Practical Geostatistics

‫الجيوإحصاء التطبيقي‬

Isobel Clark
‫إيزوبيل كالرك‬

Arabic Version
Translated by
Ghazi Abdulfattah Saffarini

‫النسخة العربية‬
‫ترجمة‬
‫غازي عبدالفتاح سفاريني‬

Ph.D. Eng., Isobel Clark

Geostokos Limited, Alloa Business Centre
Central Scotland FK 10 3SA

Email: PG2000@kriging.com

&
drisobelclark@kriging.com
‌

Dr. Ghazi A. Saffarini

Geology Department- University of Jordan
Email: ghasaff@ju.edu.jo
&
Saf148@yahoo.com

‌
‌
‌
‌
‌

‫‌أـ‬
 ‫المحتويات‬
‫‌‬
‫‪1‬‬ ‫‪ 1‬المقدمة‬
‫‌‌‬
‫‪11‬‬ ‫‪ 2‬المتباين النصفي‬
‫‪‌22‬‬ ‫‪‌1-2‬النماذج‌المعقدة‌‌‌‌‌‌‌‌‬
‫‪‌33‬‬ ‫‪‌2-2‬اللوغاريثمتة‌الطبيعية‌‌‌‌‌‌‌‬
‫‪‌32‬‬ ‫‪‌3-2‬المتغيرات‌األخرى‌‌‌‌‌‌‌‌‬
‫‪‌33‬‬ ‫‪‌4-2‬االستنتاج‌‌‌‌‌‌‌‌‌‬
‫‌‬
‫‪04‬‬ ‫‪ 3‬عالقات الحجم والتباين‬
‫‪‌11‬‬ ‫‪‌1-3‬حسابات‌الحجم‌والتباين‌‌‌‌‌‌‌‬
‫‪‌13‬‬ ‫‪‌2-3‬منحنيات‌التركيز‌والطنية‌‌‌‌‌‌‌‌‬
‫‪‌26‬‬ ‫‪‌3-3‬استنتاج‌‌‌‌‌‌‌‌‌‬
‫‌‬
‫‪86‬‬ ‫‪ 0‬التقدير‬
‫‪‌64‬‬ ‫‪‌1-4‬حسابات‌مصطلحات‌جاما‪-‬شرطة‌‌‌‌‌‌‬
‫‪‌11‬‬ ‫‪‌2-4‬أمثلة‌ثنائية‌األبعاد‌‌‌‌‌‌‌‌‌‬
‫‪‌34‬‬ ‫‪‌3-4‬ملخص‌ألهم‌التقاط‌‌‌‌‌‌‌‌‬
‫‪‌34‬‬ ‫‪‌4-4‬مشكالت‌أكثر‌تعقيدا‌‌‌‌‌‌‌‬
‫‌‌‬
‫‪144‬‬ ‫‪ 5‬كريجنج‬
‫‪‌102‬‬ ‫‪‌1-1‬امثلة‌كريجنج‌‌‌‌‌‌‌‌‌‬
‫‪‌101‬‬ ‫‪‌2-1‬مثال‌ثنائي‌األبعاد‌‌‌‌‌‌‌‌‌‬
‫‪‌111‬‬ ‫‪‌3-1‬ملخص‌ألهم‌النقاط‌‌‌‌‌‌‌‌‬
‫‪‌111‬‬ ‫‪‌4-1‬مثال‌خام‌حديد‌وهمي‌‌‌‌‌‌‌‬
‫‌‬

‫‌بـ‬
 ‫‪118‬‬ ‫‪ 8‬الممارسة‬
‫‪‌112‬‬ ‫‪‌1-2‬بناء‌المتباينات‌النصفية‌باستخدام‌بيانات‌غير‌منتظمة‌‌‌‌‬
‫‪‌116‬‬ ‫‪‌2-2‬أخطاء‌المعاينة‌‌‌‌‌‌‌‌‌‬
‫‪‌‌111‬‬ ‫‪‌3-2‬التوجهات‌‌‌‌‌‌‌‌‌‬
‫‪‌‌111‬‬ ‫‪‌4-2‬عدم‌التماثل‌‌‌‌‌‌‌‌‌‬
‫‪‌113‬‬ ‫‪‌1-2‬األنفاق‌والقطع‌‌غير‌المنتظمة‌‌‌‌‌‌‌‬
‫‪‌113‬‬ ‫‪‌2-2‬كريجنج‌ثالثي‌األبعاد‌‌‌‌‌‌‌‌‬
‫‪‌120‬‬ ‫‪‌6-2‬االنحياز‌في‌منحنيات‌التركيز‌والطنية‌‌‌‌‌‌‌‬
‫‪‌121‬‬ ‫‪‌1-2‬ملخص‌‌‌‌‌‌‌‌‌‌‬
‫‌‬
‫‪‌122‬‬ ‫‪ -7‬المراجع‌‌‌‌‌‌‌‌‌‬
‫‪‌122‬‬ ‫‪‌1-6‬ابحاث‌تمهيدية‌جيدة‌‌‌‌‌‌‌‌‬
‫‪‌122‬‬ ‫‪‌2-6‬مراجع‌محددة‌‌‌‌‌‌‌‌‌‬
‫‪‌122‬‬ ‫‪‌3-6‬مراجع‌تمهيدية‌أخرى‌‌‌‌‌‌‌‌‬
‫‪‌123‬‬ ‫‪‌4-6‬تطبيقات‌أخرى‌‌‌‌‌‌‌‌‌‬
‫‪‌123‬‬ ‫‪‌1-6‬منظور‌تاريخي‌‌‌‌‌‌‌‌‬
‫‪‌‌124‬‬ ‫‪‌2-6‬أوراق‌‌المؤلفة‌‌‌‌‌‌‌‌‬
‫‪ ‌6-6‬بعض‌المجالت‌المفيدة‌للمشاهدة‌والمطالعة‌في‌الجيوإحصاء‌والتطبيقات‌األخرى‪‌‌124‬‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬

‫‌جـ‬
 ‫‌‬
‫‌‬
‫مقدمة‬
‫‌‬
‫هذا‌الكتاا ‌موجال‌لطلباة‌الدراساات‌العلياا‌والادنيا‌والعااملين‌فاي‌الصاناعة‌والاذين‌يلازمهم‌‬
‫مقدماة‌فااي‌علاام‌الجيوإحصااء‪‌.‬وهااو‌مبنااي‌علاق‌مسااابات‌لطلبااة‌الدراساات‌العليااا‌والاادنيا‌ومسااابات‌‬
‫بصيرة‌للعاملين‌في‌الصناعة‪‌.‬ويعكس‌المشكالت‌التي‌تمت‌مواجهتها‌خالل‌ذلا ‌فاي‌عارذ‌هاذ ‌‬
‫الماااد ‌لمهندسااي‌التعاادين‌والجيولااوجين‌ماان‌كافااة‌األعمااار‌وبماادى‌واسااع‌ماان‌المقاادرة‌الريا ااية‪‌.‬‬
‫ويزود‌هذا‌الكتا ‌األساس‌لمساق‌بحجم‌‪‌30-20‬ساعة‌أو‌مساق‌بصير‌لخمسة‌أيام‪‌.‬‬

‫والمستوى‌الريا ي‌واإلحصائي‌المطلو ‌بدائي‌نوعا‌ما‌ويكفي‌للتعامال‌ماع‌مفااهيم‌مثال‌‬

‫المتوسط‌والتباين‌واإلنحراف‌المعياري‌وخطأ‌المتوساط‌والتوزعاات‌الطبيعياة‌واللوغاريثمياة‌وأ ‌‬
‫يكو ‌للمرء‌فكرة‌وخلفية‌عن‌حل‌مجموعات‌من‌المعادالت‌في‌آ ‌واحد‪‌.‬‬
‫‌‬
‫وكمقدمة‌لمو وع‌عادة‌ماا‌يقادم‌بناوع‌مان‌التعقياد‪‌،‬سايعرف‌هاذا‌الكتاا ‌القاارم‌بمفااهيم‌‌‌‬
‫وتقنيات‌الجيوإحصاء‪‌.‬ويقدم‌األساسيات‌الالزمة‌لتمكينال‌مان‌تقيايم‌أمثلاة‌أساساية‌مثالياة‪‌.‬كماا‌يقادم‌‬
‫اإلرشادات‌لكيفية‌توظيف‌لتقنيات‌في‌الحاالت‌الحقيقية‌المعقدة‪‌‌‌‌‌‌.‬‬
‫‌‬
‫ويستخدم‌الجيوإحصاء‌خالل‌هذا‌الكتا ‌باالمفهوم‌األوروباي‌لنظرياة‌المتغيارات‌المؤبلماة‌‌‌‬
‫"‪‌"Theory of regionalized variables‬والتاااي‌طورهاااا‌جاااورج‌ماااايثرو ‌ ‪George‬‬
‫‪‌Matheron‬ومعاااونو ‌فااي‌مركااز‌المورفولوجيااا‌الريا ااية‌فااي‌فاااونتين‌بلااو‌‌ ‪Centre du‬‬
‫‪‌.Morphologie Mathematique at Fontainbleau‬‬
‫‌‬
‫وعلق‌الرغم‌من‌أ ‌معظم‌األمثلة‌مأخوذ ‌من‌التعدين‌فان ‌هاذا‌يعكاس‌جمهاور‌المتادربين‌‬
‫وال‌يعكاااس‌إمكانياااات‌اساااتخدام‌التقنياااة‌‪‌.‬وبصاااورة‌عملياااة‌فااان ‌أي‌مشاااكلة‌تت ااامن‌تاااوزع‌أحاااد‌‬
‫المتغيرات‌في‌اتجا ‌واحد‌(مثل‌السالسل‌الزمنية)‌أو‌في‌اتجاهين‌(‌مثل‌الهطول‌)‌‌أو‌ثالثاة‌(مثال‌‬
‫تو عات‌الخامات‌المبثوثة)‌يمكن‌حلها‌باستخدام‌‌هذ ‌التفنية‪‌‌.‬‬
‫‌‬

‫‌دـ‬
‫ووحدات‌القيااس‌المساتخدمة‌فاي‌هاذا‌الكتاا ‌تعكاس‌حالاة‌ااناعة‌التعادين‪‌.‬ولام‌تجار‌أياة‌‬
‫محاولة‌لتغيير‌هذ ‌الوحدات‌إلق‌الوحدات‌القياسية‌الدولية‌)‪‌.(SI Units‬‬
‫‌‬
‫واألمثلة‌أمثلة‌حقيقية‪‌،‬حيث‌يبدو‌سخيفا‌تحويل‌لب‌طولل‌‪‌1‬أبدام‌إلاق‌لاب‌طولال‌‪‌1.52 m‬‬
‫والحالة‌الوحيدة‌التي‌عمل‌فيها‌‌ذل ‌هي‌مثال‌حقيقي‌من‌‌منجم‌تبنق‌الوحدات‌الدولية‌واستمر‌فاي‌‬
‫استخدام‌وحدات‌ما‌ببل‌النظام‌المتري‌لصناديق‌لب‌طولها‌‪‌1‬أبدام‪‌.‬‬
‫‌‬
‫وخااالل‌عاارذ‌المااادة‌حاولاات‌أ ‌أبااين‌كيااف‌أتاات‌األفكااار‌األساسااية‌وأمكاان‌تطويرهااا‌‬
‫بالحدس‪‌،‬وكنت‌أميال‌إلاق‌تحاشاي‌دعام‌األفكاار‌باشاتقابات‌ريا اية‌ااارمة‪‌.‬إذ‌يوجاد‌العدياد‌مان‌‬
‫المنشورات‌التي‌تتباع‌حصاريا‌األسالو ‌األخيار‪‌.‬وبينماا‌يمكان‌تساهيل‌الحساابات‌باساتخدام‌بارامج‌‬
‫الحاسو ‪‌،‬فن ‌مثل‌هذ ‌المساعدة‌لن‌تكاو ‌ ارورية‌فاي‌منظاور‌هاذا‌المرجاع‪‌.‬وحيثماا‌كاا ‌مان‌‬
‫الصعب‌(أو‌المحال)‌حسا ‌المعادالت‌باليد‌بدمت‌الجداول‪‌.‬وتمت‌إ افة‌خام‌حديد‌وهمي‌بحياث‌‬
‫يتم‌اكتسا ‌بعض‌الخبارة‌فاي‌معالجاة‌أمثلاة‌علاق‌بادر‌‌كبيار‌مان‌المعقولياة‪‌،‬لمعرفاة‌فيماا‌إذا‌كاا ‌‬
‫القارم‌بادرا‌علق‌إعادة‌نتائج‌المؤلفة‪‌.‬‬
‫‌‬
‫والشكر‌مزجق‌لاـكل‌مان‌ ‪‌Richard Durham‬الاذي‌زودناا‌بابعض‌األمثلاة‌وبمثاال‌خاام‌‬
‫الحديد‌الوهمي‌و‪‌ Reg Puddy‬الذي‌بام‌بعمل‌الرسوم‌الساحرة‌و‪‌Dr. C.G. Down‬الذي‌خلاق‌‬
‫الو اع‌الاذي‌أجبرناي‌علاق‌تاأليف‌هاذا‌الكتاا ‪‌،‬و‪‌Malcom Clark‬الاذي‌جاالس‌األطفاال‌وأناتج‌‬
‫بع اا‌ماان‌الجااداول‌الجميلااة‪‌‌.‬وأخياارا‌الشااكر‌مزجااق‌أي ااا‌إلااق‌‪‌Andre Journel‬وآخاارين‌ماان‌‬
‫فونتين‌بلو‌الذين‌علموني‌كل‌ما‌أعلم‌عن‌نظرية‌المتغيارات‌المؤبلماة‪‌.‬وأي‌تقصاير‌أو‌أخطااء‌فاي‌‬
‫المتن‌فهي‌مني‪‌.‬‬
‫‌‬
‫ايزوبيل‌كالرك‌‬
‫‌‬

‫‌هـ‬
 ‫مقدمة المترجم‬
‫‌‬
‫لقد‌أ حق‌علم‌الجيوإحصاء‌من‌العلوم‌الهامة‌التي‌تخدم‌فروع‌العلم‌المختلفة‌لماا‌لتقنياتال‌‬
‫االحصائية‌من‌منفعة‌في‌إعطائنا‌فكرا‌نوعيا‌عن‌كثير‌من‌الظواهر‌الطبيعية‪‌،‬خصواا‌تلا ‌التاي‌‬
‫لها‌بعد‌مكاني‌حياث‌يقادم‌لناا‌الوسايلة‌لوااف‌االساتمرارية‌المكانياة‌والتاي‌تعتبار‌معلماا‌مهماا‌مان‌‬
‫معالم‌الكثير‌من‌الظواهر‌الطبيعية‪‌.‬‬
‫‌‬
‫ولعل‌أول‌من‌أرسق‌دعائم‌هذا‌العلم‌الريا ي‌الفرنسي‌ما‌ثارو ‌‪‌Matheron‬فاي‌مطلاع‌‬
‫السااتينات‌ماان‌القاار ‌العشاارين‪ ‌.‬ومااا‌لبااث‌هااذا‌العلاام‌أ ‌شااق‌طريقاال‌فااي‌علااوم‌االرذ‌المختلفااة‌‌‬
‫وفروع‌اخرى‌من‌العلم‌من‌مثل‌علم‌التربة‌وعلم‌الميا ‌‌ونظم‌المعلومات‌الجغرافية‌وعلم‌الغاباات‌‬
‫وعلوم‌البيئة‌المختلفة‪‌‌.‬كما‌اتسع‌تطبيقل‌ليشمل‌السالسل‌الزمنية‪‌.‬وفي‌البدايات‌ظهرت‌العدياد‌مان‌‬
‫المراجع‌العلمية‪‌.‬ولقد‌كا ‌هذا‌الكتا ‌أكثرها‌‌شهرة‌في‌أوساط‌الجيولوجيا‌وعلم‌التربة‪‌.‬‬
‫‌‬
‫وبد‌اعتمدتل‌لتادريس‌طلباة‌الدراساات‌العلياا‌فاي‌بسام‌الجيولوجياا‌بالجامعاة‌االردنياة‌ماادة‌‬
‫حسا ‌احتياط‌الخام‪‌.‬ومع‌مرور‌االيام‌والسنين‌وازدياد‌الحاجل‌الق‌هذا‌النوع‌من‌المعرفة‌العلمية‌‬
‫إرتَئ ُ‬
‫َيت‌‌أ ‌يعرف‌القارم‌العربي‌بها‌من‌خالل‌ترجمة‌هذا‌الكتاا ‪‌.‬فكاا ‌أ ‌سانحت‌لاي‌الفرااة‌‬
‫لترجمتااال‌خاااالل‌إجاااازة‌التفااارم‌العلماااي‌الممنوحاااة‌لاااي‌مااان‌الجامعاااة‌االردنياااة‌للعاااام‌الجاااامعي‌‬
‫‪‌.‌2006/2002‬جزى‌هللا‌جامعتنا‌خير‌الجازاء‪‌.‬ختاماا‌اود‌أ ‌أعتاذر‌عان‌أي‌تقصاير‌أو‌عادم‌دباة‌‬
‫في‌نقل‌المعرفة‌العلمية‌يمكن‌أ ‌أكو ‌بد‌ابترفتل‌خالل‌عملية‌الترجمة‪‌،‬كما‌أود‌أ ‌اشكر‌الزميلاة‌‬
‫د‪‌.‬عبير‌سلما ‌من‌جامعة‌المل سعود‌علق‌تدبيق‌المادة‌العلمية‌واالتصال‌بالدكتورة‌ايزوبيل‌بعاد‌‬
‫كل‌هذ ‌السنين‌‌ألخذ‌موافقتها‌علق‌الترجمة‌وو عها‌علق‌موبعها‌في‌شبكة‌المعلومات‪‌.‬‬
‫‌‬
‫غازي‌سفاريني‌‬
‫الجامعة‌االردنية‌‬
‫عما ‪-‬االرد ‌‌‬

‫‌وـ‬
Translator Preface ) ‫( مقدمة المترجم‬
Geostatistics is an important branch of science that serves different other
branches. It's statistical techniques offer new insights in several natural
phenomena, especially those having spatial dimensions. It provides a tool in
describing the continuity of the natural phenomena, which is considered the
most important aspect of it.
The famous French scientist Matheron can be considered the first in laying the
foundations of Geostatistics which soon found its application in several
branches of science such as soil science, hydrology, geographic information
systems, forestry, and environmental sciences. In the early days of geostatistic
a few books were published. Dr. Clark's book "Applied Geostatistics " was the
most famous one in the geological and soil science communities.
I adopted Clark's book in teaching postgraduate students , Ore reserve
calculations course, at the Geology Department, The University of Jordan.
With the passage of time the students from several departments showed interest
in learning Geostatistics. This encouraged me to translate Dr. Clark's book,
adopted in my course, during the sabbatical leave offered to me from the
University of Jordan during the academic year 2006-2007, to which I owe a
great deal of thanks. Finally I would like to apologize for any errors that I
might have committed during the translation. I would like also to thank my
colleague Dr. Abeer Salman, from King Saud University, for the proof reading
of the translation and getting in Contact with Dr. Clark to ask for her
permission in publishing the translation on her website. Dr. Clark's kind and
instantaneous response to publish this translation, for the benefit of Arabic
speaking students is highly appreciated. On their behalf, Thank you so much
Dr. Isobel Clark.
Dr. Ghazi A. Saffarini
Geology Department, The University of Jordan
Amman - Jordan

‫‌زـ‬
 ‫الفصل األول‬

‫المقدمة‬

‫يبدو‌مان‌المفياد‌باادم‌ذي‌بادء‌تو اي ‌أي‌‌غماوذ‌يمكان‌أ ‌يظهار‌أو‌يناتج‌عان‌اساتخدام‌‬

‫مصااطل ‌الجيوإحصاااء‌‪‌. Geostatistic‬ففااي‌مطلااع‌السااتينات‌وبعااد‌كثياار‌ماان‌العماال‌التجريبااي‌‬
‫‪‌Empirical work‬من‌ببل‌المؤلفين‌‌في‌جنو ‌افريقيا‌‌بام‌ماثيرو ‌‪‌‌Matheron‬بنشار‌سلسالة‌‬
‫ماان‌المقاااالت‌عمااا‌يساامق‌نظريااة‌المتغياارات‌المؤبلمااة‌‌ ‪" Theory of Regionalized‬‬
‫" ‪‌Variables‬ولقااد‌أد ى‌تطبيااق‌هااذ ‌النظريااة‌فااي‌الجيولوجيااا‌والتعاادين‌إلااق‌أ ‌أاااب ‌مفهااوم‌‬
‫الجيوإحصاء‌‪‌ Geostatistic‬أكثر‌شايوعا‪‌.‬إ ‌مو اوع‌هاذا‌الكتاا ‌مقصاور‌علاق‌أبساط‌تطبياق‌‬
‫لنظرياة‌المتغيارات‌المؤبلماة‌والااذي‌يت امن‌‌عمال‌أف اال‌تقادير‌‪‌Best Estimate‬لمجهاول‌فااي‌‬
‫جسم‌الخام‌عند‌نقطة‌معلومة‪‌.‬وتسمق‌التقنية‌المستخدمة‌لذل ‌‌كاريجنج‌‌‪‌ .Kriging‬والهادف‌مان‌‌‬
‫هاااذا‌الكتاااا ‌تقاااديم‌معالجاااة‌مبساااطة‌للجيوإحصااااء‌لغيااار‌العاااارفين‌بهاااذا‌الحقااال‪‌.‬ويمكااان‌معالجاااة‌‬
‫المو ااوع‌علااق‌مسااتويات‌مختلفااة‌ماان‌التعقيااد‌الريا ااي‪‌.‬والنيااة‌منعقاادة‌هنااا‌علااق‌االبقاااء‌علااق‌‬
‫الحسابات‌فاي‌المساتوى‌األدناق‌ال اروري‪‌.‬وتفتارذ‌المعرفاة‌البدائياة‌مان‌ببال‌القاارم‌بالمفااهيم‌‬
‫االحصائية‌العامة‌مثل‌‪‌:‬المتوسط‌‪‌،Mean‬التباين‌‪‌،Variance‬االنحراف‌المعيااري‌ ‪Standard‬‬
‫‪Probability‬‬ ‫‪‌‌Confidence‬والتااااوزع‌االحتمااااالي‬ ‫‪‌،deviation‬حاااادود‌الثقااااة‌‪limits‬‬
‫‪‌.Distribution‬‬
‫‌‬
‫واستخدام‌هذ ‌التقنية‌في‌حسا ‌احتيااط‌الخاماات‌فاي‌عاالم‌التعادين‌هاو‌األكثار‌شاهرة‪‌،‬وماا‌‬
‫نرغااب‌فااي‌أ ‌ن ؤكااد‌علياال‌أ ‌القيااام‌بعلميااة‌تقاادير‌أماار‌ممكاان‌فااي‌حالااة‌وجااود‌اسااتمرارية‌لقياااس‌‬
‫العينااات‌فااي‌مكااا ‌محاادد‌أو‌زمااا ‌محاادد‪‌.‬أي‌عناادما‌يتوبااع‌أ ‌تك او ‌بيمااة‌العينااة‌متااأثرة‌بمكانهااا‌‬
‫وعالبتها‌مع‌جيرانهاا‪‌.‬وبماا‌أ ‌معظام‌التطبيقاات‌ومعظام‌خبارة‌المؤلفاة‌فاي‌حقال‌التعادين‌ساتكو ‌‬
‫معظم‌األمثلة‌من‌هذا‌الحقل‪‌.‬كذل ‌سيكو ‌‌هنال ‌ميل‌للحديث‌عن‌تركيز‌‪‌Grade‬الخام‌أكثر‌مان‌‬
‫الحديث‌عن‌بيمة‌العينة‌بهدف‌االختصار‌لايس‌إال‪‌.‬وإذا‌كاا ‌القاارم‌مهتماا‌بحقاول‌أخارى‌‌فيكفاي‌‬
‫أ ‌تستبدل‌كلمة‌تركيز‌بالنفاذية‌أو‌المسامية‌أو‌السماكة‌أو‌االرتفاع‌أو‌الكثافة‌السكانية‌أو‌الهطاول‌‌‬
‫أو‌درجات‌الحرارة‌أو‌أطوال‌الصدوع‌او‌الشيوع‌‪‌Abundance‬أو‌غير‌ذل ‪‌.‬‬
‫‌‬

