности фундаментальных наук, но ибурное развитие электронно-вычислительной техники и комплексной автоматизации самых разнообразных видов человеческой деятельности. Для успешной оценки и анализа перспективности участков месторожденийнеобходимо использовать полный арсенал существующих прогрессивных научных и технических средств. Целью исследованийбы-лоусовершенствоватьметодыдля оценки перспективности участков медно-никелевых месторождений, построитькомпьютернуюмодельрудного тела юго-восточного участка Талнахского месторождения, а также провестианализ распределения полезных компонентов в трех промышленных типах руд. Применялось математическое моделирование, метод блочной модели в программном пакете MICROMINE: созданы базы данных, произведена интерпретация геофизических данных, каркасное моделирование, блочное моделирование, факторный и корреляционный анализы, отчет перспективности исследуемых участков месторождения. В ходе экспериментальных исследований получены данные инклинометрии, координаты устьев скважин, данные опробования, литологии, морфологии и структурно-геологического анализа участка рудного тела №2 Талнахского месторождения. Усовершенствованыметоды и средства анализа для повышения эффективности исследования и разработки месторождений медно-никелевых месторождений.
Ключевые слова: месторождение, каркасное и блочное моделирование, программный пакет MICROMINE, структурно-геологический анализа, скважина, опробование, перспективность.
Для цитирования: Босиков И.И., Выскребенец А.С., Цидаев Б.С., Белуков С.В. Совершенствование методов для повышения эффективности оценки, анализа и разработки мед-но-никелевых месторождений // Горный информационно-аналитический бюллетень. — 2020. - № 11-1. — С. 40-53. DOI: 10.25018/0236-1493-2020-111-0-40-53.
© И.И. Босиков, А.С. Выскребенец, Б.С. Цидаев, С.В. Белуков. 2020.
Improving efficiency of appraisal, assaying and extraction of copper-nickel resources
I.I. Bosikov1, А.S. Vyskrebenets1, B.S. Tsidaev1, S.V. Belukov2
1 North Caucasian Institute of Mining and Metallurgy (State Technological University),
Vladikavkaz, Russia; 2 Moscow Polytechnic University, Moscow, Russia
Abstract: At the present stage of development of the natural sciences, under the influence of scientific and technological progress, significant changes are taking place in the methods of scientific experiments, analysis and generalization of the results. This is facilitated not only by the expanded capabilities of basic sciences, but also by the rapid development of electronic computers and the integrated automation of a wide variety of human activities. For a successful assessment and analysis of the prospectivity of fields, it is necessary to use the full arsenal of existing progressive scientific and technical means. The purpose of research: improving methods for assessing the prospects of areas of copper-nickel deposits. Building a computer model of the ore body of the southeastern section of the Talnakhskoye deposit, as well as analyzing the distribution of useful components in three industrial types of ores. Research Methodology. Mathematical modeling was used, the block model method in the MICROMINE software package: databases were created, geophysical data were interpreted, wireframe modeling, block modeling, factor and correlation analyzes, and the prospect report of the studied areas of the field were made. In the course of experimental studies, inclinometry data, wellhead coordinates, sampling data, lithology data, morphology and structural-geological analysis of ore body area No. 2 of the Talnakhskoye deposit. Research results: methods and analysis tools have been improved to increase the efficiency of research and development of copper-nickel deposits.
Key words: field, wireframe and block modeling, MICROMINE software package, structural and geological analysis, well, testing, prospectivity.
For citation: Bosikov I.I., Vyskrebenets A.S., Tsidaev B.S., Belukov S.V. Improving efficiency of appraisal, assaying and extraction of copper-nickel resources. MIAB. Mining Inf. Anal. Bull. 2020;(11-1):40-53. [In Russ]. DOI: 10.25018/0236-1493-2020-111-0-40-53.
Введение
Для эффективного решения горногеологических задач, возникающих при разведке и эксплуатации месторождений полезных ископаемых, применяются специальные компьютерные программы — горно-геологические информационные системы (ГГИС), получившие широкое развитие на современном этапе. Одной из таких программ является МСЯОМШЕ, которая позволяет смоделировать трехмерное изображениеместорождений и подсчитатьзапасыминерального
сырья. Полученная информация наряду с традиционными методами изучения месторождений может служить базой, обеспечивающей разработку месторождения с использованием эффективных производственных технологий.
