Kakinställningar
Geologi Och Resurser

Mineralstatistisk Analys

Förbättra din klassificering av mineralresurser och selektivitetskvantifiering av gruvdrift med hjälp av våra globala geostatistiska experter
Ladda ner broschyrer

Stor erfarenhet och djupgående förståelse av statistik och geostatistik gör det möjligt för oss att exakt beskriva och klassificera mineraltillgångar och kvantifiera selektivitet för gruvdrift.

Våra tekniska experter har arbetat runt om i världen med en mängd olika typer av mineralfyndigheter och råvaror för vilka de har genomfört och övervakat komplexa geostatistiska utvärderingar. Vi bygger långvariga relationer med små och stora kunder och har hjälpt många projekt framåt från gräsrotsprospektering till produktion. Våra team har många kompetenta och kvalificerade personer.

 

Våra statistiska och geostatistiska tjänster omfattar

  • Analys av kompositlängd
  • Geologisk och statistisk domänbedömning
  • Statistisk analys (uni-, bi-eller multivariat)
  • Spatial analys och declustering
  • Multivariantkorrelation, ömsesidigt beroende och regressionsanalys
  • Variografiska analyser (enkel, parvis och Gauss-ändringar)
  • Utveckling av 2D-och 3D-miljöer för statistisk och geostatistisk analys
  • Outlier- och top-cut-analyser

Kontakta oss

Relaterade projekt

VISA ALLA
Uppdatering av mineraltillgångar för Longonjo REE-projektet

Uppdatering av mineraltillgångar för Longonjo REE-projektet

Uppdatering av mineraltillgångar för Longonjo REE-projektet

Longonjo REE Projektet
Angola
SRK Consulting har fått i uppdrag av Pensana Metals att uppdatera modellen och uppskattningarna av mineraltillgångar för Longonjo neodym-praseodym-projektet i Huambo-provinsen i Angola.
Machine Learning in Prospectivity Analysis

Machine Learning in Prospectivity Analysis

Machine Learning in Prospectivity Analysis

Pilotstudie för maskininlärning
Regionen Antofagasta, norra Chile
På uppdrag av BHP har SRK Consulting och DeepIQ samarbetat i ett initiativ för att skräddarsy ett kombinerat tillvägagångssätt för att förbättra modellering av sannolika fyndigheter. Genom att kombinera avancerad databehandling, kunskapssammanställning, geologisk tolkning och maskininlärning (ML) undersökte teamet flera tillvägagångssätt för att stödja upptäckten av stora porfyr-kopparfyndigheter i en väl utforskad region i norra chilenska Anderna.