‫‪1‬‬
‫لقد‌تمت‌أول‌محاولة‌الستخدام‌مبادم‌االحصاء‌في‌حل‌مشكالت‌احتيااط‌الخاام‌ببال‌حاوالي‌‬
‫‪‌30‬عام‌‌في‌جنو ‌افريقيا‌وبد‌تمثلت‌المشكلة‌في‌ذلا ‌الوبات‌فاي‌توباع‌بيماة‌التركياز‌فاي‌منطقاة‌‬
‫سيجري‌استغاللها‌باساتخدام‌عادد‌‌بليال‌مان‌العيناات‌الحافياة‌(‌الهامشاية‌)‌فاي‌منااجم‌الاذهب‪‌.‬هاذا‌‬
‫وتتفاوت‌تركيزات‌الاذهب‌فاي‌الموباع‌الواحاد‌بصاورة‌كبيارة‌وعنادما‌ياتم‌تمثيلهاا‌بيانياا‌علاق‌شاكل‌‬
‫م االع‌تكااراري‌‪‌Histogram‬فننهااا‌تااري‌توزعااا‌شااديد‌االنحااراف‌ذو‌نهايااة‌طويلااة‌باتجااا ‌الق ايم‌‬
‫المرتفعة‪‌‌.‬ومن‌هنا‌فننل‌من‌الصعب‌التعبير‌عن‌مثل‌هذا‌النوع‌من‌التوزع‌في‌الطبيعاة‌بالمقااييس‌‬
‫المستخدمة‌للتعبير‌عن‌التوزع‌الطبيعي‌‪‌Normal Distribution‬إال‌إذا‌جرى‌أوال‌تعديل‌ما‪‌‌.‬‬
‫‌‬
‫‪Lognormal‬‬ ‫يعتبااااار‌‪‌H.Sichel‬أول‌مااااان‌طباااااق‌التاااااوزع‌اللوغااااااريثمي‌الطبيعاااااي‌‬
‫‪‌Distribution‬علق‌تركيزات‌الذهب‌وحصل‌علاق‌نتاائج‌مشاجعة‪‌‌.‬وتام‌بعاد‌ذلا ‌نشار‌معاادالت‌‬
‫وجداول‌تمكن‌من‌الحسا ‌الدبيق‌لمتوسط‌بيم‌تري‌توزعاا‌لوغاريثمياا‌طبيعياا‌ولحادود‌الثقاة‌لهاذا‌‬
‫المتوسط‪‌.‬وفي‌الواباع‌هنالا ‌ثالثاة‌اعترا اات‌أو‌عياو ‌أو‌مسااوم‌الساتخدام‌مثال‌هاذا‌التطبياق‌‬
‫هي‪‌:‬‬
‫‌‬
‫‪‌ -1‬أنل‌البد‌وأ ‌يكو ‌التوزع‌الذي‌نتعامل‌معل‌توزعا‌لوغاريثميا‪‌‌.‬‬
‫‪‌ -2‬يجب‌أ ‌تكو ‌العينات‌مستقلة‪(‌.‬مثل‌الذهب‌غير‌مرتبط‌بأية‌معاد ‌أخرى)‪.‬‬
‫‪‌ -3‬عدم‌األخذ‌بعين‌االعتبار‌موبع‌العينة‌في‌جسم‌الخام‪‌.‬بمعنق‌أ ‌العينات‌تؤخذ‌علاق‌نفاس‌‬
‫الدرجة‌من‌األهمية‪.‬‬
‫علق‌أية‌حال‪‌،‬اثبتت‌هذ ‌التقنية‌أهميتها‌في‌منااجم‌الاذهب‌خصوااا‌وأنهاا‌تقادم‌مقياساا‌لمصادابية‌‬
‫التقاادير‪‌.‬كمااا‌أنهااا‌و ااعت‌األساااس‌لعماال‌إحصااائي‌مسااتقبلي‌بتقااديمها‌هيكليااة‌مفهااوم‌ ارورية‪‌،‬‬
‫بمعنق‌بافترا ها‌أ ‌العينات‌بادمة‌من‌نفس‌التوزع‌االحتمالي‪‌.‬عناد‌هاذ ‌المرحلاة‌‪‌،‬كاا ‌يفتارذ‌‬
‫أ ‌العينااات‌(فااي‌منطقااة‌مااا‌)‌بادمااة‌كلهااا‌ماان‌نفااس‌التااوزع‌–‌تااوزع‌لوغاااريثمي‪‌-‬وتعاارف‌هااذ ‌‬
‫الفر ية‌في‌اإلحصاء‌العادي‌بفر ية‌الثبات‌‪‌.Stationarity‬‬
‫‌‬
‫الحقا‌لهذا‌العمل‌عملت‌محاوالت‌لألخذ‌بعين‌االعتبار‌موبع‌العينات‌وتوزعها‌الفراغي‌في‌‬
‫عمليات‌التعدين‪‌.‬ومن‌هنا‌فقد‌بدى‌أنل‌البد‌من‌مراعاة‌ما‌يلي‪‌:‬‬
‫الا‌أنل‌البد‌وأ ‌يكو ‌في‌الخام‌موابع‌أحدها‌غنية‌واألخرى‌فقيرة‪‌‌.‬‬
‫‪ -1‬أو ‌‬
‫‪ -2‬وثاني‌ا ا‌أنل‌البد‌وأ ‌يكو ‌هنال ‌نوع‌من‌العالبة‌بين‌مثل‌هذ ‌الموابع‪.‬‬

‫‪2‬‬
‫ولقد‌تمت‌معالجة‌مثل‌هذ ‌األمور‌فاي‌مطلاع‌الخمساينات‌‌والساتينات‌مان‌هاذا‌القار ‌بتقاديم‌‬
‫تقنية‌ما‌يسمق‌تحليل‌التوجهات‌الساطحية‌‪‌Trend Surface Analysis‬ففاي‌جناو ‌افريقياا‌كاا ‌‬
‫يتم‌انتقااء‌التوجهاات‌‪‌Trends‬بعمال‌ماا‌يسامق‌المتوساط‌المتادحرج‌‪‌Moving Average‬والاذي‌‬
‫ينااتج‌خارطاااة‌مهذباااة‌‪‌Smoothed map‬تباااين‌المواباااع‌ذات‌القااايم‌العالياااة‌والمواباااع‌ذات‌القااايم‌‬
‫المنخف ة‪‌‌.‬أما‌في‌الواليات‌المتحدة‌فقد‌استخدم‌ما‌يسمق‌تحليل‌التوجل‌السطحي‌المتعادد‌الحادود‌‬
‫‪‌‌Polynomial Trend Surface Analysis‬حيااث‌يقت ااي‌اسااتخدام‌مثال‌هااذا‌التحلياال‌ايجاااد‌‬
‫معادلااة‌ريا ااية‌تعباار‌عاان‌التوج ال‪‌.‬كااال‌الطااريقتين‌بينهمااا‌شاايء‌مشااترك‌واحااد‌هااو‌الفر اايات‌‬
‫االساسية‌عن‌الخواص‌االحصاائية‌للخاام‪‌.‬هاذ ‌الفر ايات‌تام‌توسايع‌حادودها‌مان‌المفهاوم‌الثابات‌‬
‫إلق‌المفهوم‌المتغير‌لطبيعة‌التو ع‌أو‌الخام‪‌.‬إ ‌توبع‌الطبيعاة‌المتغيارة‌للخاام‌يمكان‌التعبيار‌عنال‌‬
‫بتغير‌بسيط‌في‌خارطة‌مهذبة‌أو‌بمعادلاة‌ريا اية‌ساهلة‪‌.‬هاذا‌وحاول‌أي‌توجال‌‪‌Trend‬الباد‌وأ ‌‬
‫يتوبع‌تغير‌ع شوائي‌بمعنق‌أ ‌بيمة‌التركيز‌الفعلي‌في‌أي‌نقطة‌من‌الخاام‌يفتارذ‌أ ‌تتكاو ‌مماا‌‬
‫يلي‪‌:‬‬
‫‌أ‪ -‬مركبة‌ثابتة‌للتوجل‌(‌والتي‌غالبا‌ما‌تكو ‌مجهولة)‪‌.‬‬
‫‌‪‌ -‬متغيرا‌عشوائيا‌ينتج‌توزعا‌معينا‪.‬‬

‫هكذا‌‌تغير‌المفهوم‌الثابت‌عن‌بيمة‌الركاز‌ألي‌خاام‌وأااب ‌مان‌المتوباع‌أ ‌تتغيار‌بيماة‌التركياز‌‬

‫ببطء‌ولكن‌المتغير‌العشوائي‌البد‌وأ ‌يبقق‌ثابتا‌‪‌.Stationary‬‬
‫‌‬
‫بهذا‌نكو ‌بد‌اسقطنا‌فر ية‌التوزع‌اللوغاريثمي‌للخام‪‌.‬إ ‌مثل‌هذ ‌الطريقة‌مفيدة‌جدا‌في‌‬
‫معالجة‌حسابات‌الخامات‌حيث‌تتوفر‌معلومات‌كبيارة‌عان‌بايم‌التركياز‌خصوااا‌فاي‌منااجم‌مثال‌‬
‫مناجم‌الذهب‪‌،‬إال‌إنها‌غير‌عملية‌وليست‌بذات‌فائدة‌إذا‌ما‌رغبنا‌‌في‌عمال‌تقادير‌محلاي‌ ‪Local‬‬
‫‪‌.Estimation‬‬

‫‌‬
‫‌‬
‫شكل‌‪‌:1-1‬معاينة‌‌نظرية‌وتقدير‌للموبف‌‬

‫‪3‬‬
‫دعونا‌ننابش‌اآل ‌مشكلة‌التقدير‌المحلي‌أي‌تقدير‌بيمة‌عينة‌في‌نقطة‌ما‌مثل‌نقطاة‌‪‌A‬كماا‌‬
‫في‌شكل‪‌‌.1-1‬معطق‌معنا‌عينات‌في‌موابع‌مختلفة‪‌‌.‬كما‌هاو‌مباين‌فاي‌الشاكل‌‪‌1‬يبادو‌منطقياا‌أ ‌‬
‫نطور‌طريقة‌للتقدير‌تعطي‌أهمية‌للعينة‌‪‌1‬أكثر‌من‌العيناة‌‪‌.1‬لهاذا‌الغارذ‌تام‌تطاوير‌عادد‌كبيار‌‬
‫من‌الخطوات‌في‌تقدير‌الوز ‌أو‌األهمية‌المتوجاب‌اعطائهاا‌لكال‌عيناة‌اعتماادا‌فاي‌األغلاب‌علاق‌‬
‫بعد‌العينة‌عن‌النقطة‌التاي‌نقاوم‌بتقادير‌بيماة‌الخاام‌عنادها‪‌.‬هاذا‌ويمكان‌وز ‌بايم‌العيناات‌بمقلاو ‌‬
‫المسافة‌أو‌مقلو ‌مرباع‌‌المساافة‌أو‌باساتخدام‌أي‌ثابات‌اختيااري‌علاق‌سابيل‌المثاال‌مادى‌التاأثير‌‬
‫‪‌Range of influence‬مطروحاا‌منال‌المساافة‪‌.‬تعتماد‌جمياع‌هاذ ‌الطارق‌فاي‌اعطااء‌وز ‌لقايم‌‬
‫العينات‌علق‌حسا ‌العالبة‌بين‌بيمة‌الخام‌عند‌النقطة‌‪‌A‬وأي‌نقطة‌أخرى‌اعتماادا‌علاق‌المساافة‌‬
‫بينهما‌فقط‌وال‌شي‌غير‌ذل ‪ ‌.‬فهي‌ال‌تعتمد‌مثال‌علق‌كو ‌أحد‌القيم‌من‌منطقاة‌غنياة‌باالتركيز‌أو‌‬
‫فقيرة‌‌بل‌أو‌علق‌القيم‌الفعلية‌للعينات‪‌،‬ولكن‌فقط‌علق‌الموبع‌الهندسي‌للعينات‌وفي‌الوابع‌إنهاا‌ال‌‬
‫تعتمد‌حتق‌علق‌المعد ‌في‌الخام‪‌.‬‬
‫‌‬
‫‌هنال ا ‌مشاااكل‌فااي‌اسااتخدام‌هااذاالنهج‪ ‌،‬فعلااق‌ساابيل‌المثااال‌أي‌ماان‌عواماال‌الااوز ‌يمكاان‌‬
‫اختيار ؟‌إلق‌أي‌مادى‌يمكان‌إ ‌‌نساتمر‌فاي‌اختياار‌وت امين‌العيناات؟‌ماثال‌إذا‌كاا ‌هنالا ‌عيناة‌‬
‫ربم‌‪‌2‬تبعد‌ عف‌بعد‌العينة‌‪ ‌1‬فهل‌يتوجب‌ت مينها؟‌ما‌هاي‌مصادابية‌التقادير‌إذا‌ماا‌بمناا‌بعمال‌‬
‫ذل ؟‌هل‌نستطيع‌أ ‌نستخدم‌تطبيق‌نفس‌الطريقة‌علق‌جميع‌أنواع‌الخامات؟‌هذا‌مان‌ناحياة‌‪،‬أماا‌‬
‫من‌الناحية‌األخرى‪‌،‬فن ‌فكرة‌وز ‌العيناات‌باأي‌مقيااس‌لمادى‌تشاابههما‌ماع‌ماا‌تام‌تقادير ‌تعتبار‌‬
‫فكااارة‌مغرياااة‪‌.‬والتشاااابل‌الاااذي‌نتحااادث‌عنااال‌يمكااان‌بياسااال‌إحصاااائيا‌باساااتخدام‌التبااااين‌المشاااترك‌‬
‫‪‌Covariance‬أو‌معامل‌المقارناة‪‌.‬علاق‌أياة‌حاال‌فننال‌عناد‌حساا ‌أي‌منهماا‌فان ‌عليناا‌أ ‌نعاود‌‬
‫لفر ية‌ثبات‌النوع‌‪‌.Stationary Type Assumption‬دعوناا‌بادال‌مان‌ذلا ‌ننظار‌إلاق‌الفارق‌‬
‫بين‌العينات‌‬
‫‌‬
‫‌في‌الشكل‌‪‌1-1‬يبدو‌مبررا‌أ ‌نتوبع‌اختالف‌بيمة‌الخاام‌فاي‌موباع‌‪‌1‬عنهاا‌فاي‌موباع‌‪‌1‬و‌‬
‫بشكل‌كبير‌بينما‌بيمة‌الخام‌في‌موبع‌‪‌1‬ستكو ‌ابال‌اختالفاا‌عنهاا‌فاي‌موباع‌‪‌.A‬لنفتارذ‌اآل ‌أ ‌‬
‫الفاارق‌فااي‌باايم‌التركيااز‌بااين‌مااوبعين‌فااي‌الخااام‌ساايعتمد‌فقااط‌علااق‌المسااافة‌بينهمااا‌وعلااق‌اتجاهمااا‌‬
‫النسبي‪‌.‬لنفترذ‌أنناا‌أخاذنا‌زوج‌مان‌العيناات‌يبعادا ‌عان‌بع اهما‌‪‌10‬بادما‌علاق‌خاط‌جناوبي‌‪‌-‬‬
‫شمالي‌‌في‌جزء‌من‌الخام‪‌.‬وبمنا‌بقياس‌الفرق‌بينهما‪‌،‬ثم‌بمنا‌بنفس‌الشيء‌علاق‌عيناات‌تبعاد‌عان‌‬
‫بع ها‌‪‌200‬بدما‌ومن‌موابع‌مختلفة‪‌،‬وهكذا‌دوالي ‪‌‌،‬فن ‌الفارق‌فاي‌بيماة‌التركياز‌الاذي‌نحصال‌‬
‫عليل‌سيكو ‌مختلفا‌‌لكال‌زوج‌مان‌العيناات‌ولكان‌خا اع‌الفترا انا‌أ ‌جمياع‌هاذ ‌القايم‌ساتكو ‌‬

‫‪4‬‬
‫تابعة‌لنفس‌التوزع‪‌.‬بهذا‌إذا‌تمكنا‌من‌أخذ‌عدد‌كاف‌من‌مثل‌أزواج‌العينات‌هذ ‪‌،‬فننال‌بامكانناا‌أ ‌‬
‫نقوم‌بعمل‌م لع‌تكراري‌لقيم‌الفروق‌بين‌أزواج‌العينات‌وأ ‌نتحرى‌من‌هذا‌الرسم‌نوع‌التوزع‌‬
‫الااذي‌تنتمااي‌إلياال‪‌.‬م ان‌هنااا‌فنننااا‌نتوبااع‌أ ‌يكااو ‌التااوزع‌محكومااا‌بالمسااافة‌بااين‌أزواج‌العينااات‌‬
‫وباالتجااا ‌الااذي‌أخااذت‌علياال‌العينااات‌مثاال‌‪‌10‬باادم‌شامال‪‌-‬جنااو ‪‌.‬علااق‌أيااة‌حااال‌ساايكو ‌هنال ا ‌‬
‫م لع‌تكراري‌لكل‌مسافة‌مأخوذة‌بين‌عينيتين‌في‌كل‌مرة‌ولكل‌اتجا ‌في‌جسام‌الخاام‪‌.‬هاذا‌ومان‌‬
‫أجل‌بناء‌اورة‌وا حة‌عن‌الخام‌فنننا‌نحتاج‌الجراء‌حساباتنا‌علق‌مسافات‌مختلفة‌بين‌العيناات‌‬
‫في‌اتجاهاات‌مختلفاة‪‌.‬إ ‌عملياة‌تفحاص‌الم العات‌التكرارياة‌المختلفاة‌والتاي‌سنحصال‌عليهاا‌باد‌‬
‫يكو ‌أمرا‌متعبا‌وبد‌يدخلنا‌في‌متاهات‌ال‌نرغب‌فيها‪‌‌.‬من‌أجال‌ذلا ‌فننناا‌نلجاأ‌إلاق‌طريقاة‌ذكياة‌‬
‫إلااق‌تلخاايص‌المعلومااات‌والبيانااات‌الممكاان‌إعطائهااا‌عاان‌كاال‌م االع‌تكااراري‌باسااتخدام‌ب ااعة‌‬
‫مقاييس‌بسيطة‌مثل‌المتوسط‌الحسابي‌والتباين‪‌.‬‬
‫‌‬
‫‌لنفرذ‪‌،‬وبغرذ‌االختصار‪‌،‬أ ‌المسافة‌بين‌عينتين‌في‌اتجا ‌ماا‌‌يمكان‌أ ‌‌توااف‌باالرمز‌‪‌h‬‬
‫فنننا‌بذل ‌نكو ‌بد‌بلنا‌أ ‌الفرق‌في‌التركياز‌باين‌عينتاين‌يعتماد‌علاق‌‌‪‌‌.h‬بمفاهيـــاـم‌‌‌إ‌حصاائية‌‬
‫فن ‌توزيع‌الفروبات‌فاي‌التركياز‌سايعتمد‌علاق‌‪‌.h‬وإذا‌ماا‌كاا ‌هاذا‌ااحيحا‌للتاوزع‌كلال‌فساوف‌‬
‫يكو ‌احيحا‌بالنسبة‌للمتوسط‌الحساابي‌للفروباات‌وكاذل ‌لتباينهاا‪‌.‬مان‌هناا‌فننال‌يمكنناا‌أ ‌نرماز‌‬
‫إلق‌المتوسط‌الحسابي‌للفروبات‌في‌التركيز‌بـ‌(‪‌‌m)h‬وللتباين‌بـ)‪‌.2γ(h‬‬
‫‌‬
‫واآل ‌إذا‌ما‌كا ‌لدينا‌مجموعة‌من‌أزواج‌العينات‌علق‌مسافة‌محددة‌بـ‌‪‌(‌،‌h‬لنقل‌المسافة‌‬
‫‪‌10‬بدما‌باتجا ‌شمال‪‌-‬جنو )‪‌.‬فننل‌بامكاننا‌أ ‌نحسب‌القيمة‌التجريبية‌لـ‌(‪‌m)h‬كما‌يلي‪‌:‬‬
‫‌‬
‫‪m (h)  1n g ( x)  g ( x  h)‬‬ ‫‌‬
‫‌‬
‫حيث‌‪‌‌:g‬بيمةالتركيز‪‌: x ‌.‬تعبر‌عن‌مكا ‌عينة‌من‌زوج‌العينات‌الذي‌نتعامل‌معل‪‌‌‌: x  h ‌.‬‬
‫تعبر‌عن‌موبع‌العينة‌األخرى‌من‌زوج‌العينات‪‌:n‌‌.‬عدد‌أزواج‌العيناات‌الماأخوذة‪‌: m ‌.‬متوساط‌‬
‫ما‌تم‌حساابل‌عملياا‌ويختلاف‌عان‌شاي‌نظاري‪‌.‬ربماا‌تالحا ‌‌أنناا‌بادمنا‌‌" ‪‌" ‬للداللاة‌علاق‌أ ‌هاذا‌‬
‫الشيء‌بد‌بمنا‌بحسابل‌وليس‌شيئا‌نظريا‪ ‌.‬من‌ساوء‌الحا ‌فننال‌يمكان‌ا ‌نباين‌أ ‌حساا ‌المتوساط‌‬
‫النظااري‌(‪‌m)h‬اعتمااادا‌علااق‌المتوسااط‌العملاي‌ )‪‌ m (h‬هااو‌طريقااة‌غياار‌جياادة‌وأ ‌ايجاااد‌طريقااة‌‬
‫مناسبة‌يتطلب‌حسابات‌معقدة‌ومركزة‪‌.‬دعونا‌ننظر‌عن‌بر ‌إلق‌(‪‌.m)h‬إنل‌يمثل‌متوسط‌الفارق‌‬
‫في‌التركيز‌بين‌عينتين‪‌.‬بكلمات‌أخرى‌إنل‌يمثل‌فربا‌متوبعا‪‌.‬وإذا‌كانت‌(‪‌m)h‬تساوي‌اافرا‌فان ‌‬
‫‪1‬‬
 ‫هذا‌يعني‌أنل‌ال‌توجد‌فروق‌بين‌العينات‌التي‌تبعد‌عن‌بع ها‌مسافة‌‪‌.‌h‬بمعناق‌‌أنناا‌نتوباع‌نفاس‌‬
‫التركيااازات‌فاااي‌مسااااحة‌ماااا‌مااان‌جسااام‌الخاااام‌‌باااين‌العيناااات‌التاااي‌تبعاااد‌عااان‌بع اااها‌مساااافة‌‪‌‌.h‬‬
‫وبمصطلحات‌تخصصية‌يعني‌هذا‌أنل‌ال‌يوجد‌توجل‌‪‌.Trend‬عموما‌إ ‌أي‌بيماة‌لاـ‌(‪‌m)h‬تعناي‌‬
‫أ ‌هنال ‌فروبات‌فاي‌بايم‌التركياز‪‌.‬وأماا‌إذا‌ماا‌انعادمت‌هاذ ‌الفروباات‌فان ‌بيماة‌‌(‪‌m)h‬ساتكو ‌‬
‫افرا‪‌.‬‬
‫‌‬
‫لنعد‌اآل ‌إلاق‌بيماة‌تبااين‌الفاروق‌‪‌Variance of the differences‬والتاي‌يرماز‌إليهاا‌باـ‌‬
‫)‪‌2γ(h‬والمعروفة‌عادة‌بالمتباين‌(فيريوغرام)‌(‪‌)Variogram‬ألنها‌تتغير‌ماع‌المساافة‌واالتجاا ‪‌.‬‬
‫هذ ‌القيم‌يمكن‌حسابها‌عمليا‌بافتراذ‌أنها‌ال‌تري‌توجها‌علق‌النحو‌التالي‪‌:‬‬
‫‌‬
‫‪2 (h)   g ( x)  g ( x  h)‬‬
‫‪‬‬ ‫‪1‬‬ ‫‪2‬‬