Для статистического анализа данных используется программа STATISTICA, которая позволяет решать задачи в области анализа и обработки данных, включает широкий набор аналитических процедур и методов.
Методика проведения исследований. В процессе подсчета запасов необхо-
димо оперировать большим количеством исходных данных и осуществлять много арифметических операций. Применение математических моделей позволяет автоматизировать рутинные вычислительные операции, разрабатывать и применять новые методы подсчета запасов [1 — 3].
Для подсчета запасов в программе М1СЯОМ1ИЕ созданы базы данных.
В табл. 1 приведены исходные данные из журнала рядовых проб. Базы итоговых данных содержат сведения о запасах и качестве руды в подсчетных блоках, а также по участкам, рудным телам и по месторождению в целом с разделением по категориям запасов, а иногда и по сортам полезного ископаемого.
В работе был использован сеточный (блочный) метод подсчета запасов, который заключаются в разделении рудного тела на ячейки малого размера. Так как рудное тело мощное, то для создания сеточной модели его делят
горизонтальными плоскостями на слои, и ячейки выделяют на проекции каждого слоя. В результате построений рудное тело делится на множество элементарных блоков — ячеек, имеющих форму прямоугольных параллелепипедов, в которых путем интерполяции данных по имеющимся разведочным выработкам определяют необходимые параметры оруденения [4 — 6].
В работе был использован метод обратных расстояний,основанный на учете расстояния ячейки от близлежащих разведочных выработок. Чем дальше находится разведочная выработка от ячейки, тем слабее ее влияние.
Оконтуривание рудных тел. В результате расчета композитов проб по содержанию с учетомкондицион-ныхданных рудное тело было оконтурено по профилям, включающим ПК 36 — 57. На рис. 1 представлен контур рудного тела по ПК-59.
№ пробы Скважина Рудный интервал Длина Ni,% Cu,% г/т РсГ г/т Au, г/т Промышленный тип Плотность руды, т/м3
от до
1 Р-077 0 2,8 2,8 3,65 3,14 1,01 5,40 0,16 Ср-Ро руда 4,20
2 Р-077 2,8 4,2 1,4 2,90 2,61 0,81 4,30 0,73 Ср-Ро руда 4,20
3 Р-077 4,2 6,1 1,9 3,12 2,72 0,81 4,30 0,73 Ср-Ро руда 4,20
4 Р-077 6,1 6,9 0,8 2,47 2,04 0,75 3,70 0,41 Ср-Ро руда 4,20
5 Р-077 6,9 8,4 1,5 4,40 3,24 1,24 6,50 1,22 Ср-Ро руда 4,20
6 Р-077 8,4 9,8 1,4 4,31 3,82 1,27 6,40 1,04 Ср-Ро руда 4,20
7 Р-077 9,8 12,3 2,5 4,31 3,69 1,27 6,40 1,04 Ср-Ро РУДа 4,20
8 Р-077 12,3 14 1,7 4,00 3,39 1,27 6,40 1,04 Ср-Ро РУДа 4,20
Таблица 1
База данных опробования керна скважины № Р-077
Table 1
Database core sampling wells No. R-077
Рис. 1. Контур залежи богатых Cu-Ni руд Fig. 1. Contour of a deposit rich in Cu-Ni ores
QP0Z.8
83S9
60
_{28C64.55, 32566.66, 1183.36)_BP - E
Рис. 2.Каркас залежи богатых Cu-Ni руд Fig. 2.Frame deposits of rich Cu-Ni ores
Геометризация месторождения (каркасное моделирование). Блочное моделирование. Каркасная модель была
построена для каждого выемочного блока (рис 2).
(28088.87, 32592.28, 1218.55) BP - Б
Рис. З.Блочная модель богатых Cu-Ni руд Fig. 3. Block model of rich Cu-Ni ores
Моделирование блочной модели состоит из нескольких стадий. Первая включает построение пустой блочной модели пластов и кодирование блочной модели каркасными моделями, вторая — интерполяцию содержаний в блочной модели (рис. 3).
Перед тем, как строить пустые блочные модели, определили минимальные и максимальные координаты границ каждого структурного домена (рудного тела или его частей, не нарушенных разрывными нарушениями).
