نمایشگر دسته ای مطالب نمایشگر دسته ای مطالب

بازگشت به صفحه کامل

آزمایشگاه شبیه سازی و پردازش داده

 

در راستای افزایش ارتباط بین صنعت و دانشگاه و کاربردی کردن و جهت دهی طرح های پژوهشی بسته به نیاز معدن کشور آزمایشگاه شبیه­سازی و پردازش داده در دانشکده مهندسی معدن دانشکده فنی در دانشگاه تهران تاسیس شده است.

این آزمایشگاه برای پیشبرد و توسعه کاربرد زمین­آمار در ارزیابی ذخایر معدنی، ژئومتالورژی، شبیه­سازی کانسار و رخساره­های زمین شناسی، داده­های ژئوفیزیک و مخزن و تکنیک­های پیش­بینی عملکرد مخزن آغار به کار کرده است. کاربرد زمین­آمار در حوزه­های یاد شده به خوبی توسط محققین در این بخش شناخته شده­است و لذا این آزمایشگاه برای ارتقاء عملکرد خود و تعامل بیشتر با آزمایشگاه­ها و پژوهشکده­های مرتبط به طور گسترده­ای آماده همکاری با شرکت های معدنی و موسسات تحقیقاتی مرتبط می­باشد.

از زمینه­های پژوهشی آزمایشگاه به موارد زیر می­توان اشاره کرد.

•     ارزیابی زمین آماری ذخایر معدنی            

•     توسعه و بکارگیری روشهای زمین آماری در نفت، محیط زیست، مکانیک سنگ و ...

•     مدلسازی ژئومتالورژیکی

•     نمونه­برداری معدنی و طراحی بهینه شبکه حفاری

•     مدل­سازی واحدهای زمین­شناسی (نفت و معدن)

•     شبیه سازی و ارزیابی ریسک در طراحی و بهره برداری معادن

 

 

v    زمینه ­های پژوهشی

زمینه های پژوهشی و تحقیقاتی آزمایشگاه شبیه سازی و پردازش داده ها به قرار زیر می باشند:

·        ارزیابی زمین آماری  ذخایر معدنی

·       ژئومتالورژی

ژئومتالورژی مربوط به اجرای ترکیب زمین‌شناسی، زمین‌آمار با متالورژی یا بطور دقیق‌تر متالورژی استخراجی، به منظور ایجاد یک مدل پیش‌بینی فضایی یا زمین‌شناسی برای کارخانه فرآوری مواد معدنی است. مشکلات زیادی وجود دارد که می‌تواند در طی عملیات معدن‌کاری رخ دهد اما مطمئناً تغییرپذیری (تنوع) کانسنگ و عدم درک صحیح آن از بزرگترین مشکلات است که باعث می‌شود به انتظارات موردنظر در فرآیند تولید دست نیافت. ذخایر معدنی در طبیعت ناهمگن هستند و تغییرپذیری در ویژگی‌های زمین‌شناسی و کانی‌شناسی اغلب شدید است. این مسأله می‌تواند منجر به واریانس شدید پاسخ سنگ به عملیات استخراج و بخصوص فرآیند فرآوری موادمعدنی شود. یک رویکرد یا روش ژئومتالورژی به تعیین کمی تمام تغییرپذیری قابل توجه و سپس توسعه برنامه‌ای برای مقابله با آن کمک می‌کند.

 

کاربرد ژئومتالورژی

چهار حوضه کلیدی متأثر از ژئومتالورژی که تا به حال شناخته شده است عبارت است از :

·        طراحی مراحل فرآوری کانسنگ و فلوشیت فرآوری

·        بهینه سازی اندازه تجهیزات کارخانه با توجه به محدودیت­های سنگ معدن و هزینه­های عملیاتی

·        پیش بینی و بهینه سازی عملکرد معدن و کارخانه فرآوری

·        کاهش ریسک در مراحل امکان سنجی، تولید و بهره­برداری

 

 

کانسارهایی که مدل­سازی ژئومتالورژی در  آنها ضرورت دارد:

از جمله پروژه­هایی که مدل­سازی ژئومتالورژی در آنها بسیار مفید بوده و ضرورت دارد عبارت از از:

1.      کانسارهایی که تغییرپذیری بالا دارند و یا زون بندی شدید دارند.