‫‪n‬‬ ‫‌‬
‫إ ‌العدد‌‪‌2‬أمام‌بيمة‌(‪‌)γ‬موجود‌ألهداف‌ريا اية‌بحتاة‌والمصال ‌)‪‌γ(h‬يسامق‌المتبااين‌النصافي‌‬
‫‪ ‌.Semi-variogram‬اآل ‌وبعد‌أ ‌بادمنا‌المتبااين‌النصافي‌فان ‌الساؤال‌الاذي‌يطاري‌نفسال‌يانص‌‬
‫علق‌ماهية‌نوع‌السلوك‌الذي‌نتوبع‌أ ‌يتحلق‌بل‌المتباين‌النصفي؟‌‌إ ‌لادينا‌مقياساا‌للفروباات‌فاي‌‬
‫باايم‌العينااات‌التااي‌تبعااد‌مسااافات‌(‪‌)h‬عاان‌بع ااها‌الاابعض‪‌.‬والمقياااس‌هااذا‌الااذي‌نملكاال‌يعباار‌عناال‌‬
‫بوحدات‌القيم‌المستعملة‌عادة‌مثل‌وز ‌بالمائة‌(‌‪‌2)Wt.%‬أو‌جزء‌مان‌ملياو ‌جازء(‪‌،2)ppm‬أو‌‬
‫غير‌ذل ‪‌.‬وأف ل‌طريقة‌لتو ي ‌هذ ‌األربام‌هو‌الرسم‌البياني‪‌.‬أنل‌ألمر‌عادي‌أ ‌نرسام‌‌رساما‌‬
‫بيانيا‌كما‌في‌شكل‌‪‌‌2-1‬حيث‌تسقط‌المسافة‌بين‌أزواج‌العينات‌علق‌المحور‌األفقي‌وبيم‌المتباين‌‬
‫النصفي‌علق‌المحور‌الرأسي‪‌‌.‬حسب‌التعريف‌يبدأ‌كل‌من‌المحورين‌بالقيمة‌افر‪‌.‬لنفارذ‌اآل ‌‬
‫أننا‌أخذنا‌عينتين‌من‌نفس‌المكا ‌وبمنا‌بقياس‌بيمة‌التركيز‌فننناا‌نتوباع‌أ ‌تكاو ‌بيماة‌الفارق‌باين‌‬
‫التركيزين‌افرا‪‌‌.‬‬

‫‌‬
‫‌‬
‫الشكل‌‪‌:2-1‬الطريقة‌المعتادة‌في‌رسم‌ما‌يسمق‌المتباين‌النصفي‪‌.‬‬

‫‪2‬‬
‫وتبعا‌لذل ‌فن ‌بيم‌(‪‌)γ‬أي ا‌ستكو ‌افرا‌والباد‌وأ ‌تمار‌مان‌منشاأ‌الرسام‌أي‌مان‌القيماة‌‬
‫افر‪‌.‬لنفرذ‌اآل ‌أننا‌ابتعدنا‌بليال‌بالعينات‌عن‌بع ها‌البعض‌وبهاذا‌ساتكو ‌بيماة‌موجباة‌ولاو‌‬
‫بليلة‌للمتباين‌النصفي‪‌‌.‬وكل‌ما‌ابتعادت‌العيناات‌عان‌بع اها‌بع اا‌الباد‌وأ ‌تزياد‌الفاروق‪‌.‬وفاي‌‬
‫الحاالت‌المثالية‌عندما‌تصب ‌المسافات‌بين‌العينات‌كبيرة‌جدا‌البد‌وأ ‌تصب ‌بيم‌العينات‌مستقلة‌‬
‫عن‌بع ها‌البعض‪‌.‬وبهذا‌تصب ‌بيم‌المتباين‌النصفي‌ثابتة‪‌.‬وبماا‌أ ‌المتبااين‌النصافي‌يحساب‌لناا‌‬
‫الفروبات‌بين‌العينات‌المستقلة‌فن ‌الشكل‌المثالي‌لال‌يبينال‌الشاكل‪‌.3-1‬وهاذا‌الشاكل‌يمثال‌بالنسابة‌‬
‫لحاسبي‌كميات‌الخامات‌ما‌يمثلل‌شكل‌التوزيع‌الطبيعي‌بالنسبة‌لالحصائيين‪‌.‬إ ‌هاذا‌الشاكل‌عاادة‌‬
‫ما‌يسمق‌موديل‌أو‌نموذج‌ماثيرو ‪‌.‬‬
‫‌‬

‫‌‬
‫‌‬
‫الشكل‌‪‌:3-1‬شكل‌مثالي‌لـلمتباين‌النصفي‪‌.‬‬
‫‌‬
‫هذا‌ويرمز‌إلق‌المساافة‌التاي‌تصاب ‌العيناات‌عنادها‌مساتقلة‌عان‌بع اها‌الابعض‌باالرمز‌‪‌a‬‬
‫ويسامق‌مادى‌تاأثير‌العيناة‪‌.‬وأماا‌بيماة‌المتبااين‌النصافي‌(‪‌)γ‬التاي‌يبادأ‌عنادها‌الرسام‌فاي‌االساتواء‌‬
‫فيرمااز‌لهااا‌بااالرمز‌‪‌C‬وتساامق‌عتبااة‌‪ Sill‬المتباااين‌النصاافي‪‌.‬هااذا‌ويعباار‌عاان‌النمااوذج‌الكااروي‌‬
‫للمتباين‌النصفي‌ريا يا‌علق‌النحو‌التالي‪‌:‬‬
‫‪ 3h h 3 ‬‬
‫عندما‌تكو ‌ ‪‌  (h)  C   3  ‌‌‌‌‌‌‌‌‌‌‌h ≤ a‬‬
‫‪ 2a 2a ‬‬

‫‌‬ ‫‌‌‌‌‌‌‌عندما‌تكو ‌ ‪h ≥ a  (h)  C‬‬

‫‌‬
‫وفي‌األال‌وكما‌هو‌الحاال‌بالنسابة‌للتاوزع‌الطبيعاي‌فقاد‌تام‌اشاتقاق‌هاذا‌النماوذج‌اعتماادا‌‬
‫علق‌أساس‌نظرياة‌ولكان‌وجاد‌أ ‌لال‌تطبيقاا‌عملياا‌واساعا‪‌.‬إ ‌هنالا ‌العدياد‌مان‌نمااذج‌المتبايناات‌‬
‫النصفية‌ولكن‌بلل‌منها‌األكثر‌استخداما‪‌.‬‬
‫‪6‬‬
‫هناااك‌نمااوذج‌متباااين‌نصاافي‌بعتبااة‌‪‌Sill‬يباادو‌وأناال‌بااد‌وجااد‌تطبيقااا‌عمليااا‌آال‌وهااو‌نمااوذج‌‬
‫المتباين‌النصفي‌األسي‌والذي‌يعبر‌عنل‌ريا يا‌كالتالي‪‌:‬‬
‫‌‬
‫‪ (h)  C1  exp(h / a)‬‬ ‫‌‬
‫هااذا‌النمااوذج‌يباازم‌تاادريجيا‌ماان‌مركااز‌الرساام‌ويعكااس‌النمااوذج‌الكااروي‌ونااادرا‌مااا‌تصاال‌عتبتاال‌‬
‫الخااة‌بل‪‌.‬يري‌الشكل‌‪‌4-1‬نموذج‌كروي‌وآخر‌أسي‌لهما‌نفس‌مدى‌التأثيرونفس‌العتبة‪‌.‬‬

‫‌‬
‫الشكل‌‪‌:4-1‬مقارنة‌بين‌نموذجين‌كروي‌وأسي‌لهما‌مدى‌واحد‌وعتبة‌واحدة‌وميل‬
‫مختلف‪‌.‬‬
‫‌‬
‫هااذا‌ويمثاال‌الشااكل‌‪‌‌1-1‬مقارنااة‌اخارى‌بااين‌نمااوذجين‌أحاادهما‌كااروي‌واآلخاار‌أسااي‌باانفس‌‬
‫‌في‌الفصل‌الثاني‪‌.‬‬ ‫العتبة‌‌ودرجة‌الميل‪‌.‬والهدف‌من‌هذ ‌المقارنة‌سوف‌يت‬

‫‌‬
‫شكل‌‪‌:1-1‬مقارنة‌بين‌نموذجين‌أحدهما‌كروي‌واألخر‌أسي‌ولهما‌نفس‌الميل‪‌.‬‬
‫‌‬
‫من‌أهم‌خواص‌النماذج‌التي‌لها‌عتبة‪‌،‬من‌الناحية‌الريا اية‌البحتال‌ومان‌الناحياة‌التطبيقياة‌‬
‫اي ا‪‌،‬هو‌أ ‌بيمة‌العتباة‌ ‪‌C‬تسااوي‌بيماة‌تبااين‌التركياز‌‪‌.Variance‬فانذا‌ماا‌اساتطعت‌أ ‌تأخاذ‌‬

‫‪1‬‬
‫مجموعااة‌ماان‌العينااات‌العشااوائية‌ماان‌أي‌خااام‌وأ ‌تحسااب‌بيمااة‌التباااين‌‪‌Variance‬علااق‌النحااو‌‬
‫التالي‪‌:‬‬

‫‪1‬‬ ‫‌‬
‫‪s ‬‬
‫‪2‬‬

‫‪n 1‬‬
‫‪‬‬ ‫‪( gi  g )2‬‬
‫‌‬
‫حيث‬ ‫‌‬
‫‪1‬‬
‫‪g‬‬
‫‪n‬‬
‫‪ gi‬‬ ‫‌‬
‫‌‬
‫فن ‌كل‌من‌‪‌‌s2‬و‌‪‌C‬ساتكو ‌التقادير‌الحقيقاي‌لتغيار‌العيناات‌هاذا‌وسانبين‌الحقاا‌أ ‌العالباة‌‬
‫بين‌كل‌من‌‪‌C‬و‌‪‌s2‬سيكو ‌لها‌عالبات‌مدى‌متباعدة‪‌.‬كما‌ويوجد‌هنال ‌اي ا‌نماذج‌ال‌عتبة‌لهاا‪‌.‬‬
‫ابسطها‌النموذج‌الخطي‌‪‌Linear Model‬‬
‫‌‬
‫‪ (h)  ph‬‬
‫‌‬
‫حياث‌‪‌p‬تمثال‌مياال‌المساتقيم‪‌.‬وكامتااداد‌لهاذا‌النماوذج‌هنالا ‌أي اا‌النمااوذج‌الخطاي‌المااؤبلم‌‬
‫‪‌‌Regionalized Linear Model‬‬

‫‪ (h)  ph‬‬

‫‌‬
‫حيث‌أ ‌بيمة‌‪‌λ‬تتراوي‌بين‌افر‌و‪(‌2‬بحيث‌ال‌تكو ‌مساوية‌لـ‪‌،)2‬هذا‌ويمثل‌الشكل‌‬
‫‪‌2-1‬النموذج‌المذكور‌بقيم‌متفاوتة‌لـ‌‪‌.λ‬‬
‫‌‬

‫‌‬
‫الشكل‌‪‌:2-1‬النماذج‌الخطية‌والخطية‌المؤبلمة‪‌.‬‬
‫‌‬

‫‪3‬‬
 ‫هنال ‌نموذج‌آخر‌بعتبة‌ويسمق‌نموذج‌‪‌de Wijsian‬‬
‫)‪ (h)  3 log e (h‬‬ ‫‌‬
‫‌‬
‫حيث‌يكو ‌المتباين‌النصفي‌مستقيما‌إذا‌ما‌رسم‌بحيث‌يبين‌العالبة‌مع‌لوغاريثماات‌الفاروق‪‌.‬كماا‌‬
‫وأ ‌هنالا ‌نمااوذج‌اخاار‌فااي‌الطبيعااة‌يصااف‌المتباااين‌النصاافي‌بظاااهرة‌عشااوائية‌بحتااة‪‌.‬وبصااورة‌‬
‫فعلية‌فننل‌نموذج‌كروي‌ذو‌مدى‌تأثير‌بليل‪‌.‬إ ‌ظاهرة‌التشذر‌‌‪‌Nugget Effect‬تعطي‌بـ‌‬

‫‪‌  (0)  0‬‬

‫عندما‌‪‌  (h)  Co ‌‌‌‌‌h>0‬‬
‫‌‬
‫ومماا‌يجادر‌ذكار ‌أ ‌المتبااين‌النصافي‌المعبار‌عان‌ظااهرة‌عشاوائية‌الباد‌وأ ‌تكاو ‌بيمتاال‌‬
‫افرا‌علق‌مسافة‌افر‌وأ ‌عينتين‌مأخوذتين‌من‌نفس‌المكا ‌البد‌وأ ‌تكو ‌لهما‌نفس‌القيمة‪‌.‬‬
‫‌‬
‫وفااي‌الوابااع‪‌،‬فاان ‌الكثياار‌ماان‌المتباينااات‌النصاافية‌يعباار‌عاان‌ماازيج‌ماان‌اثن اين‌أو‌أكثاار‌ماان‌‬
‫النماذج‌وهذا‌ما‌سيتبين‌في‌الفصل‌القادم‪‌.‬ولتلخيص‌مقدمتنا‌في‌علم‌الجيوحصااء‌إليا ‌الفر ايات‌‬
‫األساسية‌التالية‌الالزمة‌لتطبيقل‪‌:‬‬
‫‌‬
‫‌أ) أ ‌الفروق‌في‌بيم‌العينات‌تحدد‌فقط‌بالموبع‌الفراغي‌لهذ ‌العينات‌‬
‫‌) أننا‌مهتمو ‌فقط‌بمتوسط‌تباين‌الفروبات‌في‌بيم‌العينات‌وباذل ‌فان ‌ماا‌ننا ال‌مان‌أجلال‌‬
‫أي‌ما‌نحاول‌إثباتل‌أ ‌هذين‌المتغيرين‌يعتمدا ‌علق‌موابع‌العينات‌‌المكانياة‌بالنسابة‌إلاق‌‬
‫بع ها‌بع ا‬
‫جـ)‌ من‌أجل‌تسهيل‌األمور‌فنننا‌نفترذ‌أنل‌ال‌يوجد‌أي‌شي‌يمكن‌أ ‌يؤثر‌علق‌بايم‌العيناات‌‬
‫التي‌نتعامل‌معها‌ من‌حدود‌اهتمامنا‪‌.‬لذل ‌فنننا‌نهتم‌فقط‌بمتغير‌الفروبات‌في‌بيم‌العينات‪‌.‬‬
‫من‌خالل‌هذ ‌االفترا ات‌بدعنا‌فكرة‌المتباين‌النصفي‌ونابشنا‌الشكل‌الاذي‌نتوباع‌أ ‌يأخاذ ‪‌.‬‬
‫وفي‌الفصل‌القادم‌سوف‌نناابش‌كيفياة‌حساا ‌متبااين‌نصافي‌تجريباي‌وسانحاول‌أي اا‌ربطال‌‬
‫بأحد‌النماذج‌التي‌تمت‌منابشتها‪‌.‬‬
‫‌‬
‫‌‬

‫‪10‬‬
 ‫الفصل الثاني‬

‫المتباين النصفي ‪Semivarigoram‬‬

‫‌لنا‌في‌الفصل‌األول‌كيف‌نتج‌تعريف‌المتباين‌النصفي‌‌من‌فكرة‌"االستمرارية"‌و‌‬ ‫لقد‌و‬
‫"‌العالبة‌المرتبطة‌بالمكا ‌في‌داخل‌الخام"‪‌‌.‬والمتباين‌النصفي‌(‪‌)γ‬هو‌رسم‌و‪/‬أو‌معادلة‌‌تصف‌‬
‫الفروبات‌المتوبعة‌في‌بيم‌التركيز ‌بين‌أزواج‌من‌عينات‌ذات‌اتجاهات‌معينة‪‌.‬وبد‌نابشنا‌اي ا‌‬
‫األشكال‌المثالية‌التي‌يمكن‌أ ‌يتخذها‌المتباين‌النصفي‪‌.‬هذا‌وسنقوم‌اآل ‌بمنابشة‌متباينات‌نصفية‌‬
‫محسوبة‌أو‌تجريبية‪‌.‬‬
‫‌‬
‫لنأخذ‌بعين ‌االعتبار‌القيم‌المعطاة‌في‌شكل‌‪‌ 1-2‬والتي‌تمثل‌خام‌حديد‌طبابي‌الشكل‪‌ ،‬حفرت‌‬
‫خاللل ‌مجموعة ‌من ‌اآلبار ‌عموديا ‌علق ‌ميل ‌الخام‪‌ .‬والقيمة ‌المعطاة ‌في ‌كل ‌موبع ‌هي ‌متوسط‌‬
‫تركيز‌الحديد‌)‪‌2 (wt%‬للعينة‌اللبية‌علق‌طول‌جسم‌الخام‌(انظر‌الشكل‌‪‌.)2-2‬أساسا‌هذ ‌مشكلة‌‬
‫ثنائية ‌األبعاد‪‌ ،‬بحيث ‌أ ‌‪ ‌ h‬في ‌تعريفنا ‌للمتباين ‌النصفي ‌تعتمد ‌علق ‌المسافة ‌بين ‌أزواج ‌العينات‌‬
‫واتجاهها‌النسبي‌في‌مستوى‌ثنائي‌األبعاد‌‬
‫‌‬

‫‌‬
‫‌‌‌‌‌‌‌‌‌الشكل‌‪:‌1-2‬مثال‌لبيانات‌‌مسقطة‌علق‌شبكة‌لحسا ‌المتباين‌النصفي‌التجريبي‪‌.‬‬

‫‪11‬‬
 ‫‌‬
‫الشكل‌‪‌:2-2‬مقطع‌رأسي‌في‌تو ع‌خام‌حديد‪‌.‬‬
‫‌‬
‫دعونا‌نقوم‌اآل ‌ببناء‌متباين‌نصفي‌في‌اتجا ‌شربي‪-‬غربي‪‌ .‬وبما‌أ ‌الحفر‌بد‌تم‌علق‌شبكة‌‬
‫مربعة‌وحدتها‌ذات‌أبعاد‌ ‌ ‌‌‪‌ 100 x 100‬بدم‌فننل‌بامكاننا‌أ ‌نقوم‌بحسا ‌المتباينات‌النصفية‌‬
‫علق ‌مسافات ‌‪‌ 100‬بدم ‌أو ‌م اعفاتها‪‌ .‬علق ‌المسافة ‌افر ‌ ‌بيمة ‌‪‌ =‌ γ‬افر‪‌ .‬أما ‌علق ‌مسافة‌‬
‫‪100‬بدم‌ ‌ فننل‌يتوجب‌علينا‌أ ‌نحدد‌أوال‌أزواج‌العينات‌التي‌تبعد‌عن‌بع ها‌البعض‌‪‌ 100‬بدم‌‬
‫في‌اتجا ‌شرق‪-‬غر ‪‌.‬هذ ‌األزواج‌مبينل‌في‌الشكل‌‪‌.3-2‬‬
‫‌‬

‫‌‬
‫الشكل‌‪‌‌:3-2‬تحديد‌أزواج‌العينات‌التي‌تبعد‌عن‌بع ها‌البعض‌‪‌100‬بدم‌في‌اتجا ‌شرق‪-‬غر ‪‌.‬‬

‫‪12‬‬
‫والحسا ‌حسب ‌التعريف ‌ينص ‌علق‪‌ :‬حسا ‌الفرق ‌لكل ‌زوج ‌من ‌العينات ‌التي ‌تم‌‬
‫تحديدها‪‌ ‌ ،‬ثم ‌تربيع ‌هذ ‌الفروبات‪‌ ‌ ،‬ثم ‌جمع ‌مربعات ‌الفروبات‪‌ ‌ ،‬وأخيرا ‌نقوم ‌بقسمة ‌مجموع‌‬
‫مربع‌الفروبات‌علق‌ عف‌عدد‌أزواج‌العينات‪‌‌،‬وفي‌مثالنا‪‌:‬‬
‫‪γ*(100) = [‌(40-42)2+‌(42-40)2+‌(40-39)2+‌(39-37)2‬‬
‫‪+(37-36)2+‌(43-42)2+‌(42-39)2+‌(39-39)2‬‬
‫‪+(39-41)2+‌(41-40)2+‌(40-38)2+‌(37-37)2‬‬
‫‪+(37-37)2+‌(37-35)2+‌(35-38)2+‌(38-37)2‬‬
‫‪+(37-37)2+‌(37-33)2+‌(33-34)2+‌(35-38)2‬‬
‫‪+(36-37)2+‌(37-36)2+‌(36-36)2+‌(36-35)2‬‬
‫‪+(36-35)2+‌(35-36)2+‌(36-35)2+‌(35-34)2‬‬
‫]‪+(38-37)2+(37-35)2+(29-30)2+(30-32)2‬‬
‫)‪÷(2×36‬‬
‫‪γ*(100) = 1.46(%)2‬‬
‫وبهذا‌نكو ‌بد‌حصلنا‌علق‌نقطة‌يسهل‌إسقاطها‌علق‌رسم‌يمثل‌متباين‌نصفي‌ ‌تجريبي‌*‪‌γ‬‬
‫مقابل‌المسافة‌‪‌ h‬بمعنق‌أ ‌هذ ‌النقطة‌سيكو ‌لها‌االحداثيات‌(‪‌ 100‬بدم‪‌ )2‌ (%) 1.42‌،‬لنجعل‌‬
‫اآل ‌المسافة‌بين‌أزواج‌العينات‌‌‪ 200‬بدم‪‌.‬الشكل‌‪‌4-2‬يرينا‌أزواج‌العينات‌التي‌تبعد‌عن‌‌‬
‫‌‬

‫‌‬
‫الشكل‌‪‌:4-2‬تحديد‌أزواج‌العينات‌التي‌تبعد‌عن‌بع ها‌البعض‌‪‌‌200‬بدم‌في‌اتجا ‌شرق‌غر ‪‌.‬‬

‫‪13‬‬
‫بع ها‌البعض ‌‪ 200‬بدم‌‌في‌اتجا ‌شرق‌‪‌-‬غر ‪‌.‬وفي‌هذ ‌الحالة‌يكو ‌الحسا ‌علق‌النحو‌‬
‫التالي‪‌:‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫)‪ * (200) = [(44 - 40)2+ (40 - 40) + (42 - 39) + (40 - 37‬‬
‫‪+(39 - 36)2+ (42 - 43)2+ (43 - 39)2+ (42 - 39)2‬‬
‫‪+(39 - 41)2+ (39 - 40)2+ (41 - 38)2+ (37 - 37)2‬‬
‫‪+(37 - 35)2+ (37 - 38)2+ (35 - 37)2+ (38 - 37)2‬‬
‫‪+(37 - 33)2+ (37 - 34)2+ (38 - 35)2+ (35 - 36)2‬‬
‫‪+(37 - 36)2+ (36 - 35)2+ (36 - 36)2+ (35 - 35)2‬‬
‫‪+(36 - 34)2+ (35 - 33)2+ (34 - 32)2+ (33 - 29)2‬‬
‫‪+(32 - 28)2+ (38 - 35)2+ (35 - 30)2+ (30 - 29)2‬‬
‫)‪+(29 - 32)2] /(2 x 33‬‬
‫‪2‬‬
‫)‪ * (200) = 3.30(%‬‬

‫‌من‌مثالنا‌فنننا‌‬ ‫والقيمة‌الجديدة ‌(‪‌ γ*)200‬نسقطها‌علق‌الرسم‌مقابل‌ ‌‪‌ 200‬بدم‪‌ .‬وكما‌هو‌وا‬

‫سنستمر‌إلق‌مسافة‌‪‌ 100‬بدم‌والتي‌سنجد‌لها‌‪‌ 1‬أزواج‪‌.‬وفي‌وابع‌األمر‌فنننا‌نادرا‌ما‌نتخطق‌‬
‫نصف‌المدى‌الذي‌تم‌أخذ‌عينات‌منل‌‌(في‌حالتنا‌هذ ‌‌‌‪‌‌400‬بدم)‪‌.‬هذا‌ويري‌الجدول‌‪‌1-2‬القيم‌‬
‫التجريبية ‌‌للمتباين‌النصفي‌‌محسوبة‌باتجاهين‪‌،‬شرق‪-‬غر ‪‌،‬وشمال‪-‬جنو ‪‌،‬كما‌إ ‌شكل‌‪‌1-2‬‬
‫يمثل‌هذ ‌القيم‌في‌االتجاهين‌المذكورين‪‌.‬‬
‫‌‬
‫جدول ‪ :1-2‬حساب المتباين النصفي التجريبي باتجاهين لمثال خام الحديد المسقط على‬
‫الشبكة المربعة‪.‬‬
‫‌‬
‫المسافة بين العينات‬ ‫‌‬
‫االتجاه‬ ‫المتباين النصفي التجريبي‬ ‫عدد األزواج‬
‫(قدم)‬
‫‪100‬‬ ‫‪1.46‬‬ ‫‪36‬‬ ‫‌‬
‫شرق‌‪-‬غر‬
‫‪200‬‬ ‫‪3.30‬‬ ‫‪33‬‬
‫‪300‬‬ ‫‪4.31‬‬ ‫‪27‬‬
‫‪400‬‬ ‫‪6.70‬‬ ‫‪23‬‬