Размер элементарного блока выбирался в зависимости от следующих параметров: густота разведочной сети; изменчивость содержаний; необходимая точность расчетов; горнотехнические требования отработки (минимальная горная мощность, внутреннее и внешнее разубоживание).
В целом размер элементарного блока приблизительно равен половине расстояния между скважинами буровой сети или немного меньше
ее. В нашем случае он составляет 5*15*10.
После того как выбран размер элементарного блока, а также заданы параметры блочной модели, создали пустую блочную модель (БМ). В качестве метода субблокирования использовались«субблоки». Для лучшего вписывания БМ в каркасную модель выбираем количество частей, на которые будет делиться материнский блок, если он оказывается на границе блочной модели. В этом случае 5*5*5, поэтому материнский блок будет предварительно делиться на 125 маленьких блоков, которые будут отсортированы по тому, попали или не попали центры субблоков в каркасную модель. Все блоки вне каркасной модели будут удалены, т.е. останется блочная модель в пределах каркасной [7—9].
Интерполяция данных осуществляется методом обратных расстояний с разными эллипсоидами поиска. В данном случае поиск осуществлялся
сферой и эллипсоидом. Параметры эллипсоида задавались исходя из параметров залегания рудной залежи. Направление первой оси эллипсоида совпадает с направлением простирания рудного тела, радиус первой оси эллипсоида принимается равным среднему расстоянию между разведочными выработками по простиранию (30 м). Направление второй оси эллипсоида совпадает с падением рудного тела, радиус второй оси эллипсоида принимается равнымлибо среднему расстоянию между разведочными выработками по падению (15 м), радиус третьей оси эллипсоида принимается равным среднему расстоянию по мощности рудного тела (10 м).
Данная модель может в дальнейшем применяться для подсчета запасов полезных компонентов на руднике «Таймырский».
Под термином «блочная модель» понимается пространство, заполненное ортогональными блоками (ячейками) заданного размера, которые содержат значения геологических данных в т.ч. содержания полезного ископаемого. Как правило, блочные модели строятся в пределах каркасных моделей.
Проанализированораспределениепо-лезных компонентов рудного тела №2 юго-восточного участкаТалнахского месторождения.База данных включает в себя результаты опробования 72 скважин в пределах рудного тела №2, пробуренных вертикально вверх и вниз. Из метража бурения с помощью фильтров в программе ИСЯОМШЕ выбраны только пробы, входящие в каркас рудного тела, т.е. в подсчет включены только пробы в контуре интрузива и данные опробования его экзоконтакта, включающего «медистые» и небольшие интервалы богатых руд.
Рядовые пробы исследовались на содержания М, Си, Со, S, Р^ Pd, Ад и Аи. Общее количество выделенных при документации скважин интервалов составляет 593 пробы. Наибольшее количество значимых результатов в пробах характеризует основные элементы рудного тела №2 М, Си, Со и S. Объемы рядового опробования рудного тела №2 представлены в табл. 2.
Данная задача решалась при помощи квантиль-квантиль графика. На таком графике показана связь между наблюдаемыми значениями переменных и теоретическими квантилями. Если наблюдаемые значения попадают
Таблица 2
Объемы рядового опробования рудного тела №2
Table 2
Volumes of ordinary testing of ore body No. 2
Показатель Ед. изм. Ni Cu Co S Pt* Pd* Rh* Ag* Au*
Количество проб со значимыми результатами шт. 564 564 538 530 465 465 445 14 465
Мин. содержание % (*г/т) 0,01 0.02 0,002 0,15 0,2 0,2 0,01 2,75 0,02
Макс. содержание % (*г/т) 4.5 7,84 0,21 36,88 10,2 27,6 2,5 4,1 4,7
Среднее содержание % (*г/т) 0.68 1.01 0,03 5,54 0,95 2,88 0,07 2,87 0,15
на прямую линию, то выбранное теоретическое распределение хорошо подходит к наблюдаемым данным. Характерные точки перегибов таких графиков обычно маркируют уровень ураганных содержаний.
На рис. 4 изображен график распределения меди. Анализ распределения меди показал, что характерно довольно стабильное распределение вплоть до 1,67 % Си, что составляет примерно 85 % от всех проб. Богатые руды составляют примерно 10 % от выборки. Около 4 % от выборки составляют весьма богатые руды, имеющие содержание от 3 до 5 %. Далее график «рассыпается», соответственно, данная величина может быть выбрана как порог ураганных содержаний [10-12].