2.      کانسارهای عمیقی که نمونه گیری بالک از آنها مشکل و در عوض مغزه گیری از آنها آسان است.

3.      کانسارهایی که به روش­های پیچیده و جدید فرآوری مواد معدنی دارند.

4.      پروژه­های اکتشافی به منظور گسترش و توسعه کانسار و معدن به منظور بهره­برداری از ذخایر عمیق و مجاور.

5.      بررسی مجدد پروژه­ها ومعادن غیر فعالی که میزان قابل توجهی از مغزه­های حفاری شده از آنها در دسترس است با توجه به شرایط اقتصادی جدید.

·        زمین آمار

واژه آمار فضایی[1] برای توصیف روشهای به کار می­رود که به بررسی رفتار متغیرهایی در ارتباط با فضا می­پردازند. زمین­آمار هم در واقع بخشی از آمار فضایی به حساب می­آید .کرسی 1993 زمین آمار را به عنوان یکی از سه بخش تحلیل داده های فضایی بیان می کند و آنرا در کنار روش­های آنالیز الگوی نقطه­ای[2] ( تمرکز بر روی الگوی نقاط) و آمار شبکه­ای[3] (الگوی پلی­گونی) قرار می دهد.

زمین­آمار علمی است که به پیش­بینی عددی متغیرهای طبیعی در فضا یا زمان-فضا کمک می­کند. برای مثال می توان به متغیرهای زیر اشاره کرد.

•     عیار ماده معدنی

•     عمق یا ضخامت یک لایه زمین شناسی

•     تخلخل یا نفوذپذیری یک محیط متخلخل

•     تراکم یا پراکندگی درختان در یک جنگل

•     خواص خاک یک منطقه

•      خواص ژئومکانیکی سنگ مانند مقاومت، الاستیسیته، تخلخل و ...

برای اطلاع از وضعیت این متغیرها یا باید اطلاعات همه محیط را استخراج کرد و یا از محیط نمونه برداری نمود که در این صورت تنها اطلاعات بخش کوچکی از محیط برای ما روشن می­شود و برای اطلاع از دیگر بخش­ها یا باید تعداد نمونه­ها را بیشتر کنیم و یا با روش­هایی مقدار متغیر مورد نظر را در آن موقعیت­ها بدست بیاوریم. از آنجا که بالابردن تعداد نمونه­ها به دلایل مختلفی مانند زمان و هزینه برای ما چندان خوشایند نیست؛ بنابراین به دنبال روش یا روش­هایی هستیم که بتوانیم مقدار متغیر را به طور غیر مستقیم و با صرف هزینه و زمان کمتری بدست بیاوریم. گرچه با این کار ممکن است مقداری خطا در محاسبات ما وارد شود اما اگر مقدار خطا در حد معقول باشد قابل چشم­پوشی است.

یکی از مهمترین شرایط خاص در علوم زمین نسبت حجم نمونه­ها به حجم محیط تخمین است، به عبارتی مقدار اطلاعاتی که ما از محیط داریم نسبت به اطلاعاتی که می­خواهیم آنها را بدست بیاوریم بسیار کم است برای مثال در یک پروژه که برای بررسی شکستگی­های یک مخزن نفتی انجام شده است حجم نمونه­هایی که از نمونه برداری­های مختلف بدست آمده نسبت به کل حجم مخزن به شرح زیر بوده است:

نمونه­های مغزه: 1*10e-9

نمونه­های خرده حفاری: 7*10e-9

نمونه­های چاه­پیمایی: 1*10e-6

با وجود چنین شرایطی ابزار مورد استفاده در این موارد باید بسیار دقیق و در عین حال کارآمد و قابل انعطاف باشد و همچنین باید پذیرفت که پیش­بینی و اظهار نظر در مورد این متغیرها همواره با درجه­ای از عدم­ قطعیت[4] همراه خواهد بود. زمین­آمار را می­توان کاربرد روش­های مبتنی بر آمار در مورد متغیرهای ناحیه­ای[5] تعریف کرد، که می­تواند به بررسی این عدم قطعیت­ها در محیط بپردازد. تاریخچه کاربرد این روشها را می توان در کارهای ماترون[6]، گاندین[7] (هواشناسی)، ماترن[8]( جنگل­بانی)، کریج[9] و ویج[10] (معدن) و ... پیدا کرد.