‫‪100‬‬ ‫‪5. 35‬‬ ‫‪36‬‬

‫شمال‌‪‌-‬جنو‬
‫‪200‬‬ ‫‪9.87‬‬ ‫‪27‬‬
‫‪300‬‬ ‫‪18.88‬‬ ‫‪21‬‬

‫‪14‬‬
 ‫‌‬
‫‌‬
‫الشكل‌‪ :1-2‬المتباينات‌النصفية‌التجريبية‌في‌االتجاهين‌الرئيسين‌لمثال‌خام‌الحديد‪‌.‬‬

‫الجدول ‪ :2-2‬حس اب المتباين النصفي في اتجاه قطري لخام الحديد‬

‫المسافة بين العينات‬ ‫عدد‬
‫االتجاه‬ ‫المتباين النصفي التجريبي‬
‫(قدم)‬ ‫االزواج‬

‫االتجا ‌الشمالي‌‬ ‫‪141‬‬ ‫‪7.06‬‬ ‫‪32‬‬

‫الغربي‌–‌الجنوبي‌‬ ‫‪282‬‬ ‫‪12.95‬‬ ‫‪21‬‬
‫الشربي‬ ‫‪424‬‬ ‫‪30.85‬‬ ‫‪13‬‬
‫‌‬
‫وكما‌يبدو‌من‌هذا‌الشكل‌فن ‌هنال ‌فربا‌مميزا‌في ‌بنائية‌ ‌الخام‌في‌االتجاهين‌المذكورين‪‌،‬هذا‌‬
‫ويرتفع‌المتباين‌النصفي‌في‌اتجا ‌شمال‌‪‌-‬جنو ‌بصورة‌أكثر‌تميزا‌عنها‌في‌اتجا ‌شرق‌‪-‬غر ‪‌.‬‬
‫الشيء‌الذي‌يعني‌استمرارية‌أعظم‌في‌االتجا ‌شرق‪-‬غر ‪‌.‬ومن‌أجل‌تأكيد‌ذل ‌علينا‌أ ‌نحسب‌‬
‫المتباين‌الصفي‌في‌اتجا ‌بطري‌واحد‌علق‌األبل‌(شمال‌غر ‌‪‌-‬جنو ‌شرق)‌والحسابات‌‌مبينة‌‬
‫علق‌نفس‌الرسم‌ومدونة‌في‌جدول‌‪ ‌.2-2‬طبعا‌المسافات‌التي‌يتم‌الحسا ‌عليها‌في‌هذ ‌الحالة‌‬
‫هي ‌عبارة ‌عن ‌م اعفات ‪‌ ‌ . 100 2‬وكما ‌يبدو ‌فن ‌المتباين ‌النصفي ‌أبر ‌إلق ‌االتجا ‌شمال‪-‬‬
‫جنو ‌منل‌إلق‌االتجا ‌شرق‪-‬غر ‪‌.‬والنتائج‌التي‌يمكن‌التوال‌إليها‌في‌هذ ‌الحالة‌هي‪‌:‬‬
‫‌‬
‫‪‌ -1‬يلزم ‌مزيد ‌من ‌المعلومات ‌لكي ‌يتم ‌تحديد ‌محور ‌عدم ‌التماثل ‌الفعلي ‌ ‪True axes of‬‬
‫‪‌.anisotropy‬‬
‫‪‌-2‬يجب‌ أ ‌ال‌نتفائل‌بأ ‌الشبكة‌التي‌تم‌علق‌أساسها‌الحفر‌بد‌أرسيت‌دعائمها‌بشكل‌جيد‪‌.‬‬

‫‪11‬‬
‫‪‌-3‬يجب‌أ ‌نقرر‌فيما‌إذا‌كانت‌القيم‌األخيرة‌في‌المتباين‌النصفي‌النظري‌ممكن‌أخذها‌بعين‌‬
‫االعتبار‌أم‌ال‪‌،‬خصواا‌وأنها‌تعتمد‌علق‌عدد‌بليل‌من‌أزواج‌العينات‌(‌‪‌13‬زوج)‌بالمقارنة‌مع‌‬
‫القيمة‌القليلة‌للمتباين‌النصفي‌والمحسوبة‌بـ‌‪‌‌32‬و‌‪‌21‬زوج‌من‌العينات‪‌.‬فهل‌ن ع‌في‌آخر‌بيمة‌‬
‫مستوى ‌من ‌الثقة ‌يعادل ‌ثلثي ‌الثقة ‌المو وعة ‌في ‌القيمة ‌ما ‌ببل ‌األخيرة؟ ‌ ‌لقد ‌عملت ‌هنال ‌‬
‫‌أنل ‌كلما ‌بل ‌عدد ‌األزواج‌‬ ‫محاوالت ‌من ‌هذا ‌الطراز ‌في‌‪‌ .Fountainblue‬عموم‌ا ا ‌من ‌الوا‬
‫المحسو ‌منها‌بيمة‌المتباين‌النصفي‌كلما‌بلت‌الثقة‌فيل‪‌.‬‬
‫‌‬
‫إ ‌بيمة‌المتباين‌النصفي‌في‌االتجا ‌الشربي‌‪‌-‬الغربي‌تبدو‌أكثر‌وابعية‌وثباتا‌وتري‌ميال‌‬
‫بيمتل‪‌:‬‬
‫‌(‪‌2)%(‌0,01221‌=‌400‌÷‌2)%2,1‬بدم‪‌.‬‬
‫ومن‌هنا‌فن ‌بيمة‌المتباين‌النصفي‌‌النظري‌لالتجا ‌الشربي‌–‌‌الغربي‌تساوي‌‬
‫‪γ(h) = 0.01625 h (%)2‬‬
‫وبالنسبة‌لالتجا ‌الشمالي‌–‌الجنوبي‌يبدو‌الثاني‌معقوال‪‌:‬‬
‫‪γ(h) = 0.05 h (%)2‬‬
‫‌‬
‫بمعنااق‌أننااا‌فااي‌االتجااا ‌شاارق‌‪‌-‬غاار ‌نتوبااع‌فربااا‌مربعااا‌تمثلاال‌القيمااة‌‪‌0.01221‬لكاال‌باادم‌بااين‌‬
‫العينات‪‌.‬وبطريقة‌أخرى‌فن ‌الفرق‌المتوبع‌‌في‌بيمة‌تركيزالحدياد‌‌يسااوي‌‌‪‌0.1275%‬باين‌كال‌‬
‫عينتين‌تبعدا ‌عن‌بع هما‌مسافة‌بدم‌واحاد‪‌.‬وفاي‌االتجاا ‌شامال‌‪‌‌-‬جناو ‌يكاو ‌الفارق‌المتوباع‌‬
‫‪‌.Fe‌%‌0.2232‬وأما‌بالنسبة‌لعينتين‌تبعدا ‌‪‌100‬بدم‌فسيكو ‌الفرق‌في‌االتجا ‌شارق‌‪‌-‬غار ‪‌:‬‬
‫‪‌‌Fe‌‌%‌1.261‬و‌‪‌Fe‌%2.232‬حديد‌شمال‌–‌جنو ‌وهكذا‪‌.‬وبهذا‌نكو ‌بد‌بنينا‌اورة‌عن‌‬
‫التغيرات‌في‌بيم‌التركيز‌في‌ذل ‌الجزء‌من‌جسم‌الخام‌وأ ‌لدينا‌نموذجا‌بسيطا‌لواف‌الفروبات‌‬
‫في‌بيم‌التركيز‪‌.‬‬
‫‌‬
‫لنأخذ‌اآل ‌مثاال‌آخر‪‌،‬الجدول‌‪‌3-2‬يبين‌معلومات‌عن‌أحد‌اآلبار‌التي‌تم‌حفرهاا‌فاي‌تمعاد ‌زنا ‌‬
‫ورااص‌منبث‌في‌اخور‌جيرية‪‌.‬تمثل‌الـ‌‌‪‌‌41‬مترا‌األولق‌ااخرا‌عاابرا‌وأماا‌بقياة‌اللاب‌فقاد‌‬
‫تم‌تقسيمل‌إلق‌مقاطع‌يبلغ‌طول‌الواحد‌منها‌‪‌1.12‬متر(‪‌1‬بدم)‪‌،‬وفي‌نقطة‌ما‌بد‌يتم‌فقد‌اللب‌ربما‌‬
‫أل ‌الحفر‌بد‌بلغ‌كهفا‌أو‌تجويفا‌أحدثتل‌الميا ‌الجوفية‌في‌الصخر‌الجيري‌المشار‌إليال‪‌‌.‬وكماا‌هاو‌‬
‫الحال‌في‌كثير‌من‌التو اعات‌الثالثياة‌األبعااد‌هنالا ‌الكثيار‌مان‌المعلوماات‌المفصالة‌تحات‌البئار‌‬
‫ولكن‌اآلبار‌عادة‌ما‌تكو ‌مبعثرة‪‌.‬والممارسة‌‌المتبعة‌والحالة‌هذ ‌هي‌عمل‌المتباين‌النصافي‌لماا‌‬

‫‪12‬‬
‫تحت‌البئر‌ثم‌ينظر‌بعد‌ذل ‌إلق‌االتجاهات‌األفقياة‌كماا‌عملناا‌فاي‌المثاال‌األول‪‌.‬وللتادريب‌دعوناا‌‬
‫نحسااب‌المتباااين‌النصاافي‌‌تحاات‌البئ ار‌المااذكورة‪‌.‬وماان‌الناحيااة‌الفعليااة‌فاان ‌المشااكلة‌‌فااي‌منتهااق‌‬
‫السهولة‌حيث‌لدينا‌عينات‌مأخوذة‌علق‌أبعاد‌متساوية‌وال‌يوجد‌إال‌فرام‌واحد‌لمسافة‌‬
‫‌‬
‫الجدول ‪ :3-2‬سجل بئر فرضي عن توضع رصاص وزنك‪ .‬والقيم للزنك‪.‬‬
‫العمق تحت أعلى‬ ‫)‪Zn(%‬‬ ‫العمق تحت أعلى‬ ‫)‪Zn(%‬‬
‫اللب‬ ‫اللب‬
‫‪45.40‬‬ ‫‪8.44‬‬ ‫‪98.60‬‬ ‫‪2.56‬‬
‫‪46.92‬‬ ‫‪6.21‬‬ ‫‪100.12‬‬ ‫‪4.48‬‬
‫‪48.44‬‬ ‫‪4.01‬‬ ‫‪101.64‬‬ ‫‪8.73‬‬
‫‪49.96‬‬ ‫‪3.23‬‬ ‫‪103.16‬‬ ‫‪9.64‬‬
‫‪51.48‬‬ ‫‪2.62‬‬ ‫‪104.68‬‬ ‫‪15.28‬‬
‫‪53.00‬‬ ‫‪1.20‬‬ ‫‪106.20‬‬ ‫لب‌مفقود‬
‫‪54.52‬‬ ‫‪1.02‬‬ ‫‪107.72‬‬ ‫لب‌مفقود‬
‫‪56.04‬‬ ‫‪0.62‬‬ ‫‪109.24‬‬ ‫لب‌مفقود‬
‫‪57.56‬‬ ‫‪0.20‬‬ ‫‪110.76‬‬ ‫لب‌مفقود‬
‫‪59.08‬‬ ‫‪0.14‬‬ ‫‪112.28‬‬ ‫‪7.56‬‬
‫‪60.60‬‬ ‫‪0.13‬‬ ‫‪113.80‬‬ ‫‪6.78‬‬
‫‪62.12‬‬ ‫‪0.24‬‬ ‫‪115.32‬‬ ‫‪7.16‬‬
‫‪63.64‬‬ ‫‪0.22‬‬ ‫‪116.84‬‬ ‫‪5.51‬‬
‫‪65.16‬‬ ‫‪0.24‬‬ ‫‪118.36‬‬ ‫‪2.61‬‬
‫‪66.68‬‬ ‫‪0.22‬‬ ‫‪119.88‬‬ ‫‪3.34‬‬
‫‪68.20‬‬ ‫‪0.35‬‬ ‫‪121.40‬‬ ‫‪6.80‬‬
‫‪69.72‬‬ ‫‪0.35‬‬ ‫‪122.92‬‬ ‫‪3.84‬‬
‫‪71.24‬‬ ‫‪0.34‬‬ ‫‪124.44‬‬ ‫‪3.21‬‬
‫‪72.76‬‬ ‫‪0.39‬‬ ‫‪125.96‬‬ ‫‪3.90‬‬
‫‪74.28‬‬ ‫‪0.66‬‬ ‫‪127.48‬‬ ‫‪3.58‬‬
‫‪75.80‬‬ ‫‪1.40‬‬ ‫‪129.00‬‬ ‫‪4.32‬‬
‫‪77.32‬‬ ‫‪4.35‬‬ ‫‪130.52‬‬ ‫‪6.00‬‬
‫‪78.84‬‬ ‫‪7.74‬‬ ‫‪132.04‬‬ ‫‪2.70‬‬
‫‪80.36‬‬ ‫‪7.06‬‬ ‫‪133.56‬‬ ‫‪3.72‬‬
‫‪81.88‬‬ ‫‪4.93‬‬ ‫‪135.08‬‬ ‫‪4.80‬‬
‫‪83.40‬‬ ‫‪3.05‬‬ ‫‪136.60‬‬ ‫‪6.31‬‬
‫‪84.92‬‬ ‫‪2.42‬‬ ‫‪138.12‬‬ ‫‪7.05‬‬
‫‪86.44‬‬ ‫‪1.34‬‬ ‫‪139.64‬‬ ‫‪7.24‬‬
‫‪87.96‬‬ ‫‪0.56‬‬ ‫‪141.16‬‬ ‫‪8.19‬‬
‫‪89.48‬‬ ‫‪0.53‬‬
‫‪91.00‬‬ ‫‪0.70‬‬
‫‪92.52‬‬ ‫‪1.01‬‬
‫‪95.56‬‬ ‫‪1.20‬‬
‫‪97.08‬‬ ‫‪1.87‬‬

‫‌‬

‫‪16‬‬
‫مقدارها ‌‪‌ 2.02‬م‪‌ .‬والجدول ‌‪‌ 4-2‬يمثل ‌المتباين ‌النصفي ‌التجريبي ‌المحسو ‌والشكل ‌‪‌ 6-2‬يمثل‌‬
‫العالبة‌بين‌المتباين‌النصفي‌والمسافة‪‌.‬‬

‫‌‬
‫الشكل‌‪ ‌:2-2‬متباين‌نصفي‌تجريبي‌يت من‌االتجا ‌القطري‌لمثال‌خام‌الحديد‪‌.‬‬
‫‌‬

‫‌‬
‫الشكل‌‪ ‌:6-2‬متباين‌نصفي‌محسو ‌من‌أحد‌اآلبار‌في‌جسم‌خام‌فر ي‌من‌الرااص‌والزن ‪‌.‬‬
‫‌‬
‫في‌مثل‌هذ ‌الحالة‌يقل‌عدد‌أزواج‌النقاط‌بصورة‌تدريجية‌وثابتة‌مع‌ازدياد‌المسافة‌‌من‌‬
‫‪‌11‬زوج‌لمسافة‌تساوي‌‪1.12‬م‌‌إلق‌‪‌21‬زوج‌لمسافة‌‪‌41.24‬م‪‌‌.‬ومن‌هنا‌فن ‌أكثر‌النقاط‌أهمية‌‬
‫في ‌الرسم ‌تل ‌التي ‌تمثل ‌المسافات ‌القريبة ‌ثم ‌تأخذ ‌الثقة ‌بالنقص ‌تدريجيا ‌وبانتظام‪‌ .‬يبدو ‌أ ‌‬
‫المتباين ‌ ‌النصفي ‌في ‌حالتنا ‌هذ ‌يقتر ‌من ‌الشكل ‌المثالي ‌الذي ‌سبق ‌وأ ‌تحدثنا ‌عنل ‌(شكل‌‬
‫ماثيرو )‌حيث‌يبزم‌من‌نقطة‌األال(‪‌)0‌ ،‌ 0‬ويبدأ‌في‌االستواء‌علق‌بعد‌‪11‬م‪‌،‬ويستمر‌بقليل‌‬

‫‪11‬‬
‫من‌التغير‌‌حول‌القيمة‌‪‌.2)%(10.1‬وباستطاعتنا‌أ ‌نطابق‌نموذجا‌كرويا‌للمتباين‌النصفي‌بدو ‌‬
‫عناء‪ ‌.‬علق‌أية‌حال‌دعونا‌نلقي‌نظرة‌علق‌التغيرات‌حول‌العتبة‪‌.‬هنال ‌انخفاذ‌في‌المنحنق‌عند‌‬
‫المسافة‌‪21‬م‌وآخر‌عند‌‪31‬م‪‌.‬وهناك‌فرق‌‌بليل‌بين‌العينات‌التي‌تبعد‌عن‌بع ها‌‪21‬م‌مقارنة‌‬
‫بالعينات‌التي‌تبعد‌عن‌بع ها‌‪11‬م‪‌‌.‬‬
‫‌‬
‫‌‌‌‌‌‌‌‌ الجدول ‪ :0-2‬متباين نصفي محسوب من توضع الرصاص والزنك‪.‬‬

‫المسافة‌بين‌‬ ‫المتباين‌‬ ‫عدد‌‬ ‫المسافة‌‬ ‫المتباين‌‬ ‫عدد‌‬

‫العينات‌(م)‬ ‫النصفي‌‬ ‫االزواج‬ ‫بين‌‬ ‫النصفي‌‬ ‫االزواج‬
‫‪2‬‬ ‫‪2‬‬
‫(‪)%‬‬ ‫العينات‌‬ ‫(‪)%‬‬
‫(م )‬
‫‪1.52‬‬ ‫‪1.33‬‬ ‫‪58‬‬ ‫‪25.84‬‬ ‫‪9.26‬‬ ‫‪39‬‬
‫‪3.04‬‬ ‫‪3.09‬‬ ‫‪56‬‬ ‫‪27.36‬‬ ‫‪11.09‬‬ ‫‪38‬‬
‫‪4.56‬‬ ‫‪5.03‬‬ ‫‪54‬‬ ‫‪28.88‬‬ ‫‪11.70‬‬ ‫‪37‬‬
‫‪6.08‬‬ ‫‪6.70‬‬ ‫‪52‬‬ ‫‪30.40‬‬ ‫‪11.25‬‬ ‫‪36‬‬
‫‪7.60‬‬ ‫‪8.26‬‬ ‫‪51‬‬ ‫‪31.92‬‬ ‫‪9.68‬‬ ‫‪36‬‬
‫‪9.12‬‬ ‫‪9.00‬‬ ‫‪50‬‬ ‫‪33.44‬‬ ‫‪8.60‬‬ ‫‪36‬‬
‫‪10.64‬‬ ‫‪9.67‬‬ ‫‪49‬‬ ‫‪34.96‬‬ ‫‪8.45‬‬ ‫‪36‬‬
‫‪12.16‬‬ ‫‪10.46‬‬ ‫‪48‬‬ ‫‪36.48‬‬ ‫‪9.15‬‬ ‫‪36‬‬
‫‪13.68‬‬ ‫‪11.44‬‬ ‫‪47‬‬ ‫‪38.00‬‬ ‫‪10.15‬‬ ‫‪35‬‬
‫‪15.20‬‬ ‫‪11.87‬‬ ‫‪46‬‬ ‫‪39.52‬‬ ‫‪11.70‬‬ ‫‪34‬‬
‫‪16.72‬‬ ‫‪11.39‬‬ ‫‪45‬‬ ‫‪41.04‬‬ ‫‪13.04‬‬ ‫‪33‬‬
‫‪18.24‬‬ ‫‪11.33‬‬ ‫‪44‬‬ ‫‪42.56‬‬ ‫‪14.03‬‬ ‫‪32‬‬
‫‪19.76‬‬ ‫‪10.93‬‬ ‫‪43‬‬ ‫‪44.08‬‬ ‫‪14.98‬‬ ‫‪31‬‬
‫‪21.28‬‬ ‫‪10.48‬‬ ‫‪42‬‬ ‫‪45.60‬‬ ‫‪15.70‬‬ ‫‪30‬‬
‫‪22.80‬‬ ‫‪9.76‬‬ ‫‪41‬‬ ‫‪47.12‬‬ ‫‪15.94‬‬ ‫‪29‬‬
‫‪24.32‬‬ ‫‪9.21‬‬ ‫‪40‬‬ ‫‪48.64‬‬ ‫‪15.81‬‬ ‫‪28‬‬
‫‌‬
‫‌‬
‫‌‬
‫وإذا ‌ما ‌عدنا ‌إلق ‌بيم ‌ ‌التركيز ‌في ‌الجدول ‌األالي ‌للعينات ‌نستطيع ‌ا ‌نقرر ‌أ ‌االرتفاع‌‬
‫واالنخفاذ‌في‌بيم‌العينات‌شبل‌منتظم‪‌.‬كما‌ ‌أ ‌هناك‌منطقة‌غنية‌علق‌بعد‌‪24‬م‌من‌بداية‌الحفر‌‬
‫وأخرى‌علق‌بعد‌‪11‬م‪‌،‬وثالثة‌محتملة‌علق‌بعد‌‪102‬م‌حيث‌فقد‌اللب‪‌‌.‬والمسافات‌بين‌هذ ‌الموابع‌‬
‫‌‬

‫‪13‬‬
‫الغنية‌هي‌‪34‬م‪21‌ ،‬م‌علق‌الترتيب‪‌.‬وبهذا‌فن ‌المتباين ‌النصفي ‌التجريبي‌يجلب‌انتباهنا‌إلق‌‬
‫وجود‌موابع‌غنية‌تحت‌فتحة‌البئر‪‌.‬إ ‌مثل‌هذ ‌االستنتاجات‌البد‌من‌مراجعتها‌باستخدام‌نتائج‌‬
‫من ‌آبار ‌أخرى ‌و‪/‬أو ‌معلومات ‌عن ‌التو ع ‌(التركيز)‪‌ .‬هذا ‌وإذا ‌ما ‌حصلنا ‌علق ‌نفس ‌النموذج‌‬
‫للمتباين ‌النصفي ‌ فنننا ‌نتوبع ‌أ ‌يكو ‌شكل ‌التو ع ‌عدسيا ‌او ‌طبابيا‪‌ ‌.‬وإذا ‌لم ‌تري ‌بقية ‌اآلبار‌‬
‫نفس ‌االرتفاعات ‌واالنخفا ات ‌فن ‌معنق ‌ذل ‌البد ‌وأ ‌يكو ‌تغيرات ‌محلية‪‌ .‬لقد ‌أخذت‌‬
‫المعلومات ‌التي ‌تمت ‌منابشتها ‌من ‌خام ‌لل ‌شكل ‌عدسي‪‌ .‬وهذا ‌مثال ‌لما ‌يمكن ‌أ ‌يحدث ‌إذا ‌ما‌‬
‫تكررت‌(التوجهات)‌وتم‌تجاهلها‪‌.‬من‌الناحية‌األخرى‌لعمل‌تقدير‌علق‌مسافات‌بليلة‪‌،‬ولنقل‌‪20‬م‌‬
‫في‌اتجا ‌رأسي‪‌،‬فن ‌النموذج‌الكروي‌يمكن‌أ ‌يكو ‌مناسبا‪‌.‬‬
‫‌‬
‫جميع ‌األمثلة‌التو يحية‌التي‌تمت‌منابشتها‌لغاية‌اآل ‌عملت‌علق‌مجموعات‌اغيرة‌من‌‬
‫البيانات ‌بحيث ‌يتمكن ‌القارم ‌من ‌اختبار ‌فهمة ‌آللية ‌الحسا ‌بمحاولتل ‌إعادة ‌الحصول ‌علق‌‬
‫الجوا ‪‌.‬وأما‌عملية‌واف‌المتباين‌النصفي ‌التجريبي‌فهي‌مسألة‌اخرى‌تصب ‌أكثر‌سهولة‌مع‌‬
‫المرا ‪‌.‬لذل ‌فننني‌أرغب‌في‌ايراد‌بعض‌أمثلة‌للمتباين‌النصفي‌من‌خبرتي‌الخااة‪‌.‬الجدول‌‪-2‬‬
‫‪‌ 1‬يمثل ‌متباين ‌نصفي ‌ ‌تجريبي ‌حسب ‌علق ‌بيم ‌ف ة ‌من ‌عينات ‌أخذت ‌من ‌تو ع ‌طبابي ‌في‌‬
‫كبريتيدات ‌فلزات‌باعدية‌منبثل‪ ‌ .‬تم‌حفر‌نفق‌أفقي‌في‌الخام‌ثم‌أخذت‌عينات‌بنوانية‌‌ ‪Channel‬‬
‫‪‌samples‬كل‌متر‌علق‌طول‌جدار‌النفق‪‌.‬وبما‌أ ‌عرذ‌الخام‌متغير‌حسب‌المحتوى‌التراكمي‌‬
‫‪(‌ Accumulation‬التركيز*السماكة) ‌لكل ‌عينة‪‌ .‬تمت ‌معاينة ‌‪400‬م ‌بهذ ‌الطريقة‪‌ .‬يعبرعن‌‬
‫وحدات ‌المحتوى ‌التراكمي ‌بـمتر ‌مئوي ‌(م‪‌ ‌ )%‬وبذل ‌فن ‌بيم ‌المتباين ‌النصفي ‌التجريبي ‌هي‌‬
‫(م‪‌.2)%‬الشكل‌‪‌1-2‬يرى‌رسما‌للمتباين‌النصفي‌مقابل‌المسافة‪‌.‬تمثل‌النقاط‌عند‌القاعدة‌شبل‌خط‌‬
‫مستقيم‪‌.‬وهذ ‌خااية‌لمعظم‌نماذج‌المتباينات‌النصفية‌الشائعة‪‌.‬‬