Построив блочную модель с градацией содержаний меди, можно заме-
тить, что «медистые» руды, залегающие выше и ниже интрузива, являются богатыми рудами с содержанием до 3-х %. Вкрапленные в интрузиве руды среднего качества (рядовые) с содержанием меди — более 1 %. Весьма богатые руды наблюдаются непосредственно в зонах распространения сплошных сульфидных руд.
После анализа кривой распределения никеля, изображенной на рис. 5, становится видно, что значения в выборке разделились на три прямых. Это можно объяснить присутствием в выборке трех групп проб с различными параметрами распределения. Рядовые руды имеют содержание до 0,8 % Ж и составляют примерно 85 % от всех проб. Богатые руды составляют около 7 % от всех проб. Весьма богатые руды имеют содержания 1,5 — 4 % и составляют 8 % от всей выборки.
Quantile-Quantile Plot of CU Onp 15v*593e Distribution: Normal CU= 1.008+il.S16?*x 0.01 0.05 0.25 0.50 0.75 0.80 0.99
10
8 6
2
0
•2
•4-3-2-10 1 2 3 4
ITieoretioal Quantile
Рис. 4. Кривая распределения меди Fig. 4.Copperdistributioncurve
0.01
Кривая расгределения Ni Опр Jiv"593c Distribution: Norm3l N1 = -0.3202+2.0008"х 0.25 0.50 0.75
0.90
Рис. 5. Кривая распределения никеля Fig. 5. Nickeldistributioncurve
0.4 0.6 0.8
Theoretical Quantile
Рис. 6. 2D срез рудного тела №2 по линии 2—2' с градацией содержаний никеля Fig. 6. 2D section of ore body No. 2 along line 2—2 with gradation of nickel contents
Построив разрез рудного тела №2 по линии 2 — 2' с градацией содержаний никеля, который представлен на рис. 6, можно утверждать, что содержание никеля в промышленном типе вкрапленных руд не превышает 0,8 %. В контактово-измененных породах, которые относятся к промышленному типу «медистых» руд, содержание увеличивается до 1,5 %. Участки сплошных сульфидных являются весьма богатыми (выше 2 %).
При содержании никеля более 2 % измельченные руды поступают в плавку без обогащения. При более низких содержаниях они обогащаются методом флотации с получением никелевых концентратов, содержание никеля в которых достигает 12 %. Из этого следует, что без обогащения обходится только сорт богатых руд, а вкрапленные и «медистые» руды надо обогащать.
На рис. 7 изображена кривая распределения кобальта. Анализ данной кри-
вой показал, что значения в выборке распределились на три группы. Перва-ягруппадля исследования не важна, т.к. это нулевые значения в выборке в количестве 55 проб. Рядовые руды имеют содержание до 0,03 % Со.
С целью выявления ассоциаций элементов в пределах рудного тела №2 Талнахского месторождения выполнен факторный анализ, результаты которого представлены в табл. 3.
Распределение нагрузок первого фактора отражает распространение рудной ассоциации, включающей в себя М, Си, Со, S. Это фактор сульфидной минерализации. Во втором факторе отражена связь золота, платины и палладия, имеющих высокое положительное значение факторных нагрузок. Это фактор благородных металлов. Также с ними связана медь. В третьем факторе максимальный положительный вклад даёт серебро, которое больше не связано ни с одним из элементов [12 — 18].