مسائل و کاربردهای زمین آمار

مسائلی که در زمین­آمار به آن پرداخته می شود بسیار متنوع و وابسته به تخصص کاربر است برای مثال تعیین عیار در کانسنگ، تفکیک رخساره­های زمین شناسی، تعیین تراکم درختان در جنگل، تخمین شکستگی­های یک مخزن نفتی، تخمین ارتفاع برای رسم نقشه­های هم تراز، شبیه­سازی مسیر رودخانه­ها، تعیین محل بهینه برای احداث کارخانه و سد و ...  همه و همه در حوزه تخصص علم زمین­آمار می توانند بررسی شوند.

بر اساس تحقیقات فهرستی[11]  که توسط زهو[12] و همکاران 2007 و هنگل[13] و همکاران 2009 صورت گرفته است ده کاربرد عمده زمین آمار به طور کلی به این صورت بیان شده است: (1) علوم زمین، (2)منابع آب، (3) محیط زیست، (4)کشاورزی و علوم خاک، (5)ریاضیات، (6)آمار، (7)اکولوژی، (8)مهندسی عمران، (9)مهندسی نفت و (10) هواشناسی.

کریاکدیس[14] و همکاران 1999 و هنگل و همکاران 2008 اظهار کرده­اند که زمین­آمار تنها به بررسی داده­های نقطه­ای نمی­پردازد و به سمت داده­های GIS (داده­های شیئ مبنا) در حال گسترش است ( کاربردهایی مثل کمی کردن نویزها در کل تصویر یا استفاده در فیلترینگ­ها). در معدن کاربرد زمین آمار گسترده­تر است، متخصصین معدن می­توانند برای هر یک از کاربردهای زیر از زمین­آمار استفاده کنند.

تخمین کلی عیار

در این باره از زمین­آمار برای تعیین تناژ کلی ماده معدنی برجا استفاده می­شود. استفاده از زمین­آمار به دلیل دقت مناسب و امکان برآورد دقیق خطا در آن نسبت به روش­های دیگر توصیه می­شود که با کمک آن می توان تخمین نسبتا خوبی از کل تناژ، عیار میانگین، عیار هر بلوک و دیگر پارامترهای ذخیره بدست آورد

 

خطای تخمین

 در اکثر روش­های زمین­آماری این امکان وجود دارد که در هر بلوک علاوه بر بدست آوردن مقدار تخمینی واریانس یا همان خطای تخمین هم محاسبه شود و در واقع برای مقدار متغییر در هر موقعیت یک توزیع نرمال با میانگین مقدار تخمینی و واریانس برابر واریانس تخمین آن نقطه بدست می آید.

 

 

تعیین فاصله بهینه نمونه­برداری (حفاری­ها)

از آنجا که واریانس تخمین به مدل واریوگرام و همچنین فاصله نمونه­ها از هم بستگی دارد و نه مقدار متغییر در نقاط نمونه برداری با استفاده از زمین آمار به راحتی می­توان ابعاد شبکه نمونه­برداری را با توجه به خطای بهینه بدست آورد و شبکه را طراحی کرد.

تخمین ذخیره یک بلوک

گاهی لازم است علاوه بر تخمین کلی عیار و ذخیره کلی کانسار به صورت بلوک به بلوک (این بلوک­ها می توانند بلوک­های استخراجی و یا بلوکهای مربوط به یک شیفت کاری باشند) هم تخمین صورت گیرد که در زمین آمار این امکان وجود دارد. علاوه بر این با زمین آمار امکان تخمین متغیرهای کیفی[15] را هم فراهم می­کند؛ متغیرهایی مانند خاکستر و گوگرد در زغال و سیلیس و فسفر برای آهن .

نقشه­های هم مقدار[16]

امروزه به دلیل دقت بالای روش­های زمین آماری نسبت به دیگر روشهای تخمین و درونیابی در تخمین ارتفاع برای رسم نقشه های توپوگرافی از روش­های زمین آماری استفاده می کنند. با این روش ابتدا ارتفاع نقاط را در یک شبکه منظم بدست آورده و سپس اقدام به تعریف خطوط هم مقدار با توجه به آنها می کنند.