‫‌‬
‫الشكل‌‪‌:1-2‬متباين‌نصفي‌تجريبي‌مبني‌علق‌بيم‌ف ة‌من‌تو ع‌معقد‌كبريتيدي‪‌.‬‬
‫‪20‬‬
‫الجدول ‪ :5-2‬متباين نصفي تجريبي لنفق طوله ‪044‬م‪ -‬قيم فضة‪.‬‬
‫‌‬
‫المسافة بين‬ ‫المتباين النصفي‬ ‫المسافة بين‬ ‫المتباين النصفي‬
‫العينات (م)‬ ‫التجريبي‬ ‫العينات (م)‬ ‫التجريبي‬
‫‪1‬‬ ‫‪0.42‬‬ ‫‪51‬‬ ‫‪10.22‬‬
‫‪2‬‬ ‫‪0.72‬‬ ‫‪52‬‬ ‫‪9.96‬‬
‫‪3‬‬ ‫‪0.92‬‬ ‫‪53‬‬ ‫‪11.64‬‬
‫‪4‬‬ ‫‪1.36‬‬ ‫‪54‬‬ ‫‪11.93‬‬
‫‪5‬‬ ‫‪1.69‬‬ ‫‪55‬‬ ‫‪12.62‬‬
‫‪6‬‬ ‫‪2.03‬‬ ‫‪56‬‬ ‫‪11.35‬‬
‫‪7‬‬ ‫‪1.95‬‬ ‫‪57‬‬ ‫‪10.18‬‬
‫‪8‬‬ ‫‪2.75‬‬ ‫‪58‬‬ ‫‪10.69‬‬
‫‪9‬‬ ‫‪3.65‬‬ ‫‪59‬‬ ‫‪10.03‬‬
‫‪10‬‬ ‫‪4.05‬‬ ‫‪60‬‬ ‫‪9.81‬‬
‫‪11‬‬ ‫‪3.44‬‬ ‫‪61‬‬ ‫‪10.23‬‬
‫‪12‬‬ ‫‪3.55‬‬ ‫‪62‬‬ ‫‪11.85‬‬
‫‪13‬‬ ‫‪3.24‬‬ ‫‪63‬‬ ‫‪11.27‬‬
‫‪14‬‬ ‫‪3.07‬‬ ‫‪64‬‬ ‫‪13.01‬‬
‫‪15‬‬ ‫‪4.52‬‬ ‫‪65‬‬ ‫‪13.61‬‬
‫‪16‬‬ ‫‪5.23‬‬ ‫‪66‬‬ ‫‪14.17‬‬
‫‪17‬‬ ‫‪6.53‬‬ ‫‪67‬‬ ‫‪11.75‬‬
‫‪18‬‬ ‫‪6.41‬‬ ‫‪68‬‬ ‫‪9.91‬‬
‫‪19‬‬ ‫‪5.98‬‬ ‫‪69‬‬ ‫‪10.12‬‬
‫‪20‬‬ ‫‪5.72‬‬ ‫‪70‬‬ ‫‪9.56‬‬
‫‪21‬‬ ‫‪5.26‬‬ ‫‪71‬‬ ‫‪10.91‬‬
‫‪22‬‬ ‫‪6.46‬‬ ‫‪72‬‬ ‫‪11.98‬‬
‫‪23‬‬ ‫‪7.01‬‬ ‫‪73‬‬ ‫‪12.13‬‬
‫‪24‬‬ ‫‪7.55‬‬ ‫‪74‬‬ ‫‪11.45‬‬
‫‪25‬‬ ‫‪8.06‬‬ ‫‪75‬‬ ‫‪12.14‬‬
‫‪26‬‬ ‫‪8.94‬‬ ‫‪76‬‬ ‫‪12.26‬‬
‫‪27‬‬ ‫‪8.48‬‬ ‫‪77‬‬ ‫‪11.69‬‬
‫‪28‬‬ ‫‪7.65‬‬ ‫‪78‬‬ ‫‪12.30‬‬
‫‪29‬‬ ‫‪7.04‬‬ ‫‪79‬‬ ‫‪11.63‬‬
‫‪30‬‬ ‫‪6.49‬‬ ‫‪80‬‬ ‫‪12.98‬‬
‫‪31‬‬ ‫‪7.26‬‬ ‫‪81‬‬ ‫‪15.78‬‬
‫‪32‬‬ ‫‪7.47‬‬ ‫‪82‬‬ ‫‪17.42‬‬
‫‪33‬‬ ‫‪7.66‬‬ ‫‪83‬‬ ‫‪16.72‬‬
‫‪34‬‬ ‫‪9.54‬‬ ‫‪84‬‬ ‫‪17.20‬‬
‫‪35‬‬ ‫‪10.98‬‬ ‫‪85‬‬ ‫‪17.16‬‬
‫‪36‬‬ ‫‪10.82‬‬ ‫‪86‬‬ ‫‪14.67‬‬
‫‪37‬‬ ‫‪10.58‬‬ ‫‪87‬‬ ‫‪14.12‬‬
‫‪38‬‬ ‫‪10.21‬‬ ‫‪88‬‬ ‫‪14.56‬‬
‫‪39‬‬ ‫‪10.08‬‬ ‫‪89‬‬ ‫‪16.04‬‬
‫‪40‬‬ ‫‪8.28‬‬ ‫‪90‬‬ ‫‪17.81‬‬
‫‪41‬‬ ‫‪8.08‬‬ ‫‪91‬‬ ‫‪20.96‬‬
‫‪42‬‬ ‫‪9.34‬‬ ‫‪92‬‬ ‫‪22.70‬‬
‫‪43‬‬ ‫‪9.55‬‬ ‫‪93‬‬ ‫‪23.20‬‬
‫‪44‬‬ ‫‪9.87‬‬ ‫‪94‬‬ ‫‪24.37‬‬
‫‪45‬‬ ‫‪10.45‬‬ ‫‪95‬‬ ‫‪23.67‬‬
‫‪46‬‬ ‫‪10.23‬‬ ‫‪96‬‬ ‫‪21.66‬‬
‫‪47‬‬ ‫‪8.87‬‬ ‫‪97‬‬ ‫‪21.44‬‬
‫‪48‬‬ ‫‪9.19‬‬ ‫‪98‬‬ ‫‪22.94‬‬
‫‪49‬‬ ‫‪10.19‬‬ ‫‪99‬‬ ‫‪22.29‬‬
‫‪50‬‬ ‫‪10.73‬‬ ‫‪100‬‬ ‫‪22.16‬‬

‫‌‬

‫‪21‬‬
‫يبزم‌المنحنق‌ثم‌يستوي‌عند‌بيمة‌‪(11‬م‪‌،2)%‬ثم‌يبزم‌من‌جديد‌أكثر‌فأكثر‪‌.‬وفي‌الوابع‌بعد‌‪61‬م‌‬
‫يمثل‌المنحنق‌بطعا‌مكافئا‌(‪‌.)Parabolic‬إ ‌هذا‌لدليل‌علق‌وجود‌توجهات‌‪‌Trends‬ذات‌أنماط‌‬
‫متعددة‌في‌الخام‪‌.‬وهنال ‌علق‌مسافات‌أكبر ‌يبدو‌أ ‌توجها‌يتغير‌بسالسة‪‌.‬هذا‌وإذا‌ما‌رغبنا ‌في‌‬
‫األخذ‌بعين‌االعتبار‌نقاطا‌تبعد‌عن‌بع ها‌البعض‌أكثر‌من‌‪61‬م‌في‌طرق‌التقدير‪‌ ،‬فن ‌علينا‌أ ‌‬
‫نأخذ‌بالحسبا ‌وجود‌مثل‌هذا‌التوجل‌(أنظر‌الفصل‌السادس)‪‌.‬عموما‌إذا‌ما‌حصرنا‌اهتمامنا‌في‌‬
‫منطقة‌ال‌يتعدى‌بطرها‌‪61‬م‌فنننا‌يمكن‌أ ‌نتجاهل‌آمنين‌هذ ‌المشكلة‪‌.‬‬

‫‌‬
‫الشكل‌‪‌:3-2‬التقدير‌األولي‌للنموذج‌ومعالمهللمتباين‌النصفي‌للف ة‪‌.‬‬
‫‌‬
‫دعونا ‌اآل ‌نلقي ‌نظرة ‌علق ‌المتباين ‌النصفي ‌لمسافة ‌بدرها ‌‪61‬م ‌فقط ‌(انظرالشكل ‌‪‌.)3-2‬‬
‫تظهر‌هناك‌عتبة‌عند‌القيمة‌‪(‌ 11‬م‪‌،2)%‬حيث‌رسم‌خط ‌ابقق‌علق‌الشكل‪‌.‬المتغير‌الذي‌يصعب‌‬
‫رؤيتل ‌هو ‌مدى ‌التأثير ‌‪‌ .a‬يمكن ‌أ ‌نري ‌ ‌كما ‌يظهر ‌في ‌حالة ‌استعمال ‌النموذج ‌الكروي‌‬
‫‪‌ ،Spherical‬ومن ‌الطبيعة ‌المنبسطة ‌ ‌للعتبة‪‌ ،‬أننا ‌إذا ‌رسمنا ‌خطا ‌من ‌خالل ‌النقاط ‌األولق‌‬
‫للمتباين‌النصفي ‌التجريبي‌فسوف‌يقطع‌العتبة‌علق‌مسافة‌تساوي‌ثلثي‌‪‌.a‬بعمل‌ذل ‌فن ‌الخط‌‬
‫المرسوم‌سوف‌يقطع‌المحور‌األفقي‌علق‌مسافة‌بدرها‌‪‌ 33‬مترا‪‌ .‬وبالتالي‌فن ‌بيمة‌مدى‌التأثير‌‬
‫سوف‌تساوي‌تقريبا‌‪‌ 10‬مترا‪ ‌.‬إ ‌الدالئل‌فقط‌تبين‌أننا‌نحتاج‌إلق‌نموذج‌كروي‌ذو‌عتبة‌ومدى‌‬
‫تأثير‌مقدارهما‌علق‌التوالي‌‪(11‬م‪‌ 2)%‬و‪‌ 10‬م‪‌‌.‬وحيث‌أنل‌ال‌توجد‌طريقة‌احصائية‌مو وعية‌‬
‫لتقرير ‌ماذا ‌كا ‌النموذج ‌المستخدم ‌يطابق ‌المتباين ‌النصفي ‌التجريبي ‌فن ‌أبسط ‌الطرق ‌هي ‌أ ‌‬
‫نرسم ‌منحنق ‌النموذج ‌علق ‌نفس ‌شكل ‌المتباين ‌النصفي ‌التجريبي ‌للتأكد ‌من ‌ذل ‪‌ .‬معادلة ‌هذا‌‌‬
‫النموذج‌هي‪‌‌‌‌‌‌‌‌‌‌‌‌‌:‬‬

‫‪22‬‬
 ‫‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‬
‫‪3h‬‬ ‫‪h3‬‬
‫(‪ (h)  11‬‬ ‫‪)‬‬ ‫)‬ ‫عندما‌تكو ‪‌h≤‌50m‬‬
‫‪100 2  50 3‬‬
‫‪γ (h) = 11‬‬ ‫فن‬ ‫‌‌‌‌‌‌‌‌‌‌‬ ‫وعندما‌تكو ‌‪h≥‌50m‬‬

‫‌هذا‌وبد‌تم‌رسم‌المنحنق‌علق‌الشكل‌البياني‌المتعلق‌بالمتباين‌النصفي ‌التجريبي‌والنتيجة‌يبينها‌‬
‫الشكل‌‪‌.10-2‬‬

‫‌‬
‫الشكل‌(‪‌:)10-2‬نموذج‌كروي‌جرت‌مطابقتل‌علق‌متباين‌نصفي‌للف ة‪‌.‬‬
‫‌‬
‫والقيم‌الربمية‌للنقاط‌المختلفة‌علق‌منحنق‌النموذج‌معطاة‌في‌جدول‌‪‌.2-2‬وهذا ‌يبدو‌كأنل‌يعطينا‌‬
‫مطابقة ‌ال ‌بأس ‌بها‪‌ .‬من ‌الصعب ‌رؤية ‌امكانية ‌تطويرها‪‌ .‬أحيانا ‌كال ‌المتغيرين ‌يتطلبا ‌بعض‌‬
‫التعديل‌ببل‌ايجاد‌مطابقة‌مالئمة‪ ‌.‬الح ‌أ ‌النموذج‌تمت‌مطابقتل‌لمسافات‌تصل‌إلق‌‪61‬م‪‌.‬أبعد‌‬
‫من‌هذا‌يتطلب‌األمر‌منا‌أ ‌نأخذ‌التوجل‌بعين‌االعتبار‪‌ .‬وفي‌مثل‌حالتنا‌هذ ‌فقد‌كنا‌محظوظين‌‬
‫كو ‌ ‌التوجل ‌لم ‌يتدخل ‌إال ‌بعد ‌أ ‌تخطينا ‌مدى ‌التأثير‪‌ .‬والوابع ‌ليس ‌كذل ‌دائما‪‌ ،‬فكلما ‌ابتر ‌‬
‫السلوك‌القطعي‌المكافئ‌من‌األال‌كلما‌تطلب‌منا‌ذل ‌مزيدا‌من‌االهتمام‌بالتوجل‌‪‌ .Trend‬من‌‬
‫الممكن ‌المجادلة ‌بأ ‌النموذج ‌األف ل ‌لهذا ‌المتباين ‌النصفي ‌التجريبي ‌هو ‌النموذج ‌األسي‪‌.‬‬
‫لألهمية‪‌ ،‬دعونا ‌نأخذ ‌العتبة ‌مرة ‌اخرى ‌علق ‌بيمة ‌‪‌ .)2‌ %m(11‬بالنسبة ‌للنموذج ‌األسي‪‌ ،‬الخط‌‬
‫المستقيم‌الخارج‌من‌نقطة‌الصفر‌يقطع‌العتبة‌علق‌مسافة‌مساوية‌لمدى‌التأثير‪‌.‬بمعنق‌أننا‌إذا‌‌‌‬
‫‌‬

‫‪23‬‬
 ‫الجدول ‪ :8-2‬نموذج متباين نصفي كروي لقيم الفضة لمسافة ال تزيدعن ‪75‬م‪.‬‬
‫‌‬
‫المسافة بين العينات‬ ‫المتباين النصفي‬ ‫‌‬
‫(م)‬ ‫التجريبي‬
‫‪0‬‬ ‫‪0.00‬‬ ‫‌‬
‫‪5‬‬ ‫‪1.64‬‬
‫‪10‬‬ ‫‪3.26‬‬ ‫‌‬
‫‪15‬‬ ‫‪4.80‬‬
‫‪20‬‬ ‫‪6.25‬‬
‫‌‬
‫‪25‬‬ ‫‪7.56‬‬ ‫‌‬
‫‪30‬‬ ‫‪8.71‬‬
‫‪35‬‬ ‫‪9.66‬‬ ‫‌‬
‫‪40‬‬ ‫‪10.38‬‬
‫‪45‬‬ ‫‪10.84‬‬ ‫‌‬
‫‪50‬‬ ‫‪11.00‬‬
‫‪> 50‬‬ ‫‪11.00‬‬
‫‌‬
‫‌‬
‫‌‬
‫جربنا‌النموذج‌األسي‌فسوف‌يكو ‌مدى‌التأثير‌‪33‬م‪‌.‬الشكل‌‪‌ 11-2‬يري‌النموذج ‌بجانب ‌النقط‌‬
‫‌الشكل‌‪ ‌ 11-2‬أ ‌الميل‌احي ‌بالقر ‌من‌نقطة‌الصفر‌وأ ‌بقية‌المنحنق‌‬ ‫المسقطة‪‌.‬هذا‌ويو‬
‫منخف ة ‌كثيرا‪‌.‬وبامكاننا‌أ ‌نزيد ‌من ‌ بيمة‌العتبة‌لرفع‌القيم‌‌ولكن‌هذا‌يتطلب‌زيادة‌بيمة‌مدى‌‬
‫التأثير‌أي ا‌بحيث‌يبقق‌الو ع‌بالقر ‌من‌نقطة‌الصفراحيحا‪‌.‬يبين‌الجدول‌‪‌6-2‬بيم‌‬
‫‌‬
‫])‪ (h)  11[(1  exp(h / 33‬‬
‫‌‬

‫‌‬
‫الشكل‌‪ ‌:11-2‬نموذج‌أسي‌بنفس‌المعالم‌المستخدمة‌لمطابقة‌النموذج‌الكروي‌لمتباين‌الف ة‌‬
‫النسبي‪‌.‬‬

‫‪24‬‬
 ‫الجدول ‪ :7-2‬محاوالت لمطابقة نماذج أسية للمتباين النصفي للفضة‪.‬‬
‫‌‬

‫المتباين النصفي الفرضي‬

‫المسافة بين العينات‬
‫(م)‬
‫‪a = 33;C = 14‬‬ ‫‪a = 50;C = 14‬‬ ‫‪a = 50;C = 15‬‬ ‫‪a = 50;C =16‬‬

‫‪5‬‬ ‫‪1.97‬‬ ‫‪1.33‬‬ ‫‪1.43‬‬ ‫‪1.52‬‬

‫‪10‬‬ ‫‪3.66‬‬ ‫‪2.54‬‬ ‫‪2.72‬‬ ‫‪2.90‬‬
‫‪15‬‬ ‫‪5.11‬‬ ‫‪3.63‬‬ ‫‪3.89‬‬ ‫‪4.15‬‬
‫‪20‬‬ ‫‪6.36‬‬ ‫‪4.62‬‬ ‫‪4.95‬‬ ‫‪5.27‬‬
‫‪25‬‬ ‫‪7.44‬‬ ‫‪5.51‬‬ ‫‪5.90‬‬ ‫‪6.30‬‬
‫‪30‬‬ ‫‪8.36‬‬ ‫‪6.32‬‬ ‫‪6.77‬‬ ‫‪7.22‬‬
‫‪35‬‬ ‫‪9.15‬‬ ‫‪7.05‬‬ ‫‪7.55‬‬ ‫‪8.05‬‬
‫‪40‬‬ ‫‪9.83‬‬ ‫‪7.71‬‬ ‫‪8.26‬‬ ‫‪8.81‬‬
‫‪45‬‬ ‫‪10.42‬‬ ‫‪8.31‬‬ ‫‪8.90‬‬ ‫‪9.49‬‬
‫‪50‬‬ ‫‪10.92‬‬ ‫‪8.85‬‬ ‫‪9.48‬‬ ‫‪10.11‬‬
‫‪55‬‬ ‫‪11.36‬‬ ‫‪9.34‬‬ ‫‪10.01‬‬ ‫‪10.67‬‬
‫‪60‬‬ ‫‪11.73‬‬ ‫‪9.78‬‬ ‫‪10.48‬‬ ‫‪11.18‬‬
‫‪65‬‬ ‫‪12.05‬‬ ‫‪10.18‬‬ ‫‪10.91‬‬ ‫‪11.64‬‬
‫‪70‬‬ ‫‪12.32‬‬ ‫‪10.55‬‬ ‫‪11.30‬‬ ‫‪12.05‬‬
‫‌‬
‫‌النموذج‌معطاة‌بمجموعات‌مختلفة‌من‌المتغيرات‌(نعني‌بالمتغيرات‌هنا‌العتبة‌ومدى‌التأثير)‪‌.‬‬
‫وللتبسيط‌استخدمت‌أربام‌مقربة‪‌ ‌.‬ولكن ‌علق‌ما‌يبدو‌أف ل‌مطابقة‌أسية‌هي‌آخر‌واحدة‪‌ ،‬بمدى‌‬
‫تأثير‌بدر ‌=‌‪‌10‬م‌‌وعتبة‌‌مقدارها‌=‌‪(‌12‬م‪‌.‌2)%‬‬
‫‌‬

‫‌‬
‫الشكل‌‪‌:12-2‬مقارنة‌النماذج‌النهائية‌(األسية‌والكروية)‌للمتباين‌النصفي‌للف ة‌‬

‫‪21‬‬
 ‫‌‬
‫يقار ‌الشكل‌‪‌ 12-2‬بين‌المنحنيات ‌األف ل‌مطابقة‌(النموذج‌األسي‌والنموذج‌الكروي)‌‬
‫مسقطل ‌علق ‌المتباين ‌النصفي ‌التجريببي‪‌ .‬هذا ‌وتف ل ‌المؤلفة ‌النموذج ‌الكروي ‌أل ‌البيانات‌‬
‫المحسوبة ‌بين ‌‪‌ 40‌ -11‬مترا ‌أكثر ‌مطابقة ‌مقارنة ‌بالنموذج ‌األسي‪‌ .‬إ ‌تقليل ‌بيمة ‌مدى ‌التأثير‌‬
‫للتعويض‌عن‌ ذل ‌ينتج‌عنل‌تغير‌ملموس‌في‌الميل‌عند‌بداية‌المنحنق‪‌.‬‬

‫‪ 1-2‬النماذج المعقدة ‪Complex Models‬‬

‫دعونا‌ننابش‌اآل ‌بعض‌المتباينات‌النصفية‌‌الحقيقية‪‌،‬بدال‌من‌تل ‌البسيطة‌المنتقاة‪‌.‬يري‌‬