Риc. 7.Кривая распределения кобальта Fig. 7.Cobaltdistributioncurve
Таблица 3
Матрица значений факторных нагрузок проб
Table 3
Matrix of factor loadings of samples
Главный фактор Фактор 1 Фактор 2 Фактор 3
Ni 0,944481* 0,21158 -0,0227
Cu 0,986976* 0,553744 -0,04943
Co 0,966273* 0,101805 -0,01354
Pt 0,153964 0,900988* 0,002125
Pd 0,314324 0,912633* -0,00777
Au -0,02228 0,950135* 0,085089
S 0,885101* 0,152865 -0,09441
Ag 0,025365 0,043722 0,988023*
Rh 0,682066 0,076499 0,144385
Примечание: * - главные значения факторов
Scatterplot of N1 against CU Onp 15v*593c N1 = 0.0768-10.6097"*
CU
Рис. 8. Значительная связь Ni и Cu
Fig. 8.Significant connection of Ni and Cu
Графически значительную связь Ni Рис. 10 наглядно иллюстрирует и Cu иллюстрирует рис. 8, очень тес- очень тесную взаимосвязь никеля и ную взаимосвязь Со и Ni представляет кобальта. Содержания выше среднего рис. 9. у того и другого элемента наблюдаются
Scatterplot of CO against N1 Onp 15v"593c CO = 0.0014+0.0388"*
0.20 0.1$ 0.16 0.14 0.12 0,10 0,08 0,06 0,04 0,02 0,00 •0,02
0 0 У /о
0 /1 у /
0 /0 « S" / "
<4 / 0 0 "V
( 0 «
? / qR/ Ф X7 0 / «
0 J&iS' >0 00
so»
Рис. 9. Очень тесная взаимосвязь Со и Ni Fig. 9.Very close relationship CoandNi
Puc. 10. 2D срез рудного тела №2по линии 3—3' с градацией содержаний никеля и кобальта Fig. 10. 2D section of ore body No. 2 along the line 3 — 3' with gradation of nickel and cobalt contents
в контактово-измененных породах, в зонах богатой сульфидной минерализации, а также на пикритовых и так-ситовых горизонтах интрузии, которые соответствуют типу вкрапленных руд. И никель, и кобальт в одинаковой степени распространены во всех промышленных типах руд рудного тела №2 Талнахского месторождения.
Заключение
На основании проделанной работы авторами усовершенствованы методы для
СПИСОК ЛИТЕРАТУРЫ
оценки перспективности участков медно-никелевых месторождений. Построена 2D модель рудного тела № 2 Юго-восточного участка Талнахского месторождения, а также проведен анализ распределения полезных компонентов в трех промышленных типах руд.Результаты опробования скважин предоставлены компанией ГМК «Норильский никель» рудник «Таймырский». Работы в программе М1СЯОМШЕ проводились в специальной лаборатории «Геологии и горного дела» ФБГОУ ВО «СКГМИ (ГТУ)».
1. Басаргин А.А. Создание цифровых моделей месторождений полезных ископаемых с применением современных технологий // Вестник СГГА. — 2014. — Вып. 1 (25). — С. 31 — 35
2. Геология и рудоносность Норильского района // О.А. Дюжиков, В.В. Дистлер, Б.М. Струнин и др.; Отв. ред. В.И. Казанский; АН СССР, Ин-т геологии руд. месторождений, петрографии, минералогии и геохимии. — М. : Наука, — 1988. — 277 с.
3. KLyuevR., BosikovI., GavrinaO., MadaevaM., SokoLovA. Improving the energy efficiency of technological equipment at mining enterprises // Advances in Intelligent Systems and Computing, 2021, VoL. 1258. pp. 262 — 271.
4. Гулан Е.А., Шаталов А.А. Разработка сульфидных руд в сложных горно-геологических условиях (на примере Талнахского рудного узла) вестник российского университета дружбы народов. Серия: Инженерные исследования. Российский университет дружбы народов. — 2009. — №3. — С. 37 — 45
5. Урумов В.А., Босиков И.И. 3D-модель и закономерности распределения полезных компонентов залежи Анненская 6II Жезказганского месторождения // Устойчивое развитие горных территорий. -2015. -№1. — С. 11 — 16.
6. Клюев Р.В., Босиков И.И., Майер А.В., Гаврина О.А. Комплексный анализ применения эффективных технологий для повышения устойчивого развития природно-технической системы // Устойчивое развитие горных территорий. -2020. — №2. — С. 283—290.
7. Лихачев А.П. Структура распределения и условия накопления металлов платиновой группы и других рудных компонентов в талнахскихинтрузиях // Платина России. — М.: Геоинформмарк. — 1999. — Т. IV. — С. 86 — 100.
8. Мирошникова Л.К. Геолого-геохимические критерии оценки площади коренных сульфидных руд сульфидных медно-никелевых руд / Л.К. Мирошникова //Горный информационно-аналитический бюллетень (научно-технический журнал). — 2013. — № 4. — С. 140 — 150
9. Басаргин А.А. Моделирование месторождений рудных полезных ископаемых с использованием геоинформационной системы MICROMINE. //Автоматизация горных работ c ГИС Micromine [Электронный ресурс]. СПб.: Недра. — 2002. — 424 с.