 

 

 

 

شبیه­سازی یک کانسار برای پیشنهاد برنامه­ تولید

به دلیل اثر نرم­شدگی[17] در نتایج کریجینگ استفاده از نتایج این تخمینگر برای تهیه برنامه معدن با خطا همراه خواهد بود ( مقادیر بالا و پایین به خوبی بازتولید نمی شوند) لذا برای این کار باید از نتایج شبیه­سازی استفاده کرد که به دلیل نرم­شدگی کمتر انتظار می­رود به واقعیت نزدیکتر باشند.

 

 

تخمین متغیرهای شاخص

گاهی متغیرهایی که با آنها مواجه­ایم خاصیت گسسته دارند مثل وجود یک واحد سنگی، در این موارد مایل به تصمیم­گیری درباره وجود یا عدم وجود این واحد سنگی در موقعیت­های مختلف هستیم و یا اینکه توزیع پیوسته یک متغیر را به وسیله عیار حد خاصی به دو دسته ماده معدنی و باطله تقسیم کرده­ایم و میخواهیم برای هر نقطه فقط مشخص کنیم که در کدام دسته قرار می­گیرد. در این موارد و موارد مشابه با یک تابع شاخص مواجه هستیم که تابعی غیرخطی از متغیر مورد نظر است.کریجینگ انفصالی[18] تکنیکی است غیر خطی بر اساس مدلسازی دقیق توزیع­های تک متغیره که با دقت خوبی قادر به تحلیل این مسائل می باشد.

·        نمونه­برداری معدنی

نمونه برداری یکی از مهمترین پارامترهای تعیین کننده دقت و صحت آزمایشات انجام گرفته در آزمایشگاه می باشد.نمونه ارسالی به آزمایشگاه بایستی براساس روشهای استاندارد برداشت شده تا نماینده واقعی نمونه ها از محدود نمونه برداری شده باشد.این موضوع در مورد نمونه های گوناگون اعم از آب،خاک،گیاه، و غیره صدق می­کند.همچنین نمونه ها باید در کوتاهترین زمان ممکن و در شرایط مناسب به آزمایشگاه منتقل شوند.افزون بر این نمونه های برداشت شده بایستی توسط کارشناس آموزش دیده ومجرب برداشت گردد تا موارد گفته شده مد نظر قرار گیرد.

هر نمونه برداری به روش ویژه خود می باشد.نمونه برداری از بستر رودخانه،بستر دریا،آب دریا،نمونه برداری خاک،گیاه،مواد معدنی،نمونه برداری هوای محیط و غیره هر کدام با روش ویژه خود بایستی انجام گیرد و سپس به آزمایشگاه منتقل شود.

یکی از مراحل مهم در اکتشاف مواد معدنی نمونه برداری است که در دو مرحله Orientation Study و Geochemical Survey  انجام می شود و شامل نمونه برداری از رسوب آبراهه‌ای، نمونه برداری از خاک و Calich ، نمونه برداری از سنگ(ore)  و نیز ورنی بیابان(Varnish)  و نمونه برداری آلوویا(کانی سنگین) می باشد.

·        مدل­سازی واحدهای زمین شناسی

شبیه سازی زمین آماری متغیرهای تصادفی گسسته و پیوسته برای مشخص کردن ساختارهای زمین شناسی، رخساره های سنگی در ماده معدنی، ساختمان لایه های رسوبی، مناطق آبدار آبخوان ها و ... به کار برده شده است. این روشها به طور کلی در دو دسته شی مبنا و نقطه مبنا ظبقه بندی می شوند. برای شبیه سازی متغیر های گسسته روش شبیه سازی متوالی شاخص به علت سادگی و انعطاف پذیری روش محبوبی است اما به دلیل محدودیت این روش در حفظ پیوستگی ساختارهای موجود که در برخی موارد با واقعیت های زمین شناسی همخوانی ندارد کمتر مورد استفاده قرار می گیرد. دو روش پلوری گوسین[19] و شبیه سازی انفصالی به دلیل در نظر گرفتن وقایع زمین شناسی در این گونه موارد جواب بهتری به دست می دهند. برخی خصوصیات این روش عبارتند از:

 

•     تعداد ساختارهای شبیه سازی محدودیت ندارد

•     تعداد میدان تصادفی های منفصل محدودیتی ندارد

•     اندازه ناحیه شبیه سازی محدودیت ندارد

•     اغلب واریوگرام های معمول را پشتیبانی می کند

می توان از داده های نرم زمین شناسی در بهینه کردن مدل شبیه سازی شده استفاده کرد

 

 

 

 

 

 

 

v    انتشارات

·        کتاب‌های ترجمه شده

زمین آمار و زمین شناسی نفت (1391)، ترجمه امید اصغری- احسان نصرت، انتشارات پژوهشگاه صنعت نغت،223 صفحه

مقالات چاپ شده در نشریات داخلی

  • علی اکبر بیات ، امید اصغری، استفاده از زمین¬آمار چند نقط های در مدلسازی سه بعدی شکستگی¬ها در مخازن کربناته، اکتشاف و تولید نفت و گاز- شرکت ملی نفت ایران، 1391، 91، 91
  • حسن طالبی، امید اصغری، تخمین عیار به روش فازی اصلاح شده مطالعه موردی: کانسار طلای دره اشکی اصفهان، مهندسی معدن، 1392، 8، 20

میثم سلیمی دلشاد، عزت اله کاظم زاده، امید اصغری، اصغر نادری، مدلسازی سه بعدی تخلخل مخزن با استفاده از شبیه سازی توام در یکی از مخازن کربناته جنوب غرب ایران، پژوهش نفت، 1392، 57، 76

همایش‌های بین المللی

·         میثم سلیمی دلشاد، امید اصغری، اصغر نادری، اولین کنفرانس بین المللی نفت، گاز، پتروشیمی و نیروگاهی، سخنران، مقاله کامل، تخمین تخلخل با استفاده از کوکریجینگ هم مختصات ذاتی در یکی از مخازن کربناته جنوب غرب ایران، 1391/04/26، 1391/04/29

·         شیما سلیمانی، امید اصغری، محمدکاظم حفیظی ، اولین کنفرانس بین المللی معدن، فرآوری مواد معدنی، متالورژی و محیط زیست، سخنران، مقاله کامل، مدلسازی نفوذ آب شور در داخل آبخوان با استفاده از روش مقاومت ویژه وبکارگیری شبیه سازی گوسی متوالی، 1392/06/25، 1392/06/28

·         محمد دوست محمدی، احمد جعفری ، امید اصغری، اولین کنفرانس بین المللی معدن، فرآوری مواد معدنی، متالورژی و محیط زیست، سخنران، مقاله کامل، تخمین امتیاز شرایط آب زیرزمینی در سیستم طبقه بندی RMR با استفاده از منطق فازی (مطالعه موردی تونل انتقال آب بهشت آباد)، 1392/06/25، 1392/06/28

·         فاطمه سلطانی، پیمان افضل، امید اصغری، اولین کنفرانس بین المللی معدن، فرآوری مواد معدنی، متالورژی و محیط زیست، سخنران، مقاله کامل، تفکیک زونهای عیاری بر اساس نتایج شبیه سازی زمین آماری و مدل مولتی فرکتالی عیار-حجم (مطالعه موردی: کانسار مس سونگون)، 1392/06/25، 1392/06/28

همایش‌های داخلی

·         Hassan Rezaee, Omid Asghari , The first national copper congress, announcer, complete article, Structural Analysis of Sungun Porphyry Copper Dike System, 2011/05/17, 2011/05/20

·         محسن پیری ، امید اصغری، بیست و نهمین گردهمایی علوم زمین بهمن 1389، مقاله کامل، مطالعات آنالیز ساختاری با هدف تخمین ذخیره کانسار سرب و روی مهدی آباد یزد، 1389/11/26، 1389/11/27

·         فرزانه خرم ، امید اصغری، اولین همایش ملی مس، مقاله کامل، مقایسه روشهای کریجینگ و کوکریجینگ و شبکه عصبی در برآورد مقاومت ویژه الکتریکی، 1390/02/27، 1390/02/30