‫الشكل‌‪‌13-2‬المتباينات‌النصفية‌‌التجريبية‌لثالثة‌فلزات‌من‌أحد‌خامات‌كبريتيدات‌معقدة‌لفلزات‌‬
‫باعدية‪ ‌.‬والفلز‌ذو‌القيمة‌االبتصادية‌هنا‌هو‌النحاس‪‌،‬لكن‌الفلزات‌األخرى‌توجد‌بتركيزات‌كافية‌‬
‫تحفز‌علق‌دراستها‪ ‌ .‬المتباينات‌النصفية‌‌المدروسة‌هنا‌محسوبة‌باتجا ‌الحفر‌في‌و ع‌عمودي‌‬
‫علق ‌جسم ‌الخام ‌وتحتوي ‌علق ‌معلومات ‌من ‌حوالي ‌‪‌ 10‬بئر ‌محفورة ‌عموديا ‌علق ‌جسم ‌الخام‪‌.‬‬
‫وتفسيري‌للمتباينات‌النصفية‌‌لكل‌من‌الرااص‌والزن ‌انها‌عبارة‌عن‌نتاج‌محض‌لشذرات‌من‌‬
‫الفلزات ‌‪‌ .Pure Nugget Effect‬بمعنق ‌أ ‌النموذج ‌الذي ‌لدينا ‌هو ‌خط ‌مستقيم ‌بقيمة ‌تعادل‌‬
‫التباين‌‪‌.Variance‬هذا‌ويبدو‌أ ‌هنال ‌عالبات‌ارتباط‌بين‌عينات‌اللب‌المتقاربة‪‌.‬ومن‌الناحية‌‬
‫األخرى‪‌،‬فن ‌المتباين‌النصفي‌التجريبي‌للنحاس‌يبدو‌أنل‌مزيج‌من‌ظاهرة‌تشذر‌وبطع‌مكافئ‪‌.‬‬
‫هذا ‌يعني ‌توجها ‌متعدد ‌المتغيرات ‌‪‌ Polynomial Trend‬حيث ‌أخذت ‌المسافة ‌بين ‌أزواج‌‬
‫العينات‌بمقدار‌متر‌واحد‪‌.‬‬
‫‌‬
‫إ ‌ظاهرة‌التشذر ‌تعني‌سلوكا‌عشوائيا‌مطلقا‪‌.‬بذل ‌يكو ‌لدينا‌توجها ‌‪‌ Trend‬بتغير‌عشوائي‪‌.‬‬
‫وهذا ‌و ع ‌مثالي ‌لعمل ‌ما ‌يسمق ‌تحليل ‌توجل ‌سطحي ‌ ‪‌ Trend Surface Analysis‬والمثال‌‬
‫التالي ‌يتعلق ‌بجسم ‌خام ‌نيكل ‌منبث ‌في ‌اخور ‌بيريدوتيت ‌‪‌ ،Peridotite‬تم ‌التحقق ‌من ‌وجود ‌‬
‫بأخذ ‌متوسطات ‌‪‌ 41‬بئرا ‌رأسيا‪‌ .‬وكا ‌متوسط ‌المسافات ‌بين ‌األبار ‌حوالي ‌‪‌ 20‬مترا ‌ولم ‌تكن‌‬
‫موزعة‌بانتظام‪‌‌،‬بحيث‌أ ‌المتباينات‌النصفية‌‌لما‌تحت‌اآلبار‌هي‌التي‌حسبت‌فقط‪‌.‬هذا‌وبد‌تم‌‬
‫الحصول‌علق‌ما‌بيمتل‌‪‌ 4000‬مترا‌من‌‌اللب‌بسمت‌إلق‌بطع‌طول‌كل‌منها‌‪2‬م‪‌.‬في‌هذ ‌الحالة‌‬
‫استخدمت ‌لوغارثمات ‌التركيزات ‌ولم ‌تستخدم ‌التركيزات ‌نفسها‪‌ ،‬السبب ‌وراء ‌ذل ‌ال ‌مغزى‌‬
‫لذكر ‌اآل ‪‌.‬والمتباين‌النصفي‌التحريبي‌مبين‌في‌شكل‌‪‌ 14-2‬والقيم‌العددية‌معطاة‌في‌جدول‌‪-2‬‬
‫‪‌.1‬هنا‌يبدو‌وبشكل‌باطع‌وجود‌عتبة‌عند‌القيمة‌(لو‪‌ 2.11‌=‌ 2)%‬علق‌أية‌حال‌فن ‌رسم‌خط‌‬

‫‪22‬‬
 ‫مستقيم ‌مارا ‌بأول ‌نقطتين ‌كما ‌فعلنا ‌في ‌المتباين ‌النصفي ‌ ‌للف ة ‌يعطي ‌نتائج ‌شاذة‪‌‌.‬‬
‫أوال‪‌ ،‬يقطع ‌الخط ‌المتباين ‌النصفي ‌عند ‌القيمة ‌‪(‌ 0.4‬لو‪‌ 2)%‬وليس ‌عند ‌الصفر‪‌ .‬معنق ‌ذل ‌أ ‌‬
‫هنال ‌مركبة ‌لكل‌بيمة‌يمكن‌أ ‌تكو ‌عشوائية‌أو‌يصعب‌توبعها‪‌.‬والعينات‌القريبة‌من‌بع ها‌‬
‫مازال‌بينها‌فروبات‌كبيرة‪‌.‬ثانيا‪‌‌،‬إذا‌تذكرنا‌أ ‌العتبة‌إ ‌وجدت‌تساوي‌بيمة‌تباين‌العينة‪‌،‬من‌‬
‫هنا‌نستطيع‌أ ‌نبين‌أ ‌(‪‌)0.40÷‌0.112‌‌‌‌=‌2.11‬حوالي‌‪‌%12‬من‌تباين‌العينات‌يتغير‌تغيرا‌‬
‫عشوائيا ‌وال ‌يمكن ‌التنبوء ‌بل‪‌ .‬بالتالي‪‌ ،‬فننل ‌بغض ‌النظر ‌عن ‌الكيفية ‌التي ‌نأخذ ‌بها ‌العينات ‌أي‌‬
‫كيفما‌أخذنا‌العينات‌بريبة‌من‌بع ها‌البعض‌فن ‌العجز‌عن‌التنبؤ‌سيبقق‌بائما‪‌.‬‬
‫‌‬
‫إ ‌نموذج‌المتباين‌النصفي‌يجب‌أ ‌يكو ‌بالشكل‌‬

‫‪ (0)  0‬‬

‫)‪ (h)  C0   (h‬‬ ‫عندما‌تكو ‌‪‌h> 0‬‬
‫حيث ‌)‪‌ γ(h‬نموذج‌معروف‌(لنقل‌خطي)‪‌.‬وفي‌الوابع‌فن ‌ظاهرة‌التشذر) ‪‌)C‌ o‬هي‌عبارة‌عن‌‬
‫ثابت ‌يرفع ‌المتباين ‌النصفي ‌كلل ‌بمقدار ‌‪‌ 0.4‬وحدة‪‌ .‬لذل ‌نبحث ‌اآل ‌عن ‌نموذج ‌بعتبل ‌مقدارها‌‬
‫‪(‌ 2.11‬لو‪ ‌.2)%‬وبد‌رأينا‌أ ‌مد‌الخط‌المستقيم‌في‌مثال‌الف ة‌لغاية‌العتبة‌يعطينا‌بيمة‌تعادل‌‬
‫ثلثي ‌مدى ‌التأثير ‌إذا ‌ما ‌استخدمنا ‌النموذج ‌الكروي‪‌ .‬في ‌مثل ‌هذ ‌الحالة ‌فن ‌التقاطع ‌ينتج ‌بيمة‌‬
‫مقدارها‌‪13‬م‌مما‌يدل‌ منا‌أ ‌مدى‌التأثير‌يصل‌إلق‌‪‌20‬م‪‌.‬من‌الناحية‌األخرى‪‌،‬فن ‌المنحنق‌ال‌‬
‫‌أ ‌كال‌من‌النموذجين‌اللذين‌بمنا‌بحسابهما‌‬ ‫يصل‌إلق‌عتبتل‌إال‌بعد‌مسافة‌مقدارها‌‪41‬م‪‌.‬وا‬
‫لن‌يحققا‌مثل‌هذ ‌الشروط‪ ‌.‬دعونا‌ننظر‌اآل ‌من‌جديد‌إلق‌المتباين‌النصفي‌ومنحنا ‌التجريبي‪‌.‬‬
‫يبدو‌وكأ ‌هناك‌عتبة‌متوسطة‌نصل‌إليها‌بعد‌‪‌ 14‬م‌تقريبا‌وبقيمة‌علق‌محور ‌‪‌ γ‬تعادل‌‌‪‌‌‌‌‌‌‌‌‌‌ =‌1.1‬‬
‫‪‌ ‌ ، 1.95-0.4‬آخذين ‌بعين ‌االعتبار ‌ظاهرة ‌التشذر‪‌ .‬يبدو ‌أ ‌لدينا ‌مزيجا ‌من ‌نموذجين ‌كرويين‌‬
‫احدهما ‌بمدى ‌بصير ‌واألخر ‌بمدى ‌أطول ‌مقدار ‌‪‌ 10‬مترا‪‌ .‬دعونا ‌اآل ‌نجر ‌هذا ‌النموذج‌‬
‫المؤبت ‌(التجريبي) ‌ونرى ‌كيف ‌يمكن ‌أ ‌يتطابق ‌مع ‌المتباين ‌النصفي ‌التجريبي‪‌ .‬لدينا ‌نوعا ‌ما‌‬
‫نموذجا‌معقدا‪‌‌.‬‬
‫)‪Co = 0.4(log %‬‬
‫‪a1 = 14 m‬‬ ‫‪C1 = 1.55 (log %)2‬‬
‫‪a2 = 50 m‬‬ ‫‪C2=0.60 (log %)2‬‬
‫بالتعويض‌عن‌هذ ‌القيم‌في‌النموذج‌المقتري‌(التجريبي)‌نحصل‌علق‪‌:‬‬

‫‪ 3h‬‬
‫‌‬
‫‪1 h ‬‬
‫‪3‬‬
‫‪ 3 h 1  h  3 ‬‬
‫‪ (h)  0.40  1.55‬‬ ‫‪    0.60‬‬ ‫‪‬‬ ‫‪‬‬
‫‪ 2  14 2  14 ‬‬ ‫‪ 2 50 2  50  ‬‬
‫‪‬‬ ‫‪‬‬
‫‪26‬‬
 ‫‌‬

‫‌‬
‫الشكل‌‪‌:13-2‬متباين‌نصفي‌تجريبي‌من‌تو ع‌معقد‌كبريتيدي‌لفلزات‌باعدية‪‌.‬‬
‫‌‬
‫‌‬

‫‌‬
‫الشكل‌‪‌:14-2‬متباين‌نصفي‌لتو ع‌نيكل‌–‌لوغاريثمات‌بيم‌التركيز‪‌.‬‬
‫‌‬
‫‌‬

‫‪21‬‬
 ‫‌‪h≤14m‬‬ ‫هذا‌فقط‌للمسافات‬
‫وبالنسبة‌لمسافات‌بين‌‪10-14‬م‪‌.‬يعطي‌النموذج‌حسب‌المعادلة‌التالية‪‌:‬‬
‫‌‬
‫‪ 3  h  1  h 3 ‬‬ ‫‌‬
‫‪ (h)  0.40  1.55  0.60      ‬‬
‫‪ 2  50  2  50  ‬‬ ‫‌‬
‫وعندما‌تصب ‌المسافة‌بين‌عينتين‌أكبر‌من‌‪‌10‬م‌يأخذ‌المتباين‌النصفي‌الشكل‌‬
‫‪ (h)  0.40  1.55  0.60‬‬
‫‌‬
‫‪ 2.55‬‬
‫اآل ‌لمقارنة ‌نقط ‌النموذج ‌الفر ي ‌بالتجريبي ‌علينا ‌أ ‌نقيم ‌النموذج ‌علق ‌مسافات‌‬
‫مختلفة‪‌،‬وإ ‌ترسم‌المنحنق‌التالي‌علق‌نفس‌الرسم‪‌.‬علق‌سبيل‌المثال‪‌،‬بالنسبة‌لمسافة‌(‪‌)h‬تساوي‌‬
‫‪2‬م‪‌.‬‬
‫‌‬
‫‪ 3  2  1  2 3 ‬‬ ‫‪ 3  2  1  2 3 ‬‬ ‫‌‬
‫‪ (h)  0.40  1.55 ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪  ‬‬ ‫‪‬‬ ‫‪0‬‬‫‪.‬‬‫‪60‬‬ ‫‪     ‬‬
‫‪ 2  14  2  14  ‬‬ ‫‪ 2  50  2  50  ‬‬
‫‌‬
‫‪ 0.766‬‬
‫‌‬
‫‌‬
‫وبالنسبة‌لمسافة‌ ‪‌‌h‬مقدارها‌‌‪‌‌40‬مترا‌‬
‫‌‬
‫‪ 3  40  1  40  3 ‬‬
‫‪ (h)  0.40  1.55  0.60 ‬‬ ‫‪   ‬‬ ‫‌‬
‫‪ 2  50  2  50  ‬‬
‫‌‬
‫‪ 2.516‬‬
‫‌‬
‫مجموعة ‌من ‌القيم ‌تم ‌اختيارها ‌لـ ‌(‪)h‬ومن ‌ثم ‌رسم ‌المنحنق ‌الفر ي‪‌ .‬والقيم ‌هذ ‌المدونة ‌في‌‬
‫الجدول‌‪‌3-2‬تم‌اسقاطها‌في‌‌الشكل‌‪‌11-2‬والنقاط‌التجريبية‌مبينة‌أي ا‌للمقارنة‪‌.‬‬
‫‌‬
‫إ ‌المنحنق‌النموذجي‌االفترا ي‌يتطابق‌جيدا‌مع‌البداية‌ومع‌النهاية‌وال‌يرى‌مثل‌هذا‌التطابق‌‬
‫في‌الوسط‪‌.‬واالنثناءة‌التي‌يبينها‌الشكل‌أعلق‌من‌مستوا ‌ويفترذ‌أ ‌تحدث‌علق‌بيمة‌‪‌‌.γ=1.31‬‬
‫والمستوى‌المفروذ‌كا ‌مساويا‌لـ ‌‪‌.Co+C1‬ما‌كنا‌بد‌نسينا ‌هو‌مركبة‌من‌النموذج‌الكروي‌‬
‫الثاني‌تؤثر‌وتشارك‌بقيمة‌ما‌في‌النموذج‌االفترا ي‌حتق‌علق‌المسافات‌القصيرة‌بحيث‌تكو ‌‬
‫القيمة‌‪‌1.31‬مساوية‌بالفعل‌لـ‪‌:‬‬

‫‪23‬‬
 ‫‌‬
‫الجدول ‪ :6-2‬متباين نصفي تجريبي من توضع نيكل منبث (لوغريثمات التركيز)‪.‬‬

‫المسافة بين العينات‬ ‫المتباين النصفي‬ ‫عدد‬

‫(م)‬ ‫التجريبي‬ ‫االزواج‬

‫‪2‬‬ ‫‪0.74‬‬ ‫‪1222‬‬

‫‪4‬‬ ‫‪1.10‬‬ ‫‪1194‬‬
‫‪6‬‬ ‫‪1.34‬‬ ‫‪1186‬‬
‫‪8‬‬ ‫‪1.58‬‬ ‫‪1152‬‬
‫‪10‬‬ ‫‪1.72‬‬ ‫‪1137‬‬
‫‪12‬‬ ‫‪1.81‬‬ ‫‪1120‬‬
‫‪14‬‬ ‫‪1.87‬‬ ‫‪1095‬‬
‫‪16‬‬ ‫‪1.90‬‬ ‫‪1077‬‬
‫‪18‬‬ ‫‪1.93‬‬ ‫‪1055‬‬
‫‪20‬‬ ‫‪1.92‬‬ ‫‪1026‬‬
‫‪22‬‬ ‫‪1.95‬‬ ‫‪1011‬‬
‫‪24‬‬ ‫‪2.01‬‬ ‫‪990‬‬
‫‪26‬‬ ‫‪2.09‬‬ ‫‪969‬‬
‫‪28‬‬ ‫‪2.16‬‬ ‫‪950‬‬
‫‪30‬‬ ‫‪2.25‬‬ ‫‪919‬‬
‫‪32‬‬ ‫‪2.29‬‬ ‫‪899‬‬
‫‪34‬‬ ‫‪2.38‬‬ ‫‪886‬‬
‫‪36‬‬ ‫‪2.35‬‬ ‫‪860‬‬
‫‪38‬‬ ‫‪2.36‬‬ ‫‪848‬‬
‫‪40‬‬ ‫‪2.39‬‬ ‫‪825‬‬
‫‪42‬‬ ‫‪2.48‬‬ ‫‪814‬‬
‫‪44‬‬ ‫‪2.52‬‬ ‫‪787‬‬
‫‪46‬‬ ‫‪2.56‬‬ ‫‪779‬‬
‫‪48‬‬ ‫‪2.55‬‬ ‫‪767‬‬
‫‪50‬‬ ‫‪2.49‬‬ ‫‪750‬‬
‫‪52‬‬ ‫‪2.59‬‬ ‫‪736‬‬
‫‪54‬‬ ‫‪2.61‬‬ ‫‪722‬‬
‫‪56‬‬ ‫‪2.64‬‬ ‫‪705‬‬
‫‪58‬‬ ‫‪2.68‬‬ ‫‪689‬‬
‫‪60‬‬ ‫‪2.62‬‬ ‫‪675‬‬
‫‪62‬‬ ‫‪2.52‬‬ ‫‪657‬‬
‫‪64‬‬ ‫‪2.59‬‬ ‫‪639‬‬
‫‪66‬‬ ‫‪2.53‬‬ ‫‪628‬‬
‫‪68‬‬ ‫‪2.47‬‬ ‫‪612‬‬
‫‪70‬‬ ‫‪2.56‬‬ ‫‪597‬‬
‫‪72‬‬ ‫‪2.62‬‬ ‫‪582‬‬
‫‪74‬‬ ‫‪2.64‬‬ ‫‪563‬‬
‫‪76‬‬ ‫‪2.75‬‬ ‫‪552‬‬
‫‪78‬‬ ‫‪2.93‬‬ ‫‪539‬‬
‫‪80‬‬ ‫‪3.06‬‬ ‫‪514‬‬

‫‌‬

‫‪30‬‬
 ‫الجدول ‪ :9-2‬المحاولة األولى لمطابقة مزيج من موديالت كروية للمتباين النصفي‌‬
‫للنيكل(الوحدات في المتن)‪.‬‬

‫المسافة‬ ‫المتباين‬
‫بين العينات‬ ‫النصفي‬
‫(م)‬ ‫الفرضي‬
‫‪0‬‬ ‫‪0.00‬‬
‫‪2‬‬ ‫‪0.77‬‬
‫‪4‬‬ ‫‪1.12‬‬
‫‪6‬‬ ‫‪1.44‬‬
‫‪8‬‬ ‫‪1.73‬‬
‫‪10‬‬ ‫‪1.96‬‬
‫‪12‬‬ ‫‪2.12‬‬
‫‪14‬‬ ‫‪2.20‬‬
‫‪16‬‬ ‫‪2.23‬‬
‫‪18‬‬ ‫‪2.26‬‬
‫‪20‬‬ ‫‪2.29‬‬
‫‪25‬‬ ‫‪2.36‬‬
‫‪30‬‬ ‫‪2.42‬‬
‫‪35‬‬ ‫‪2.48‬‬
‫‪40‬‬ ‫‪2.52‬‬
‫‪45‬‬ ‫‪2.54‬‬
‫‪50‬‬ ‫‪2.55‬‬
‫‪55‬‬ ‫‪2.55‬‬
‫‪60‬‬ ‫‪2.55‬‬
‫‌‬
‫‌‬

‫‌‬
‫الشكل‌‪ ‌:11-2‬المحاولة‌األولق‌لمطابقة‌مزيج‌من‌النماذج‌الكروية‌للمتباين‌النصفي‌للنيكل‪‌.‬‬

‫‪31‬‬
 ‫‪ 3  14  1  14 3 ‬‬
‫‪Co  C1  C2       ‬‬ ‫‌‬
‫‪ 2  50  2  50  ‬‬
‫‌‬
‫‌‬
‫بكلمات‌اخرى‌فن ‌علينا‌أ ‌نخفض‌بيمة‌‪‌C1‬وأ ‌نرفع‌بيمة‌‪‌C2‬وأ ‌نجر ‌المطابقة‌مرة‌اخرى‪‌.‬‬
‫ُ‬
‫صلت‌علق‌النموذج‌التالي‪‌‌:‬‬‫عة‌محاوالت‌ح‬
‫َ‬ ‫بعد‌ب‬
‫‌‬
‫‪Co = 0.40 (log%)2‬‬
‫‪a1 = 12m‬‬ ‫‪C1 = 1.15 (log%)2‬‬
‫‪a2 = 60m‬‬ ‫‪C2 = 1.00 (log%)2‬‬

‫والنموذج ‌الجديد ‌المبني ‌علق ‌هذ ‌الحسابات ‌يبينل ‌الشكل ‌‪‌ 12-2‬مسقطا ‌مع ‌النموذج ‌التجريبي‌‬
‫ويبدو ‌أنل ‌يحقق ‌تطابقا ‌ال ‌بأس ‌بل‪‌ .‬يمكن ‌طبعا ‌أ ‌يرغب ‌القارم ‌في ‌تطوير ‪‌ .‬والجدول ‌‪‌‌10-2‬‬
‫يدو ‌القيم ‌المحسوبة ‌التي ‌رسم ‌علق ‌أساسها ‌الشكل ‌المذكور‪‌ .‬واألمثلة ‌علق ‌المتباينات ‌النصفية‌‬
‫التي ‌تمثل ‌خليطا ‌من ‌مركبات ‌كروية ‌كثيرة ‌في ‌األد ‌الجيواحصائي‪‌ ،‬وتمثل ‌األنواع ‌األكثر‌‬
‫شيوعا ‌خصواا ‌في ‌المعاد ‌ذات ‌التركيزات ‌المنخف ة ‌مثل ‌كاسيترايت ‌وعروق ‌النحاس‌‬
‫واليورانيوم‌إلق‌آخر ‪‌.‬‬
‫‌‬

‫‌‬
‫الشكل‌‪‌:12-2‬المحاولة‌النهائية‌لمطابقة‌مزيج‌من‌النماذج‌الكروية‪‌.‬‬
‫‌‬

‫‪32‬‬
 ‫الجدول ‪ :14-2‬المحاولة النهائية لمطابقة مزيج من النماذج الكروية للمتباين النصفي التجريبي‬
‫للنيكل (الوحدات في المتن)‪.‬‬
‫‌‬
‫المسافة بين العينات‬ ‫المتباين النصفي‬
‫(م)‬ ‫الفرضي‬
‫‪0‬‬ ‫‪0.00‬‬
‫‪2‬‬ ‫‪0.74‬‬
‫‪4‬‬ ‫‪1.05‬‬
‫‪6‬‬ ‫‪1.34‬‬
‫‪8‬‬ ‫‪1.58‬‬
‫‪10‬‬ ‫‪1.75‬‬
‫‪12‬‬ ‫‪1.85‬‬
‫‪14‬‬ ‫‪1.89‬‬
‫‪16‬‬ ‫‪1.94‬‬
‫‪18‬‬ ‫‪1.99‬‬
‫‪20‬‬ ‫‪2.03‬‬
‫‪25‬‬ ‫‪2.14‬‬
‫‪30‬‬ ‫‪2.24‬‬
‫‪35‬‬ ‫‪2.33‬‬
‫‪40‬‬ ‫‪2.40‬‬
‫‪45‬‬ ‫‪2.46‬‬
‫‪50‬‬ ‫‪2.51‬‬
‫‪55‬‬ ‫‪2.54‬‬
‫‪60‬‬ ‫‪2.55‬‬
‫‌‬
‫‪ 2-2‬اللوغارثمية الطبيعية ‪Log-normality‬‬

‫أرغب‌‌في‌االنتقال‌لمنابشة‌مسائل‌كثيرا‌ما‌يتم‌‌التطرق‌إليها‌في‌األد ‌خصواا‌عند‌معالجة‌‬
‫عينات‌يتوبع‌لها‌أ ‌تتبع‌توزعا‌لوغارثميا‪‌.‬هذا‌وعلق‌الرغم‌من‌أ ‌حسا ‌المتباين‌النصفي‌من‌‬
‫‌‬ ‫ببل‌خبراء‌الجيوإحصاء‌ال‌يتطلب‌معرفة‌مسبقة‌بنوع‌التوزع‌إال‌أ ‌هنال ‌مشاكل‌جانبية‌تتو‬
‫طبيعتها ‌بشكل ‌أكبر ‌عند ‌معالجة ‌عينات ‌تتبع ‌توزعا ‌لوغارثميا‪‌ .‬كما ‌يعلم ‌طلبة ‌المدارس ‌فن ‌‬
‫االنحراف‌المعياري‌لتوزع‌لوغارثمي‌يتناسب‌طرديا‌مع‌المتوسط‪‌.‬بناء‌عليل‌‌فن ‌تشتت‌العينات‌‬
‫وبالتالي ‌المتباين ‌النصفي ‌البد ‌وأ ‌يتناسب ‌تناسبا ‌طرديا ‌مع ‌مربع ‌متوسط ‌العينات‪‌ .‬إذا ‌رسمت‌‬
‫متباينات‌نصفية‌‌تجريبية‌علق‌مجموعات‌مختلفة‌من‌العينات‌في‌أحد‌التو عات‌فن ‌هذا‌األثر‌‬
‫التناسبي ‌‪ ‌ Proportional Effect‬يمكن ‌أ ‌يكو ‌لل ‌أثرا ‌جذريا ‌علق ‌المتباينات ‌النصفية ‌علق‌‬
‫انفراد‪‌،‬هذا‌واألمثلة‌الموجودة‌في‌األد ‌عادة‌ما‌تعالج‌حاالت‌تتطلب‌عددا ‌كبيرا‌من‌مجموعات‌‬
‫العينات‪‌.‬‬