10. Поротов Г.С. Разведка и геолого-экономическая оценка месторождений полезных ископаемых: Учебник / Санкт-Петербургский государственный горный институт (технический университет). — СПб. — 2004. — 244 с.
11. Ломоносов Г.Г., Турыгина Н.А. Влияние вещественного состава руд на показатели переработки // Горный информационно-аналитический бюллетень. — 2010. — № 2. — С. 314 — 320.
12. Туртыгина Н.А. Перспективный метод прогнозирования и поиска сформировавшихся Норильских месторождений с целью управления качеством добытых руд. // Горный информационно-аналитический бюллетень М.: — 2016. — №2. — С. 313 — 319.
13. Осипов В.Л. Определение рудных интервалов при подсчете запасов в программе Micromine. // Горный журнал. — 2015. — № 4. — С. 82 — 87
14. Ершов В.В. Основы горнопромышленной геологии // М.: Недра, — 1988. — 326 с.
15. Тимкин Т.В. Основы горнопромышленной геологии. Учебное пособие. — Томск, ТПУ, — 2011. — 81 с.
16. Клюев Р.В., Босиков И.И., Егорова Е.В., Гаврина О.А. Оценка горно-геологических и горнотехнических условий карьера «Северный» с помощью математических моделей // Устойчивое развитие горных территорий. -2020. -№3. — С. 418—427.
17. Zuo L., Pei R., Wing H. Re-Os age report of pyrrhotite in the dhi samir amprophyre-type copper-nickel, sulfide deposit in Yemen // China Geology, 2019, Vol. 2, issue 2, pp. 238—239.
18. Liu X., He Y., Zhao Zh., Chen X. Study on removal of copper from nickelcopper mixed solution by membrane electrolysis // Hydrometallurgy, 2018, Vol. 180, pp. 153—157. ti^
REFERENCES
1. Basargin A.A. Creation of digital models of mineral deposits using modern technologies. Vestnik SGGA. 2014. Vyp. 1 (25). pp. 31-35 [In Russ]
2. Dyuzhikov O.A., Distler V.V., Strunin B.M. i dr. Geologiya i rudonosnost' Noril'skogo rajona [Geology and ore content of the Norilsk region]; AN SSSR, In-t geologii rud. mestorozhdenij, petrografii, mineralogii i geohimii. Moscow: Nauka, 1988. 277 p. [In Russ]
3. KlyuevR., BosikovI., GavrinaO., MadaevaM., SokolovA. Improving the energy efficiency of technological equipment at mining enterprises. Advances in Intelligent Systems and Computing, 2021, Vol. 1258. pp. 262 — 271.
4. Gulan E.A., Shatalov A.A. Exploration of sulphide minerals in difficult mountain-geological conditions (on the example of Talnakhskiysulphide unit). Vestnik rossijskogo uni-versiteta druzhby narodov. Seriya: Inzhenernye issledovaniya. Rossijskij universitet druzhby narodov. 2009. no. 3. pp. 37 — 45 [In Russ]
5. Urumov V.A., Bosikov I.I. Three-dimensional model and patterns of useful components distribution of the deposit Annenskaya 6II located in Zhezkazgan ore field. Sustainable Development of Mountain Territories. 2015. no. 1. pp. 11 — 16. [In Russ]
6. Klyuev R.V., Bosikov I.I., Majer A.V., Gavrina O.A. Comprehensive analysis of the effective technologies application to increase sustainable development of the natural-technical system. Sustainable Development of Mountain Territories. 2020. no.2. pp. 283—290. [In Russ]
7. Lihachev A.P. Distribution structure and accumulation conditions of platinum group metals and other ore components in Talnakh intrusions. Platina Rossii. Moscow: Geoinform-mark. 1999. T. IV. pp. 86-100. [In Russ]
8. Miroshnikova L.K. Geological and geochemical criteria for assessing the area of primary sulfide ores of sulfide copper-nickel ores. MIAB. Mining Inf. Anal. Bull. 2013. no. 4. pp. 140 — 150 [In Russ]
