Une nouvelle approche combinant simulations multipoints et apprentissage machine en vue d'une meilleure définition des ressources pour les mines exploitées en fosse

加拿大IAMGOLD公司开发了一种新的采矿方式。根据规定，连续的薪金薪金和薪金薪金是典型的薪金薪金，可分为相当复杂的薪金薪金和薪金薪金、薪金薪金和薪金薪金、薪金薪金和薪金薪金。一种与资源估计有关的<s:1> <s:1> <s:1>数据交换器与注射器有关的<s:1>数据交换器与其他数据交换器。因此，les gassimologues de resources conisisles contrôlesgéologiques tel un lien直接de la minacrimes d'or avec de vesines de quartz lisames es fracture。lesmsamthodys的实际估算是指对资源的估算。目的：建立一种新的基于数据交换和数据交换的基于数据交换和数据交换的数据交换系统。提出了一种基于模数转换器的模数转换器的模数转换器，并结合了模数转换器的模数转换器。该方法允许多点复制模拟材料的纹理和结构，并通过多点图像识别。模拟结果显示，在不同的模拟条件下，不同的模拟条件下，不同的模拟条件下，不同的模拟条件下，不同的模拟条件下，不同的模拟条件下，不同的模拟条件下，不同的模拟条件下，不同的模拟条件下。这个方法是非常一些utiliseedans le葡萄园如矿坑的en雷森de l 'unicite des坐标偏角等la rarete des图像d 'entrainement可靠。舞蹈项目，les images d' entracement seront构建了<s:1> l'aide du tricres grand nombre de forages de productionbles和les niveaux dsamjo - exploitssames de la mine Rosebel。三种类型的codanalys和codanalys是相同的。不合格的薪金薪金是指不合格的薪金薪金，不合格的薪金薪金是指不合格的薪金薪金。趋势决定了未来的发展趋势，预测了未来的发展趋势，预测了未来的发展趋势和未来的发展趋势。拉西莫索德提出了一种可转换的、可利用的、可废弃的、可废弃的、可废弃的、可废弃的、可废弃的、可废弃的、可废弃的、可废弃的。不受限于的不受限于的不受限于的不受限于的不确定性；不受限于的不确定性；不受限于的不受限于的不确定性；不受限于的不受限于的不确定性；在预期的一段时间内，在资源有限的情况下，将其改为'où将其视为经济的，即将其视为经济的。

La compagnie canadienne IAMGOLD exploite des mines d'or en fosse. Dans les gisements d'or, la continuitéspatiale des teneurs est typiquement très faible ce qui complique énormément la prédiction des ressources etnuit à une bonne planification à moyen terme des opérations. Une façon d'améliorer l'estimation des ressourcesest d'injecter plus de géologie dans les modèles. En effet, les géologues de ressources connaissent les contrôlesgéologiques tel un lien direct de la minéralisation d'or avec des veines de quartz liées à des fractures. Lesméthodes actuelles d'estimation des ressources négligent cette information cruciale. L'objectif de ce projet estdonc de développer une nouvelle méthodologie pour incorporer pleinement cette information géologique.La méthodologie proposée se base sur la méthode de simulation multipoints par morceaux combinée à desméthodes d'apprentissage machine. La méthode multipoints permet de reproduire par simulation des textures etstructures identifiées sur une ou plusieurs images d'entraînement. Ces simulations sont compatibles avec lesdonnées observées et respectent des tendances spatiales identifiées à priori. Cette méthode est très peu utiliséedans le domaine minier en raison de l'unicité des gisements et la rareté des images d'entraînement fiables. Dansce projet, les images d'entraînement seront construites à l'aide du très grand nombre de forages de productiondisponibles sur les niveaux déjà exploités de la mine Rosebel. Les teneurs en or seront codées en catégories.Les données conditionnantes seront les données de forage au diamant et à circulation inversée disponibles surles niveaux futurs. Les tendances sur les niveaux futurs d'exploitation seront estimées par apprentissagemachine identifiant la relation entre niveaux successifs.La méthode proposée est transposable à toute exploitation en fosse où les données des niveaux déjà exploitéssont disponibles. Un bénéfice non-négligeable est l'obtention de scénarios compatibles avec les informationsdisponibles permettant de quantifier l'incertitude et d'identifier les zones nécessitant des forages additionnels.On anticipe une bien meilleure modélisation des ressources à moyen terme, d'où bénéfices économiques.