‫‪33‬‬
‫علق‌سبيل‌المثال‪‌،‬العينات‌المستخرجة‌من‌أحد‌اآلبار‌تمثل‌في‌حد‌ذاتها‌مجموعة‌عينات‪‌،‬فنذا‌ما‌‬
‫عالجنا‌بيانات‌من‌آبار‌كثيرة‌فنننا‌بذل ‌نعالج‌مجموعات‌مختلفة‌من‌العينات‌في‌آ ‌واحد‪‌.‬وكمثال‌‬
‫علق‌ظاهرة‌األثر‌النسبي‌علينا‌أ ‌نعتبر‌الو ع‌التالي‪‌:‬‬
‫‌‬
‫في ‌تو عات ‌القصدير ‌العربية ‌في ‌كورنيش‌‌‪‌ Cornish‬يفترذ ‌أ ‌ ‌تتبع ‌القيم ‌توزعا‌‬
‫لوغارثميا‪‌ .‬يتم ‌تطوير ‌مثل ‌هذ ‌العروق ‌بعمل ‌انفاق ‌أفقية ‌ ‪ ‌ Horizontal Drives‬تبعد ‌عن‌‬
‫بع ها‌بع ا‌‌‪1000‬بدم‪‌.‬هذا‌وتؤخذ‌عينات‌شظوية‌ ‪‌‌ Chip Samples‬كل‌‪‌ 10‬بدم‌‌من‌سقف‌‬
‫االنفاق‌األفقية‪ ‌.‬في‌المثال‌الذي‌تتم‌معالجتل‌اآل ‌تم‌التعامل‌مع‌تسعة‌من‌هذ ‌األنفاق‌تم‌تطويرها‌‬
‫علق ‌عمق ‌‪‌ 200‬بدم ‌من ‌السط ‌ولغاية ‌‪‌ 1400‬بدم‪‌ .‬وتم ‌حسا ‌المتباين ‌النصفي ‌لكل ‌نفق‌علق‌‬
‫انفراد‪‌.‬ومن‌أجل‌تسهيل‌األمور‪‌،‬يري‌الشكل‌‪‌ 16-2‬ثالثة‌متباينات‌نصفية‌لالنفاق‌‪‌.12‌،10‌،2‬‬
‫والستة‌األخرى‌تقع‌مبعثرة‌بين‌مستوى‌‪‌ 2‬و‪‌.12‬ويبين‌الشكل‌‪‌ 11-2‬رسما‌لمتوسطات‌العينات‌‬
‫لكل‌نفق‌مقابل‌االنحراف‌المعياري‌لمتوسط‌النفق‪‌.‬هذا‌ويعبر‌عن‌متوسط‌التركيز‌في‌هذ ‌الحالة‌‬
‫بالباوند‪/‬طن ‌حيث ‌تتراوي ‌بيم ‌المتوسطات ‌ ‌بين ‌‪‌ 10-31‬باوند‪/‬طن‪‌ ،‬بينما ‌يتراوي ‌االنحراف‌‬
‫المعياري‌ما‌بين‌‪‌ 110‌ -31‬باوند‪/‬طن‪‌.‬والعالبة‌بين‌هاتين‌القيمتين‌مثالية‌حيث‌تبلغ‌بيمة‌معامل‌‬
‫االرتباط ‌‪‌ .0.11‬بما ‌أ ‌بيمة ‌عتبة ‌المتباين ‌النصفي ‌تساوي ‌تقريبا ‌التشتت‪‌ ،‬فننل ‌من ‌السهولة ‌أ ‌‬
‫تتبين‌أ ‌ بيمة‌العتبة‌للنفق‌السادس‌ستكو ‌األبل‌بقيمة‌مقدارها‌‪(1200‬باوند‪/‬طن)‪‌2‬والنفق‌العاشر‌‬
‫سيكو ‌في ‌المنتصف ‌وبعتبة ‌مقدارها ‌‪‌ 1000‬طن ‌والنفق ‌الثاني ‌عشر ‌سيكو ‌األعلق ‌وبعتبة‌‬
‫مقدرها‌‪‌1200‬‬

‫‌‬
‫الشكل‌‪‌:16-2‬مثال‌علق‌عدم‌التماثل‌النطابي‪‌-‬عرق‌الكاستريت‪‌.‬‬

‫‪34‬‬
 ‫‌‬
‫الشكل‌‪‌:11-2‬تو ي ‌أثر‌ظاهرة‌التناسب‌‪-‬الكاستيريت‌‬
‫‌‬
‫‌(باوند‪/‬طن)‪ ‌.2‬والسؤال‌هو‌هل‌نستطيع‌أ ‌نعمل‌متباين‌نصفي‌للخام‌كلل‌حيث‌االختالف‌كبير‌‌‬
‫بين‌المتباينات‌النصفية‌من‌نفق‌إلق‌نفق‪‌.‬‬
‫‌‌‬
‫يقول‌أاحا ‌الرأي‌أ ‌الطريقة‌الوحيدة‌والصحيحة‌لجمع‌كل‌هذ ‌المتباينات ‌النصفية‌‬
‫مع‌بع ها‌البعض‌هي‌أ ‌نصح ‌كل‌واحد‌منها‌لظاهرة‌التناسب‌‪‌.Proportional Effect‬ويتم‌‬
‫ذل ‌بقسمة‌كل‌متباين‌نصفي‌تجريبي‌علق‌مربع‌متوسط‌العينات‌الداخلة‌في‌الحسا ‪‌.‬هذا‌ينتج‌‬
‫بدور ‌ما ‌يسمق ‌بالمتباين ‌النصفي ‌النسبي‪‌ .‬بمعنق ‌أ ‌جميع ‌القيم ‌المعطاة ‌بالمتباين ‌النصفي ‌هذا‌‬
‫اابحت‌منسوبة‌إلق‌المتوسط‌المحلي‌‪‌‌.Local mean‬تطبيق‌هذ ‌الطريقة‌علق‌المثال‌المذكور‌‬
‫ينتج‌‌تسع‌متباينات‌نصفية‌تتراوي‌في‌عتباتها‌بين‌‪‌ .1.1-1‬الح ‌أ ‌هذ ‌القيم‌ال‌وحدات‌لها‪‌.‬‬
‫ولت حويلها‌إلق‌أربام‌ذات‌معاني‌يجب‌ ربها‌في‌مربع‌المتوسط‌المحلي‪‌.‬نستطيع‌اآل ‌(فر يا)‌‬
‫تجميع‌جميع‌هذ ‌المتباينات‌النصفية‌في‌متباين‌نصفي‌‌واحد‌للخام‌كلل‌ومطابقة‌نموذج‌لها‪‌.‬إذا‌ما‌‬
‫بمنا‌بعمل‌ذل ‌يجب‌أ ‌نتذكر‌أننا‌في‌جميع‌خطوات‌تقديراتنا‌يجب‌أ ‌ال‌نعدل‌القيم‌المحسوبة‌‬
‫من‌تشتت‌المتباين‌النصفي‌المقدر‌وال‌الخطأ‌المعياري‌وال‌غير‌ذل ‪‌.‬‬
‫‌‬
‫يدافع‌عن‌هذ ‌الطريقة‌لتصحي ‌المتباين‌النصفي‌التجريبي‌علق‌نطاق‌واسع‌ويعتقد‌بأنها‌‬
‫الشيء‌الصحي ‌المتوجب‌عملل‪ ‌.‬علق‌أنل‌ال‌يوجد‌أحد‌اهتم‌بمحاولة‌معروفة‌‌مدى‌االحية‌هذ ‌‬

‫‪31‬‬
‫الطريقة‪‌.‬وفي‌حالة‌واحدة‌فقط‌‌ بمت‌بالتحري‌والبحث‌الدبيق‌للحالة‌التي‌سبق‌وافها‪‌،‬تبين‌لدي‌‬
‫أ ‌التصحي ‌المعمول‌بل‌باستخدام‌المتوسط‌المحلي‌بد‌اعطق‌نتائج‌خاطئة‪‌.‬لذل ‌فن ‌المؤلفة‌ال‌‬
‫تنص ‌باستخدام ‌هذ ‌الطريقة ‌وإنما ‌بالطريقة ‌التي ‌تجمع ‌المتباينات ‌النصفية ‌التجريبية ‌ومن ‌ثم‌‬
‫محاولة‌‌ايجاد‌نموذج‌مطابقة‌لها‪‌.‬وبتطبق‌ذل ‌علق‌المثال‌السابق‌فقد‌حصلت‌المؤلفة‌في‌جميع‌‬
‫الحاالت‌علق‌بيم‌دبيقة‪‌.‬‬
‫‌‬
‫‪ 3-2‬المتغيرات األخرى ‪Other Variables‬‬

‫لقد‌بلنا‌مرارا‌وتكرارا‌أ ‌الجيواحصاء‌أو‌ما‌يسمق‌كريجنج‌يمكن‌تطبيقل‌علق‌متغيرات‌أخرى‌‬
‫وليس ‌فقط‌علق ‌بيم ‌التركيز ‌خصواا ‌تل ‌المتغيرات ‌التي ‌ترى ‌توزعا ‌زمانيا ‌ومكانيا‪‌ .‬إ ‌هذا‌‬
‫الكتا ‌يعالج ‌أمورا ‌منجمية ‌فقط ‌حيث ‌أ ‌هذا ‌هو ‌مو وع ‌بحثنا‪‌ .‬علق ‌أية ‌حال ‌فن ‌متغيرات‌‬
‫أخرى ‌غير ‌التركيز ‌يمكن ‌معالجتها ‌وأرغب ‌أ ‌أورد ‌بهذا ‌الصدد ‌مثاال ‌أومثالين‪‌ .‬فحتق ‌في‌‬
‫التطبيقات ‌المنجمية ‌فن ‌التركيز ‌أو ‌األهمية ‌االبتصادية ‌ليس ‌هما ‌المتغيرا ‌الوحيدا ‌المثيرا ‌‬
‫لالهتمام‪ ‌.‬ففي‌بعض‌التو عات‌تتعادل‌أهمية‌التركيز‌بسماكة‌الطبقة‪‌.‬وفي‌الكثير‌من‌الخامات‌‬
‫الرسوبية‌يعتبر‌عامل‌السماكة‌األكثر‌أهمية‪‌.‬ففي‌مثال‌بصدير‌كورنيش‌المواوف‌أعال ‪‌،‬يعتبر‌‬
‫عرذ‌العرق‌الحامل‌للخام‌علق‌نفس‌الدرجة‌من‌األهمية‌كالمحتوى‌من‌معد ‌الكاسيترايت‪‌.‬كال‌‬
‫المتغيرين‌ روريا ‌لتقيم‌األهمية‌االبتصادية‌لذل ‌الجزء‌من‌العرق‌الحامل‌للخام‪‌.‬هذا‌ويرى‌‬
‫شكل ‌‪‌ 13-2‬المتباين ‌النصفي ‌الكلي ‌محسوبا ‌للمستويات ‌(األنفاق) ‌التسعة ‌‪‌ .14-2‬لهذا ‌المتباين‌‬
‫النصفي ‌بامت ‌المؤلفة ‌بمطابقة ‌نموذج ‌يتكو ‌من ‌ظاهرة ‌تشذر ‌بسيطة‪‌ ،‬بعثت ‌علق ‌الدهشة‌‬
‫ونموذج ‌كروي ‌بمدى ‌تأثير ‌بيمتل ‌‪‌ 30‬بدم ‌وآخر ‌بيمتل ‌‪110‬بدم‪‌ .‬وكمثال ‌آخر ‌لبيانات ‌موزعة‌‬
‫مكانيا‌من‌الممكن‌معالجتها‪‌،‬يمثل‌الشكل‌‪‌ 20-2‬متباين‌نصفي‌تجريبي‌تم‌عملل‌علق‌خصائص‌‬
‫تسابط‌األمطار‌‪‌ Rainfall‬وعلق‌الميا ‌الجارية‌ ‪ Runoff‬علق‌امتداد‌‌الجابية‌ ‪Catchments‬‬
‫‪‌ area‬في ‌منطقة ‌ ‌بنيس ‌‪‌ Pennines‬في ‌بريطانيا‪‌ .‬والبيانات ‌التي ‌ستعالج ‌اآل ‌تمثل ‌كميات‌‬
‫األمطار ‌السابطة ‌شهريا ‌ ‌والتي ‌تم ‌جمعها ‌من ‌محطات ‌مبعثرة ‌في ‌منطقة ‌الجابية‪‌ .‬لقد ‌تم ‌بناء‌‬
‫المتباين‌النصفي‌بغض‌النظر‌عن‌االتجاهات‌بين‌أزواج‌العينات‪‌.‬حيث‌افت ََر ُ‬
‫ت ‌أ ‌هذا‌المتغير‌‬
‫يرى‌نفس‌االستمرارية‌علق‌طول‌محور‌النهر‪‌.‬إ ‌الطبيعة‌الخاطئة‌لهذ ‌الفر ية‌تظهر‌بسرعة‌‬
‫عندما‌نعلم‌‌أ ‌منطقة‌هطول‌األمطار‌يبلغ‌عر ها‌‪30‬كم‌عبر‌الوادي‪‌‌.‬‬
‫‌‬

‫‪32‬‬
‫إ ‌عدم‌االستمرارية‌التي‌يبينها‌المنحنق‌التجريبي‌تري‌بأ ‌هنال ‌فربا‌بشكل‌بطعي‌بين‌‬
‫االتجاهات ‌المختلفة‪‌ ‌ .‬فالمتباينات ‌النصفية ‌يجب ‌عملها ‌علق ‌األبل ‌التجاهين ‌مختلفين ‌من ‌أجل‌‬
‫التأكد ‌من ‌ذل ‪ ‌ .‬والنتيجة ‌الثانية ‌والممكن ‌التوال ‌إليها ‌أنل ‌إذا ‌ما ‌حصلنا ‌علق ‌نفس ‌النتيجة ‌من‌‬
‫متباين‌نصفي‌فن ‌هنال ‌توجها‌‪‌Trend‬يجب‌أخذ ‌بعين‌االعتبار‪‌.‬‬
‫‌‬

‫‌‬
‫الشكل‌‪‌:13-2‬متباين‌نصفي‌تجريبي‌مبني‌علق‌عرذ‌تجمع‌الخام‌في‌عرق‌الكاسيتريت‪‌.‬‬
‫‌‬
‫عند ‌منابشة ‌طبيعة ‌تسابط ‌األمطار ‌فننل ‌يبدو ‌معقوال ‌أ ‌نتوبع ‌تفاوتا ‌في ‌الكميات ‌السابطة ‌علق‌‬
‫رؤوس‌الجبال‌وعلق‌المناطق‌السفلق‌المحاذية‌للوادي‪‌.‬إ ‌هذا‌مثاال‌جيدا‌علق‌عدم‌بدرتنا‌تجاهل‌‬
‫توجل‌ما‌‪‌Trend‬في‌خطوات‌التقدير‌الجيواحصائي‪‌‌.‬‬
‫‌‬
‫واآل ‌إلق ‌تطبيق ‌مختلف ‌تماما ‌حيث ‌نعالج ‌سالسل ‌زمينة‌‪‌ Time Series‬عو ا ‌عن‌‬
‫معالجتنا ‌توزعات ‌فراغية‪ ‌ .‬لقد ‌أخذت ‌سلسلة ‌من ‌القراءات ‌في ‌موبع ‌ثابت ‌علق ‌أحد ‌األنهار‪‌،‬‬
‫لمتغيرات‌ذات‌أهمية‌معينة‪‌.‬إ ‌هذا‌الموبف‌باتجا ‌واحد‪‌.‬واالتجا ‌هنا‌هو‌الزمن‌وليس‌المكا ‪‌.‬‬
‫فبدال ‌من ‌بياس ‌مسافات ‌بين ‌ العينات ‌نقيس ‌فترات ‌زمنية ‌بحيث ‌تقرأ ‌اآل ‌علق ‌المحور ‌األفقي‌‬
‫والذي‌يرى‌المتباين‌النصفي‌‌التجريبي‌فترات ‌زمنية‌وستستخدم‌التقنية‌هنا‌للتنبؤ‌عن‌بيم‌لهذ ‌‬
‫المتغيرات‌في‌المستقبل‪ ‌.‬أو‌لملئ‌فراغات‌في‌المعلومات‌األحصائية‌عجزت‌األجهزة‌عن‌بياسها‪‌.‬‬
‫هذا‌ويري‌الشكل‌‪‌21-2‬اثنا ‌ من‌المتباينات‌النصفية‌‌التجريبية‌حسبت‌في‌الحالة‌األولق‌لدرجات‌‌‬
‫الحرارة‌كمتغير‌وفي‌الثانية‌للمواد‌المعلقة‪‌.‬والمتباين‌النصفي‌المعبر‌عن‌الحالة‌الثانية‌يري‌حالة‌‬
‫يمكن‌تمثيلها‌بالنموذج‌الكروي‌‪‌Spherical Model‬مع‌ابتراي‌وجود‌توجل‌‪‌Trend‬اسبوعي‌‬

‫‪36‬‬
 ‫‌‬
‫الشكل‌‪‌:20-2‬متباين‌نصفي‌تجريبي‌مبني‌علق‌بيم‌الهطول‌المقاس‌في‌الموابع‌المختلفة‪‌.‬‬
‫‌‬
‫يري‌نوع‌من‌التجانس‌األسبوعي‌ويتغير‌مستوا ‌من‌أسبوع‌آلخر‪‌.‬أما‌المتباين‌النصفي‌التجريبي‌‬
‫لدرجات‌الحرارة‌فيري‌دورة‌تامة‌لدرجات‌الحرارة‌اليومية‌مع‌انحراف‌بسيط‌يمكن‌توبعل‌بعد‌‬
‫ثالثة‌أو‌أربعة‌أيام‪‌.‬‬

‫‌‬
‫الشكل‌‌‪ ‌:21-2‬متباين‌نصفي‌تجريبي‌مبني‌علق‌بيم‌نوعية‌الميا ‌للمتغيرات‌المقاسة‌عبر‌الزمن‪‌.‬‬
‫‌‬
‫‪31‬‬
 ‫‪ 0-2‬استنتاج‬

‫لتلخيص ‌هذا ‌الفصل‪‌ ‌ :‬رأينا ‌كيف ‌يمكن ‌حسا ‌المتباين ‌النصفي ‌التجريبي ‌باتجا ‌واحد ‌أو‌‬
‫باتجاهين ‌وكيف ‌يمكن ‌ربط ‌هذ ‌المتباينات ‌النصفية ‌التجريبية ‌بنماذج ‌مثالية‪‌ .‬وشاهدنا ‌كيف ‌أ ‌‬
‫بعض ‌الخامات ‌تتبع ‌نماذج ‌سهلة ‌بينما ‌يتبع ‌الكثير ‌منها ‌نماذج ‌معقدة‪‌ .‬هذا ‌وبد ‌تم ‌التركيز ‌أي ا‌‌‬
‫علق‌إبراز‌مواطن‌المشكالت‌مثل‌وجود‌توجل‌بوي‌أو‌ظاهرة‌عشوائية‌أو‌تناسبية‪‌.‬كما‌وحاولت‌‬
‫أ ‌أعرذ ‌أساليب ‌لحل ‌مثل ‌هذ ‌المشكالت‪‌ .‬إ ‌هنال ‌أناسا ‌من ‌أاحا ‌الرأي ‌في ‌هذا‌‬
‫ال مو وع‌يقولو ‌‌إ ‌عملية‌المطابقة‌للمتباين‌النصفي‌بنموذج‌معين‌هي‌نهج‌بديم‌وال‌داعي‌لل‪‌.‬‬
‫ولمواجهة‌موبف‌كهذا‌أرغب‌في‌إجراء‌مقارنة‌مع‌االحصاء‌العادي‪‌.‬فنذا‌أخذت‌عددا‌محددا‌من‌‬
‫العينات‌من‌جسم‌كبير‌وبمت‌برسم‌م لع‌تكراري‌‪‌ Histogram‬فهل‌أنت‌مستعد‌أل ‌تزعم‌أ ‌‬
‫هذا‌الم لع‌ التكراري‌‌يصف‌سلوك‌التو ع‌الذي‌تعالجل؟‌من‌هنا‌يتطلب‌عمل‌االستنتاجات‌بهذا‌‬
‫الصدد‌بناء‌نموذج‌لنري‌سلوك‌الخام‌ككل‪‌.‬‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬

‫‪33‬‬
 ‫الفصل الثالث‬

‫عالبات‌الحجم‌والتباين‌‪Volume-Variance Relationships‬‬
‫‌‬
‫نابشنا‌في‌فصول‌سابقة‌وحسابنا‌وطابقناا‌متبايناات‌نصافية‌نظرياة‌وأخارى‌تجريبياة‌وكاأ ‌‬
‫العينااات‌ال‌خصااائص‌لهااا‌إال‌موبعهااا‪‌.‬لقااد‌تجاهلنااا‌شااكل‌وحجاام‌العينااة‌والطريقااة‌التااي‌أخااذت‌بهااا‌‬
‫العينات‌وكيف‌تم‌بياسها‌وأشياء‌أخرى‌كثيرة‪‌.‬و بد‌افتر نا‌بطريقة‌فاعلة‌أ ‌بيم‌العينات‌موجاودة‌‬
‫فاي‌نقاااط‌فاي‌جساام‌الخاام‪‌.‬وسااوف‌نُاري‌فااي‌هاذا‌الفصاال‌أثرالخصاائص‌األخاارى‪‌،‬والمساماة‌ككاال‌‬
‫دعامة‌‪‌،Support‬علق‌بيم‌العينة‌نفسها‌وبالتالي‌علق‌المتباين‌النصفي‪‌.‬‬
‫‌‬
‫دعونا‌نأخذ‌بعين‌االعتبار‌مثال‌الزن \الراااص‌والاذي‌تمات‌منابشاتل‌فاي‌الفصال‌الثااني‌‬
‫من‌هذا‌الكتا ‪‌.‬فعلق‌الرغم‌مان‌أ ‌طاول‌عيناات‌اللاب‌يعاادل‌‪1.12‬م‪‌‌،‬فننناا‌تجاهلناا‌هاذ ‌الحقيقاة‌‬
‫وحسبنا‌كما‌أسلفنا‌المتباين‌النصافي‪‌.‬افتارذ‌علاق‌أياة‌حاال‌أ ‌اللاب‌باد‌تام‌تقسايمل‌بطاول‌‪3.04‬م‌‬
‫بدال‌من‌‪1.12‬م‪‌.‬ما‌أثر‌ذل ‌علق‌بايم‌العيناات‌وعلاق‌المتبااين‌النصافي؟‌الجادول‌‪‌‌1-3‬يباين‌ساجل‌‬
‫بئر‌‪‌Borehole Log‬لعينات‌أطوالها‌‪1.12‬م‌و‌‪3.04‬م‪‌.‬‬
‫‌‬
‫تم‌حسا ‌المتباين‌النصفي‌التجريبي‌لعينات‌اللاب‌ذات‌الطاول‌‪3.04‬م‌ودونات‌النتاائج‌فاي‌‬
‫جدول‪‌.2-3‬الشكل‌‪‌1-3‬يبين‌المتباين‌النصفي‌الجديد‌مع‌المتباين‌النصفي‌القاديم‪‌.‬كال‌مان‌الجاداول‌‬
‫والشكل‌تري‌أي ا‌نتائج‌بيم‌عيناات‌اللاب‌ذات‌الطاول‌‪4.12‬م‪‌.‬يمكان‌أ ‌نالحا ‌فاورا‌أ ‌المتبااين‌‬
‫النصفي‌للمساافة‌‪3.04‬م‌سايكو ‌دائماا‌ذو‌عتباة‌أبال‌مان‌تلا ‌المحساو ‌للمساافة‌‪1.12‬م‌وأ ‌تلا ‌‬
‫المحسوبة‌للمسافة‌‪4.12‬م‌أبل‌منهما‌جميعا‪‌‌.‬‬
‫‌‬
‫دعونا‌نعود‌اآل ‌للفر ية‌األساسية‌في‌علم‌الجيوإحصاء‌محاولين‌أ ‌نفسر‌هاذا‌السالوك‪‌.‬‬
‫يجاب‌علينااا‌بهاذا‌الصاادد‌أ ‌نساتذكر‌حقيقتااين‌مان‌الفصاال‌األول‪‌.‬أولهماا‌تعريااف‌المتبااين‌النصاافي‌‬
‫والذي‌ينص‌علق‌أنل‌"متوسط‌مربع‌الفروباات‌فاي‌التركياز‌باين‌عيناات‌علاق‌مساافة‌معطااة"‌ولاو‌‬
‫كانت‌هذ ‌العينات‌تمثل‌نقاطا‌فمن‌المفروذ‌أ ‌يكاو ‌التركياز‌باد‌بايس‌عناد‌هاذ ‌النقااط‪‌.‬وإذا‌ماا‌‬
‫بيس‌اللب‌فمن‌المفروذ‌أ ‌تكو ‌بيمة‌التركيز‌معادلة‌لقيمة‌متوسط‌طول‌اللب‪‌.‬‬

