Search-oriented technique of the numerical forecasting of the gold placers: evidence from the Vagran placer district

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

As a result of field research, as well as analysis of data from stock reports, two types of placer gold were identified within the Vagran placer cluster of the Northern Urals, which are indicators of primary mineralization of gold-sulfide-quartz and hypogene-hypergene types, which were used as benchmarks for developing a digital system for predicting parameters and localizing primary sources of placer gold. In the present work the typomorphic characteristics of placer gold (size, roundness, sorting and fineness, as well as the content of impurity elements) are formalized (in the form of a quantitative assessment). These data were processed using the methods of multiplicative indicators, linear regression method and a regression tree method using a random forest algorithm, which make it possible to forecast the composition and localization of the primary mineralization with greater confidence and stability than ordinary parameters separately. The data required for such an assessment do not require additional field and highly qualified laboratory studies, they are contained in standard reports on the heavy minerals testing. The study of the correlation matrix allowed to identify characteristic indicators for the primary mineralization of gold-sulfide-quartz and hypoge- nic-hypergenic types, and to give recommendations for conducting prospecting and exploration in order to identify the primary gold content of the cluster. All three methods used gave consistent results that make it possible to predict the parameters of primary gold content, while the method of calculating multiplicative coefficients gives a more contrasting, pronounced result, seems to be the simplest and most generalized, suitable for any set of consistent data, while other methods require a more in-depth analysis incoming parameters. The proposed method of creating forecast estimates allows to increase efficiency and partially automate the process of determining the prospects for primary mineralization of territories.

About the authors

R. M. Chefranov

Institute of Geology of Ore Deposits, Petrography, Mineralogy and Geochemistry RAS

Email: roman_chefr@bk.ru
Staromonetny lane, 35, Moscow, 119017 Russia

A. V. Lalomov

Institute of Geology of Ore Deposits, Petrography, Mineralogy and Geochemistry RAS

Email: lalomov@mail.ru
Staromonetny lane, 35, Moscow, 119017 Russia

A. A. Bochneva

Institute of Geology of Ore Deposits, Petrography, Mineralogy and Geochemistry RAS