·         محمد ملکی طهرانی ، امید اصغری، خاویر امری ، اولین کنگره جهانی مس، مقاله کامل، ارتقا رده ذخیره با استفاده از شبیه سازی داده های سخت و نرم شرطی بر اساس روش Local moment constrains، 1390/08/02، 1390/08/04

·         سمیه شیخ محمدی، امید اصغری، غلامحسین نوروزی باغکمه ، سی امین گردهمایی علوم زمین، مقاله کامل، بهبود نتایج تخمین مس توسط کوکریجینگ هم مختصات با استفاده از مدل مارکوف، 1390/12/01، 1390/12/03

·         سمیه شیخ محمدی، حسن طالبی، غلامحسین نوروزی باغکمه ، امید اصغری، پانزدهمین کنفرانس ژئوفیزیک ایران، مقاله کامل، کاهش واریانس تخمین با استفاده از زمین آمار چند متغیره و داده های ضریب سولفیدی، 1391/02/26، 1391/02/28

·         سمیه شیخ محمدی، حسن طالبی، امید اصغری، غلامحسین نوروزی باغکمه ، اولین کنفرانس فناوریهای معدنکاری ایران، سخنران، مقاله کامل، مقایسه کریجینگ و کوکریجینگ با روند بیرونی در برآورد توزیع مس، 1391/06/15، 1391/06/17

·         میثم سلیمی دلشاد ، اصغر نادری ، امید اصغری، غلامحسین نوروزی باغکمه ، اولین کنفرانس ملی فناوری های معدنکاری، مقاله مختصر، مقایسه کوکریجینگ و کریجینگ با روند بیرونی در برآورد توزیع مس، 1391/06/15، 1391/06/17

میثم سلیمی، امید اصغری، چهارمین کنفرانس مهندسی معدن ایران، مقاله کامل، الگوریتم چند مقیاسه و مبتنی بر الگوی نوین دراعتبار سنجی متقابل چند دسته ای براساس نتایج تخمین کوکریجینگ هم مختصات ذاتی برروی داده های تخلخل در یکی از مخازن کربناته جنوب غرب ایران، 1391/07/18، 1391/07/20

v    خدمات

·        خدمات آموزشی

•     برگزاری دوره­های آموزشی زمین آمار برای مهندسی معدن، نفت و محیط زیست

•     برگزاری دوره­های آموزشی نمونه برداری معدنی

•     برگزاری دوره های ارزیابی ذخایر معدنی و تخمین ذخیره

•     برگزاری دوره­های آموزشی نرم­افزارهای تخصصی (Datamine, SGeMS,…)

·        مشاوره صنعتی

•     ارائه مشاوره برای طرح های اکتشاف و تخمین ذخیره

•     ارائه مشاوره برای طرح حفاری و نمونه برداری در مراحل مختلف اکتشافی

همکاری در مدلسازی های ژئومتالورژیکی کانسار

 

توضیحات آزمایشگاه به انگلیسی :

 

 عکس های آزمایشگاه :

 

 

 

 

 

 

 

 

اطلاعات سرپرست آزمایشگاه  :

دکتر امید اصغری (سرپرست آزمایشگاه)– عضو هیات علمی دانشکده مهندسی معدن دانشگاه تهران

ریاست دانشکده مهندسی معدن

 

Email:o.asghari@ut.ac.ir

صفحه شخصی (دانشگاه تهران):

https://rtis.ut.ac.ir/cv/o.asghari/

http://www.linkedin.com/pub/omid-asghari/37/40b/3b5

http://www.researchgate.net/profile/Omid_Asghari

 

 

علاقمندان به ادامه تحصیل در مقاطع کارشناسی ارشد و دکترا و نیز پژوهشگران می توانند با o.asghari@ut.ac.ir مکاتبه نمایند.

Summary of qualifications

·         7 years of experience in geological modeling, resource estimations, classifications and evaluations.

·         5 years of experience in teaching geostatistics, ore reserve evaluation, sampling and statistics at university (University of Tehran and University of Kashan – Dept. of Mining Engineering)

·         Strong knowledge of geostatistics (Simulation, multivariate geostatistics).

·         Strong knowledge of sampling, QA/QC analysis, data management, validation of geological data, the analysis of geological data, geological data characterization, spatial statistics and geological statistical studies.

·         High level of competency with 3D geological modeling and resource estimation (proficient in Datamine software).