9. Basargin A.A. Modelirovanie mestorozhdenij rudnyh poleznyh iskopaemyh s ispol'zovaniem geoinformacionnoj sistemy MICROMINE. //Avtomatizaciya gornyh rabot c GIS Micromine [Modeling of ore mineral deposits using the geographic information system MICROMINE] [Elektronnyj resurs]. Saint-Petersburg: Nedra. 2002. 424 p. [In Russ]
10. Porotov G.S. Razvedka i geologo-ekonomicheskaya ocenka mestorozhdenij poleznyh iskopaemyh [Exploration and geological and economic evaluation of mineral deposits]: Uchebnik. Sankt-Peterburgskij gosudarstvennyj gornyj institut (tekhnicheskij universitet). Saint-Petersburg: 2004. 244 p. [In Russ]
11. Lomonosov G.G., Turygina N.A. Influence of the material composition of ores on processing indicators. MIAB. Mining Inf. Anal. Bull. 2010. no. 2. pp. 314-320. [In Russ]
12. Turtygina N.A. A promising method for forecasting and searching for the formed Norilsk deposits in order to control the quality of ore mined. MIAB. Mining Inf. Anal. Bull. Moscow: 2016. no. 2. pp. 313-319. [In Russ]
13. Osipov V.L. Determination of ore intervals when calculating reserves in the Micromine program. Gornyj zhurnal. 2015. no. 4. pp. 82-87 [In Russ]
14. Ershov V.V. Osnovy gornopromyshlennoj geologii [Fundamentals of mining geology]. Moscow: Nedra, 1988. 326 p. [In Russ]
15. Timkin T.V. Osnovy gornopromyshlennoj geologii [Fundamentals of mining geology]. Uchebnoe posobie. Tomsk, TPU, 2011. 81 p. [In Russ]
16. Klyuev R.V., Bosikov I.I., Egorova E.V., Gavrina O.A. Assessment of mining-geological and mining technical conditions of the Severny pit with the use of mathematical models. Sustainable Development of Mountain Territories. 2020. no. 3. pp. 418 — 427. [In Russ]
17. Zuo L., Pei R., Wang H. Re-Os age report of pyrrhotite in the dhi samir ampro-phyre-type copper-nickel sulfide deposit in Yemen. China Geology, 2019, Vol. 2, issue 2, pp. 238—239.
18. Liu X., He Y., Zhao Zh., Chen X. Study on removal of copper from nickelcopper mixed solution by membrane electrolysis. Hydrometallurgy, 2018, Vol. 180, pp. 153 — 157.
ИНФОРМАЦИЯ ОБ АВТОРАХ
Босиков Игорь Иванович1 — канд. техн. наук, доцент, доцент кафедры «Прикладная геология», igor.boss.777@mail.ru;
Выскребенец Александр Степанович1 — докт. техн. наук, профессор;
Цидаев Батраз Саламович1 — канд. техн. наук, первый проректор — проректор
по стратегическому развитию;
Белуков Сергей Владимирович2 — кандидат технических наук, декан факультета химической технологии и биотехнологии;
1 Северо-Кавказский горно-металлургический институт (государственный технологический университет);
2 Московский политехнический университет;
Для контактов: Босиков KK,e-mail: igor.boss.777@mail.ru.
INFORMATION ABOUT THE AUTHORS
Bosikov I.I.1, Cand. Sci. (Eng.), Assistant Professor, e-mail: igor.boss.777@mail.ru; Vyskrebenets A.S.1, Dr. Sci. (Eng.), Professor;
Tsidaev B.S.1,Cand. Sci. (Eng.), Assistant Professor, the first vice-rector — prorector for strategic development;
Belukov S.V.2, Cand. Sci. (Eng.), Professor, Dean of the Faculty of Chemical Technology and Biotechnology;
1 North Caucasian Institute of mining and metallurgy (State Technological University), 362021, Vladikavkaz, Russia;
2 Moscow Polytechnic University, 107023, Moscow, Russia. Corresponding author: I.I. Bosikov,e-mail: igor.boss.777@mail.ru.
Получена редакцией 26.05.2020; получена после рецензии 21.06.2020; принята к печати 10.10.2020. Received by the editors 26.05.2020; received after the review 21.06.2020; accepted for printing 10.10.2020.