Email: bochneva@mail.ru
Staromonetny lane, 35, Moscow, 119017 Russia

References

  1. Баранников А.Г. Мезозойские золотоносные россыпи Урала // Отечественная геология. 2009. № 2. С. 22–33.
  2. Баранников А.Г., Азовскова О.Б. Золотоносные объекты гипогенно-гипергенного типа на Урале. Конвергентность признаков их отличия от рудоносных кор выветривания // Известия Уральского государственного горного университета. 2017. № 2(46). С. 13–22.
  3. Бенсман В.Р. Поисковая геохимия в республике Беларусь // Природные ресурсы. 1999. № 4. С. 124–137.
  4. Бортников Н.С., Волков А.В., Галямов А.Л., Викентьев И.В., Аристов В.В., Лаломов А.В., Мурашов К.Ю. Минеральные ресурсы высокотехнологичных металлов в России // Геология рудных месторождений. 2016. Т. 58. № 2. С. 97–119.
  5. Викентьев И.В., Мансуров Р.Х., Иванова Ю.Н., Тюковa Е.Э., Соболев И.Д., Абрамова В.Д., Выхристенко Р.И., Хубанов В.Б., Трофимов А.П., Грознова Е.О., Двуреченская С.С., Кряжев С.Г. Золото-порфировое Петропавловское месторождение (Полярный Урал): геологическая позиция, минералогия и условия образования // Геология рудных месторождений. 2017. Т. 59. № 6. С. 501–541.
  6. Ворошилов В.Г. Геохимические методы поисков месторождений полезных ископаемых: учебное пособие. Томск: Изд-во Томского политехнического университета, 2011. 104 с.
  7. Григорян С.П., Соловов А.П., Кузин М.Ф. Инструкция по геохимическим методам поисков рудных месторождений. М.: Недра, 1983. 191 с.
  8. Грязнов О.Н., Баранников А.Г., Савельева К.П. Нетрадиционные типы золото-аргиллизитового оруденения в мезозойских структурах Урала // Известия Уральского государственного горного университета. 2007. № 22. С. 41–53.
  9. Кобзарь А.И. Прикладная математическая статистика. М.: Физматлит, 2006. 816 с.
  10. Лаломов А.В., Бочнева А.А., Чефранов Р.М. Разработка цифровой системы прогнозирования коренных источников золота по результатам шлихового опробования на примере Вагранского россыпного узла (Северный Урал) // Георесурсы. 2020а. Т. 22. № 2. С. 67–76.
  11. Лаломов А.В., Наумов В.А., Григорьева А.В., Магазина Л.О. Эволюция Вагранского золотоносного россыпного узла (Северный Урал) и перспективы выявления коренной минерализации // Геология рудных месторождений. 2020б. Т. 62. № 5. С. 450–461. https://doi.org/10.31857/S0016777020050044
  12. Лежепеков М.А. Золотоносные рудно-россыпные узлы южной части Сурьинско-Промысловской минерагенической зоны / Автореф. дисс. … канд. геол.-мин. наук. Екатеринбург: УГГУ, 2006. 25 с.
  13. Логвиненко Н.В., Сергеева Э.И. Методы определения осадочных пород. Л.: Недра, 1986. 240 с.
  14. Петров Г.А. Прогнозирование благороднометалльного оруденения в допалеозойских черносланцевых толщах центральной части Уральского подвижного пояса // Литосфера. 2014. № 6. C. 88–101.
  15. Петров Г.А., Александров В.В., Зубков А.И., Маслов А.В., Ронкин Ю.Л. К проблеме рудоносности черных сланцев Вишерско-Кутимского антиклинория (Северный Урал) // Вестник Пермского университета. Геология. 2015. № 4. C. 32–42.
  16. Плотинская О.Ю., Грознова Е.О., Коваленкер В.А., Новоселов К.А., Зелтманн Р. Минералогия и условия образования руд Березняковского рудного поля (Южный Урал, Россия) // Геология рудных месторождений. 2009. Т. 51. № 5. С. 414–443.
  17. Поленов Ю.А., Огородников В.Н., Бабенко В.В. Березовское месторождение золота – уникальный объект полихронного и полигенного рудообразования. Екатеринбург: Изд-во УГГУ, 2015. 150 с.
  18. Романовский С.И. Физическая седиментология. Л.: Недра, 1988. 240 с.
  19. Сазонов В.Н., Великанов А.Я. Ашкинская благороднометалльная зона (Cредний и Cеверный Урал): геологическая позиция, особенности строения, состав рудных тел и сопряженных метасоматитов, практическая значимоcть // Литосфера. 2010. № 4. С. 116–127.
  20. Сазонов В.Н., Огородников В.Н., Коротеев В.А., Поленов Ю.А. Месторождения золота Урала. Екатеринбург: ИГиГ УрО РАН, 2001. 622 с.
  21. Филиппов В.А., Рябинин В.Ф., Сысоева З.З. Гагарское золоторудное месторождение на Среднем Урале, Россия // Геология рудных месторождений. 2013. Т. 55. № 1. С. 33–47.
  22. Чефранов Р.М., Лаломов А.В., Чефранова А.В. Поисково-ориентированная методика численного прогнозирования редкометалльных россыпей ближнего сноса на примере Ловозерского россыпного района // Геология рудных месторождений. 2023. Т. 65. № 2. С. 138–151.
  23. Чефранов Р.М., Лаломов А.В. Поисково-ориентированная методика численного прогнозирования редкометалльно-титановых россыпей на примере Умытьинской россыпи (Ханты-Мансийский автономный округ) // Труды Ферсмановской научной сессии ГИ КНЦ РАН. 2024. № 21. С. 244–250.
  24. Шуб В.С., Баранников А.Г., Шуб И.З. и др. Золото Урала. Россыпные месторождения (к 250-летию золотой промышленности Урала). Екатеринбург: УИФ “Наука”, 1993. 135 с.
  25. Breiman L. Random Forests // Machine Learning. 2001. V. 45. P. 5–32.
  26. Breiman L., Friedman J.H., Olshen R.A., Stone C.J. Classification and regression trees. Monterey, CA: Wadsworth & Brooks/Cole Advanced Books & Software, 1984. P. 358.
  27. Lalomov A.V., Chefranov R.M., Naumov V.A., Naumova O.B., LeBarge W., Dilly R.A. Typomorphic features of placer gold of Vagran cluster (the Northern Urals) and search indicators for primary bedrock gold deposits // Ore Geology Reviews. 2017. № 85. P. 321–335.
  28. Trask P.D. Origin and environment of source sediment of petroleum. Houston, 1932. 281 p.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Copyright (c) 2025 Russian Academy of Sciences

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».