 

Key accomplishment

·         The best instructor at Department of Mining Engineering , University of Tehran, 2012

·         The best PhD Student in the Department of Mining, Metallurgy and Petroleum in Amirkabir University Technology, 2007.

·         The first ranked in the mineral exploration engineering M.Sc. entrance test in Iran, 2001.

 

RELEVANT Work Experience

Resource geologist (Geistatistician):

·         Geological modeling and geostatistical resource estimation/simulation of Iron content of Choghart Iron mine (Iran), 2004.

·         Successfully performed 3D rocktype/alteration domaining, resource/reserve estimation/evaluation in Sungun porphury copper mine, 2006.

·         Geological modeling of high and low grade Iron in Zaghia deposit (Iran), resource estimation and classification, 2010.

·         Geological modeling of Morvarid Iron ore deposit, Started with Targeting and definition of exploration drilling grids based on geophysics and structural geology, sampling, QA/QC , geological modeling, data management, data analysis, geostatistical estimation, Morvarid Iron mine (2010-2011),

·         Geological modeling, resource estimation and ore reserve classification of DarrehAshki Skarn gold deposit, 2011.

·         Kahour (AK3) Iron deposit: Defining the drilling pattern, Sampling, QA/QC program, data management, resource estimation, 2012.

·          Mehdi Abad Zinc deposit: QA/QC, data management, geological modeling of oxide and sulfide zones, rocktype modeling, resource estimation (2013).

·          AK Kahour 5 (AK5) Iron deposit: Data management, geological modeling, and resource estimation (2014).

·         Geolgical modeling of oxide and sulphide zones of Sari Gunay epithermal gold deposit, estimation gold content and recovery, 2012.

 

Team leader/ Project management/ Communication:

·         Acted as team leader and supervisor of exploration activities at MTMA-Co. My activities include planning, time management, budget evaluation of the project, team building and managing a multidisciplinary activities aims to local exploration of Iron, targeting, drilling, modeling and estimation.

Teaching and mentoring:

·         January 2008 to present, assistant professor at the University of Tehran. Courses: Geostatistics, Ore resource estimation, Economic Geology, Principles of Mineral exploration

·         September 2008 to September 2010, Assistant professor at the University of Kashan. Courses: Sampling (to graduation students), Statistics and probability, Application of computer in mining engineering (to undergrad students).

·         I have conducted several research into PGS (plurigaussian simulation), multivariate geostatistics, Co-kriging (full co-kriging, collocated co-kriging and intrinsic collocated co-kriging), MPS (Multipoint Simulation), SGS (Sequential Gaussian Simulation), SIS (Sequential Indicator Simulation), MAF (minimum maximum auto correlation factor) at the Mining Engineering Department at University of Tehran and published several papers.

 

Employment history

·         Teaching and conducting research into ore reserve estimation and geostatistics at the Mining Engineering Department at University of Tehran, Iran.                                                            2008-2014

·         Working as a consultant for the mining industry in ore reserve estimation and geostatistical simulation, Iran.                                                                                                                2006-2014

 

Education

·         Visiting professor at Center for Computational Geostatsitics (CCG) at University of Alberta, Edmonton, Canada, 2012.

·         Ph. D., Mining Engineering (Geostatistics), Amirkabir University of Technology, Iran.2008

·         M.Sc., Mining Engineering, Amirkabir University of Technology, Tehran, Iran.    2003

·         B.Sc., Mining Engineering, Amirkabir University of Technology, Tehran, Iran.      2001

 

Some professional courses

·         Non-parametric and Multivariate Geostatistics, by Professor Clayton V. Deutsch, (university of Alberta)…2012

·         Geostatistical Methods for Modeling Earth Sciences Data, by Dr. Jeffery Boisvert, (University of Alberta)…2012

 

 

 

 


[1] Spatial statistics

[2] Point pattern analysis

[3] Lattice statistics

[4] uncertainty

[5] Regionalized variables

[6] Matheron

[7] Gandin

[8] Matern

[9] Krige

[10] Wijs

[11] bibliographic

[12] Zhou

[13] Hengel

[14] Kyriakidis

[15] Quality variable

[16] Contour map

[17] Smoothing effect

[18] Disjunctive

[19] plurigaussian