‫‪40‬‬
 ‫الجدول ‪ :1-3‬سجل بئر فرضي من توضع رصاص‪ /‬زنك – تم تجزئة العينة بثالثة طرق‬
‫‪1.52‬م‪3.40 ،‬م‪0.58 ،‬م‪.‬‬

‫العمق تحت‬
‫العمق تحت‬
‫فتحةالبئر‬ ‫‪1.52m‬‬ ‫‪3.04m‬‬ ‫‪4.56m‬‬ ‫‪1.52‬‬ ‫‪3.04‬‬ ‫‪4.56‬‬
‫فتحة‬
‫(م)‬ ‫‪m‬‬ ‫‪m‬‬ ‫‪m‬‬
‫البئر(م)‬
‫‪45.40‬‬ ‫‪8.44‬‬ ‫‪7.32‬‬ ‫‪6.22‬‬
‫‪46.92‬‬ ‫‪6.21‬‬ ‫‌‬ ‫‌‬
‫‪48.44‬‬ ‫‪4.01‬‬ ‫‪3.62‬‬ ‫‌‬
‫‪49.96‬‬ ‫‪3.23‬‬ ‫‌‬ ‫‪2.35‬‬
‫‪98.60‬‬ ‫‪2.56‬‬
‫‪51.48‬‬ ‫‪2.62‬‬ ‫‪1.91‬‬ ‫‌‬
‫‪100.12‬‬ ‫‪4.48‬‬ ‫‪6.60‬‬ ‫‪7.62‬‬
‫‪53.00‬‬ ‫‪1.20‬‬ ‫‌‬ ‫‌‬
‫‪101.64‬‬ ‫‪8.73‬‬
‫‪54.52‬‬ ‫‪1.02‬‬ ‫‪0.82‬‬ ‫‪0.61‬‬
‫‪103.16‬‬ ‫‪9.64‬‬ ‫‪12.46‬‬
‫‪56.04‬‬ ‫‪0.62‬‬ ‫‌‬ ‫‌‬
‫‪104.68‬‬ ‫‪15.28‬‬ ‫‪-‬‬
‫‪57.56‬‬ ‫‪0.20‬‬ ‫‪0.17‬‬ ‫‌‬
‫‪106.20‬‬ ‫فقد‌اللب ‌‬ ‫‪-‬‬
‫‪59.08‬‬ ‫‪0.14‬‬ ‫‌‬
‫‪0.17‬‬
‫‪107.72‬‬ ‫فقد‌اللب ‌‬
‫‪60.60‬‬ ‫‪0.13‬‬ ‫‪0.18‬‬ ‫‌‬
‫‪109.24‬‬ ‫فقد‌اللب ‌‬ ‫‪-‬‬ ‫‪-‬‬
‫‪62.12‬‬ ‫‪0.24‬‬ ‫‌‬ ‫‌‬
‫‪110.76‬‬ ‫فقد‌اللب ‌‬
‫‪63.64‬‬ ‫‪0.22‬‬ ‫‪0.23‬‬ ‫‪0.23‬‬
‫‪112.28‬‬ ‫‪7.56‬‬ ‫‪7.17‬‬
‫‪65.16‬‬ ‫‪0.24‬‬ ‫‌‬ ‫‌‬
‫‪113.80‬‬ ‫‪6.78‬‬ ‫‪6.48‬‬
‫‪66.68‬‬ ‫‪0.22‬‬ ‫‪0.28‬‬ ‫‌‬
‫‪115.32‬‬ ‫‪7.16‬‬ ‫‪6.33‬‬
‫‪68.20‬‬ ‫‪0.35‬‬ ‫‌‬
‫‪0.35‬‬
‫‪116.84‬‬ ‫‪5.51‬‬
‫‪69.72‬‬ ‫‪0.35‬‬ ‫‪0.34‬‬ ‫‌‬
‫‪118.36‬‬ ‫‪2.61‬‬ ‫‪2.97‬‬ ‫‪4.25‬‬
‫‪71.24‬‬ ‫‪0.34‬‬ ‫‌‬ ‫‌‬
‫‪119.88‬‬ ‫‪3.34‬‬
‫‪72.76‬‬ ‫‪0.39‬‬ ‫‪0.52‬‬ ‫‪0.82‬‬
‫‪121.40‬‬ ‫‪6.80‬‬ ‫‪5.32‬‬
‫‪74.28‬‬ ‫‪0.66‬‬ ‫‌‬ ‫‌‬
‫‪122.92‬‬ ‫‪3.84‬‬ ‫‪3.65‬‬
‫‪75.80‬‬ ‫‪1.40‬‬ ‫‪2.87‬‬ ‫‌‬
‫‪124.44‬‬ ‫‪3.21‬‬ ‫‪3.55‬‬
‫‪77.32‬‬ ‫‪4.35‬‬ ‫‌‬
‫‪6.38‬‬
‫‪125.96‬‬ ‫‪3.90‬‬
‫‪78.84‬‬ ‫‪7.74‬‬ ‫‪7.40‬‬ ‫‌‬
‫‪127.48‬‬ ‫‪3.58‬‬ ‫‪3.95‬‬ ‫‪4.63‬‬
‫‪80.36‬‬ ‫‪7.06‬‬ ‫‌‬ ‫‌‬
‫‪129.00‬‬ ‫‪4.32‬‬
‫‪81.88‬‬ ‫‪4.93‬‬ ‫‪3.99‬‬ ‫‪3.47‬‬
‫‪130.52‬‬ ‫‪6.00‬‬ ‫‪4.35‬‬
‫‪83.40‬‬ ‫‪3.05‬‬ ‫‌‬ ‫‌‬
‫‪132.04‬‬ ‫‪2.70‬‬ ‫‪3.74‬‬
‫‪84.92‬‬ ‫‪2.42‬‬ ‫‪1.88‬‬ ‫‌‬
‫‪133.56‬‬ ‫‪3.72‬‬ ‫‪4.26‬‬
‫‪86.44‬‬ ‫‪1.34‬‬ ‫‌‬
‫‪0.81‬‬
‫‪135.08‬‬ ‫‪4.80‬‬
‫‪87.96‬‬ ‫‪0.56‬‬ ‫‪0.54‬‬ ‫‌‬
‫‪136.60‬‬ ‫‪6.31‬‬ ‫‪6.68‬‬ ‫‪6.87‬‬
‫‪89.48‬‬ ‫‪0.53‬‬ ‫‌‬ ‫‌‬
‫‪138.12‬‬ ‫‪7.05‬‬
‫‪91.00‬‬ ‫‪0.70‬‬ ‫‪0.85‬‬ ‫‪0.89‬‬
‫‪139.64‬‬ ‫‪7.24‬‬ ‫‪7.71‬‬
‫‪92.52‬‬ ‫‪1.01‬‬ ‫‌‬ ‫‌‬
‫‪141.16‬‬ ‫‪8.19‬‬
‫‪94.04‬‬ ‫‪0.95‬‬ ‫‪1.07‬‬ ‫‌‬
‫‪95.56‬‬ ‫‪1.20‬‬ ‫‌‬
‫‪1.88‬‬
‫‪97.08‬‬ ‫‪1.87‬‬ ‫‪2.21‬‬ ‫‌‬

‫‌‬

‫‪41‬‬
 ‫الجدول ‪ :2-3‬قيم المتباين النصفي التجريبي حسبت من األطوال الثالثة للعينة اللبية‪.‬‬
‫‌‬
‫المتباينات النصفية‬
‫المسافة بين‬
‫العينات(م)‬
‫‪1:52m‬‬ ‫‪3:04m‬‬ ‫‪4:56m‬‬

‫‪1:52‬‬ ‫‪1:33‬‬
‫‪3:04‬‬ ‫‪3:09‬‬ ‫‪2:67‬‬
‫‪4:56‬‬ ‫‪5:03‬‬ ‫‪3:40‬‬
‫‪6:08‬‬ ‫‪6:70‬‬ ‫‪6:08‬‬
‫‪7:60‬‬ ‫‪8:26‬‬
‫‪9:12‬‬ ‫‪9:00‬‬ ‫‪8:32‬‬ ‫‪5:91‬‬
‫‪10:64‬‬ ‫‪9:67‬‬
‫‪12:16‬‬ ‫‪10:46‬‬ ‫‪9:50‬‬
‫‪13:68‬‬ ‫‪11:44‬‬ ‫‪6:55‬‬
‫‪15:20‬‬ ‫‪11:87‬‬ ‫‪11:01‬‬
‫‪16:72‬‬ ‫‪11:39‬‬
‫‪18:24‬‬ ‫‪11:33‬‬ ‫‪10:32‬‬ ‫‪6:68‬‬
‫‪19:76‬‬ ‫‪10:93‬‬
‫‪21:28‬‬ ‫‪10:48‬‬ ‫‪9:18‬‬
‫‪22:80‬‬ ‫‪9:76‬‬ ‫‪5:71‬‬
‫‪24:31‬‬ ‫‪9:21‬‬ ‫‪8:75‬‬
‫‪25:84‬‬ ‫‪9:27‬‬
‫‪27:36‬‬ ‫‪11:09‬‬ ‫‪10:62‬‬ ‫‪7:21‬‬
‫‪28:88‬‬ ‫‪11:70‬‬
‫‪30:40‬‬ ‫‪11:25‬‬ ‫‪10:10‬‬
‫‪31:92‬‬ ‫‪9:68‬‬ ‫‪4:93‬‬
‫‪33:44‬‬ ‫‪8:60‬‬ ‫‪7:80‬‬
‫‪34:96‬‬ ‫‪8:45‬‬
‫‪36:48‬‬ ‫‪9:15‬‬ ‫‪8:12‬‬ ‫‪4:28‬‬
‫‪38:00‬‬ ‫‪10:15‬‬
‫‪39:52‬‬ ‫‪11:70‬‬ ‫‪11:55‬‬
‫‪41:04‬‬ ‫‪13:04‬‬ ‫‪8:64‬‬
‫‪42:56‬‬ ‫‪14:03‬‬ ‫‪13:18‬‬
‫‪44:08‬‬ ‫‪14:98‬‬
‫‪45:60‬‬ ‫‪15:70‬‬ ‫‪14:18‬‬ ‫‪10:01‬‬
‫‪47:12‬‬ ‫‪15:94‬‬
‫‪48:64‬‬ ‫‪15:81‬‬ ‫‪14:20‬‬
‫‌‬

‫وبهاذا‌فنننااا‌نقااار ‌متوساطات‌التركيااز‪‌ g 2 ‌، g1 ‌،‬ولاايس‌بايم‌تركيااز‌فرديااة‌‪‌.g2, g1‬وبالتااالي‌فنننااا‌‬

‫نتوبع‌وبمعقولية‌أ ‌ال‌يكو ‌سلوك‌التركيز‌لما‌بيمتل‌ملعقة‌طعام‌من‌الخام‌مشابها‌لسلوك‌متوساط‌‬
‫التركيز‌لعيناة‌لاب‌طولهاا‌‪1.12‬م‪‌.‬وبصاورة‌مشاابهة‌فننناا‌نتوباع‌سالوكا‌مغاايرا‌فيماا‌إذ‌لاو‌حسابت‌‬
‫متوسااطات‌التركيااز‌علااق‌مسااافات‌مقاادارها‌‪3.04‬م‪‌.‬والسااؤال‌المطااروي‌اآل ‌هااو‌كيااف‌يمكاان‌أ ‌‬
‫نميااز‌هااذا‌الفاارق‌فااي‌الساالوك‪‌.‬والحقيقااة‌الثانيااة‌التااي‌يجااب‌تااذكرها‌أ ‌عتبااة‌المتباااين‌النصاافي‌إ ‌‬
‫‪42‬‬
‫وجاادت‌تساااوي‌بيمااة‌تباااين‌العتبااة‌‪‌.Sample Variance‬أمااا‌إذا‌كنااا‌نتعاماال‌مااع‌عينااات‌نقطيااة‌‬
‫‪‌‌Point Samples‬فننل‌يصب ‌بمقدورنا‌أ ‌نقدر‌بيمة‌عتبة‌المتبااين‌النصافي‌حساابيا‌وأ ‌نقارنهاا‌‬
‫بتل ‌التي‌حصلنا‌عليها‌تجريبيا‪‌.‬بمعنق‌أنل‌في‌الو ع‌المثالي‌فن ‌بيمة‌العتبة‌تساوي‌بيماة‌التبااين‌‬
‫أي‌‪‌.s2‌=‌C‬‬
‫‌‬
‫اآل ‪‌‌،‬إذا‌كانت‌العينات‌هي‌عيناات‌لاب‌ذات‌طاول‌محادد‌(مثال‌‪1.12‬م)‌وحسابنا‌متوساط‌‬
‫التركياز‌علاق‌‌طولهاا‪‌،‬فننناا‌باذل ‌نكاو ‌باد‌بمناا‌بتهاذيب‌تبااين‌الانقط‌ ‪Smoothing of point‬‬
‫‪ ‌.variance‬بمعنق‌آخر‌بمنا‌باستبدال‌عدد‌كبير‌من‌النقاط‌المستقلة‌بقيمة‌متوساطة‪‌.‬ومان‌هناا‌فان ‌‬
‫تباين‌المتوسطات‌سوف‌يكو ‌أبل‌من‌تباين‌النقاط‌وبالتالي‪‌:‬‬
‫‌‬
‫‪‌ Cl  S l2  C  S 2‬‬
‫‌‬
‫بطريقة‌مماثلة‌فن ‌‪‌C 3.04‬ستكو ‌أبل‌من‌‪‌C 1.52‬وهكذا‌دوالي ‪‌.‬‬
‫‌‬
‫إذا‌ما‌كا ‌لدينا‌نموذج‌للمتباين‌النصفي‌لعينات‌نقطياة‌فننناا‌نساتطيع‌أ ‌نناتج‌نموذجاا‌ألي‌‬
‫بيااس‌(طاول)‌مان‌العيناة‌بتوظياف‌العالباة‌الريا اية‌‌باين‌النماوذج‌النقطاي‌(‪‌)γ‬ونماوذج‌العيناات‌‬
‫اللبيااة‌(‪)γl‬ذات‌‌الطااول‌‪‌.l‬وبمااا‌ أننااا‌نسااتخدم‌عااددا‌محااددا‌ماان‌النماااذج‌البساايطة‌للمتباااين‌النصاافي‌‬
‫النقطي‌فننل‌ليس‌من‌الصعب‌تقرير‌هذ ‌العالبة‪‌‌.‬‬
‫‌‬
‫فمثال‌إذا‌كا ‌لدينا‌نموذج‌خطي‌يمثل‌عيناات‌نقطياة‌فسايكو ‪‌γ(h) =ph‌‌:‬حياث‌‪‌p‬تمثال‌‬
‫ميل‌خط‌المتباين‌النصفي‪‌.‬ومن‌هنا‌فن ‌المتباين‌النصفي‌لعينات‌ذات‌طول(‪‌)l‬يعطي‌بـ‪‌:‬‬
‫‪ph 2‬‬
‫‪‌  l ( h) ‬‬ ‫عندما‌‪3l  h) ‌‌‌h ≤ l‬‬
‫‪3l 2‬‬
‫‪‬‬ ‫‪l‬‬
‫‌‌‌‌‌‌‌‌‌‌‌عندما‌‪ l (h)  p h   ‌‌‌‌‌‌‌‌h ≥ l‬‬
‫‪‬‬ ‫‪3‬‬

‫‪43‬‬
 ‫‌‬
‫‌‬
‫الشكل‌‪ ‌:1-3‬متباينات‌نصفية‌تجريبية‌مبنية‌من‌األطوال‌المختلفة‌للعينة‌اللبية‌من‌مثال‌‬
‫الرااص\زن ‪‌.‬‬
‫‌‬
‫‌‬

‫‌‬
‫‌‬
‫الشكل‌‪‌:2-3‬تنظيم‌متباين‌نصفي‌خطي‌بأطوال‌العينات‌اللبية‪‌.‬‬
‫‌‬

‫‪44‬‬
‫هااذ ‌العالبااات‌يو ااحها‌الشااكل‌‪‌2-3‬حيااث‌يجمااع‌المتباينااات‌النصاافية‌لعينااات‌نقطيااة‌وعينااات‌لااب‌‬
‫بهدف‌المقارنة‪‌.‬وعمليا‌فنننا‌غالباا‌ماا‌يكاو ‌لادينا‌متبااين‌نصافي‌تجريباي‌لعيناات‌ذات‌طاول‌‌(‪‌،)l‬‬
‫يعني‌ *‪‌،  l‬ونحتاج‌إلق‌ايجاد‌النموذج‌للعينات‌النقطية‌(‪‌)γ‬الساتخدامل‌فاي‌فصاول‌الحقاة‪‌.‬وبماا‌أ ‌‬
‫الميال‌(‪‌)p‬هاو‌نفااس‌ميال‌النمااوذج‌النقطاي‪‌،‬فاان ‌بيااس‌المياال‪‌،‬بمنتهاق‌البساااطة‪‌،‬للمتبااين‌النصاافي‌‬
‫التجريبي‌‌ *‪‌‌  l‬سوف‌يعطي‌بيمة‌لـ‌(‪‌)p‬وبالتالي‌للنموذج‌النقطي‌‌‪‌.γ‬والتعقياد‌الوحياد‌الاذي‌يمكان‌‬
‫أ ‌ينشأ‌إذا‌كا ‌النموذج‌خطيا‌ويري‌ظاهرة‌تشذر‪‌.‬إ ‌أخذ‌عينات‌لبية‌‌سوف‌يخفض‌الخط‌ولكن‌‬
‫ظاهرة‌التشذر‌سوف‌ترفعل‌من‌جديد‪ ‌.‬من‌المعادلة‌السابقة‪‌،‬ومع‌عدم‌توفر‌ظاهرة‌التشذر‪‌،‬فن ‌مد‌‬
‫الخط‌الذي‌يمثل‌نموذج‌اللب‌إلق‌أسفل‌بحيث‌يقطع‌محور‌المتباين‌النصفي‌سوف‌يحدث‌بطعا‌فاي‌‬
‫المحور‌بيمتل‌(‪‌.) – ρl/3‬وفي‌حالاة‌عمال‌تقادير‌لاـ‌(‪‌)p‬فننال‌يمكان‌التأكاد‌مان‌ذلا ‌(أي‌إذا‌كانات‌‬
‫بيمااة‌القطااع‌مساااوية‌‪‌)– ρl/3‬وماان‌ثاام‌يمكاان‌ا ااافة‌بيمااة‌لظاااهرة‌التشااذر(‪‌‌)Co‬إذا‌كااا ‌ذل ا ‌‬
‫روريا‪‌.‬‬
‫‌‬
‫واآل ‌افتاارذ‌أ ‌الخااام‌الااذي‌نتعاماال‌معاال‌يتبااع‌نموذجااا‌أساايا‌بعتبااة‌مقاادارها‌‪‌C‬لعينااات‌‬ ‫‌‌‬
‫نقطية‪‌،‬بمعنق‌آخر‪‌:‬‬
‫‌‬
‫‪ (h)  C1  exp(h / a)‬‬ ‫عندما‌ ‪‌‌‌‌h ≥0‬‬

‫وبالتالي‌فن ‌النموذج‌النظري‌لعينات‌لب‌ذات‌طول‌(‪‌)l‬يصب ‌‬
‫‌‬
‫‪ a‬‬
‫‪‌  l (h)  C 2 ‬عندما‌‪‌‌h≥l‬‬
‫‪a2‬‬
‫‪2‬‬
‫‪1  exp(h / a)exp(h / a)1  exp(l / a)  2‬‬
‫‪ l‬‬ ‫‪l‬‬ ‫‪‬‬

‫‌‬
‫ويصب ‌األمر‌أكثر‌تعقيدا‌إذا‌كانت‌المسافات‌أبل‌من‌طول‌اللب‌(‌‪‌)h<l‬حيث‌أنل‌ناادرا‌ماا‌يكاو ‌‬
‫لاادينا‌مثاال‌هااذا‌الو ااع‌(أي‌‪‌)h<l‬حيااث‌معادلااة‌النمااوذج‌تبقااق‌أماارا‌أكاديميااا‪‌.‬يااري‌الشااكل‌‪‌3-3‬‬
‫نموذجا‌أسيا‌نقطيا‌والمنحنق‌المنظم‌‪‌Regularized‬المتعلق‌بل‌لعينات‌ذات‌طول‌‪‌l‬يمكن‌أ ‌نباين‌‬
‫بمنتهق‌السهولة‌أ ‌‌‪‌C‌l‬أبل‌من‌‪‌.C‬وفي‌الوابع‪‌:‬‬
‫‌‬
‫‪ a a2‬‬ ‫‪‬‬
‫‪Cl  2C   2 1  exp( l / a)‬‬
‫‪l l‬‬ ‫‪‬‬

‫‪41‬‬
 ‫‌‬
‫الشكل‌‪‌:3-3‬تنظيم‌متباين‌نصفي‌أسي‌بأطوال‌العينات‌اللبية‪‌.‬‬
‫بحياث‌أ ‌عيناة‌لاب‌طولهاا‌مسااو‌لخماس‌مادى‌التاأثير‌(أي‌‪‌)l =0.29‬ساوف‌تناتج‌عتباة‌تجريبياة‌‬
‫تعادل‌‪‌‌.0.94‬‬

‫‪‬‬ ‫‪‬‬ ‫‪‬‬

‫‪Cl  2C 5  25 1  e 0.2  0.94C‬‬
‫‌‬
‫‌‬
‫بمعنااق‌أ ‌العتبااة‌الجدياادة‌سااتكو ‌ذات‌ارتفاااع‌يعااادل‌‪‌%34‬ماان‌ارتفاااع‌عتبااة‌النمااوذج‌النقطااي‪‌.‬‬
‫ونالح ‌أي ا‌مان‌شاكل‌‪‌3-3‬أ ‌ماد‌الجازء‌الخطاي‌مان‌نماوذج‌اللاب‌(باالقر ‌مان‌األاال)‌حتاق‌‬
‫يقطع‌العتبة‌سينتج‌عنل‌تقدير‌لمدى‌تأثير‌عينات‌اللاب‌ ‪‌،al‬بحياث‌يكاو ‌أكبار‌مان‌ذلا ‌المحساو ‌‬
‫لعينات‌النقط‌‪(‌a‬بمعنق‌أ ‌‪‌‌.)al > a‬‬
‫‌‬
‫وفاي‌الواباع‌فان ‌‪‌.al = a + l‬يصاب ‌هاذا‌أمارا‌محسوساا‌إذا‌تاذكرت‌أ ‌عيناات‌اللاب‌يجاب‌أ ‌‬
‫تكو ‌أكثر‌بعدا‌عن‌بع ها‌بع ا‌ببل‌أ ‌تصب ‌مستقلة‌عن‌بع ها‌البعض‪‌‌.‬‬
‫‌‬
‫تنطبق‌المعادالت‌والمنابشات‌السابقة‌علق‌الو ع‌الذي‌نكاو ‌فيال‌علاق‌معرفاة‌باالنموذج‌‬
‫النقطااي‌ونريااد‌أ ‌نجااد‌النمااوذج‌الماانظم‌‪‌،Regularized Model‬وعمليااا‌فاان ‌األماار‌معكااوس‌‬
‫بصااورة‌عامااة‪‌.‬فعااادة‌مااا‌يكااو ‌لاادينا‌متباااين‌نصاافي‌تجريبااي‌تاام‌حسااابل‌لعينااات‌لاب‌بطااول‌معااين‌‬
‫ونرغاب‌فاي‌أ ‌نجاد‌النماوذج‌‌النقطاي‌الساتخدامل‌فاي‌تقنياات‌التقادير‪‌.‬لنفارذ‌إذا‌أ ‌لادينا‌رساما‌‬
‫بيانيا‌لمتبااين‌نصافي‌ *‪‌‌  l‬وبررناا‌أ ‌الخاام‌الاذي‌لادينا‌يتباع‌توزعاا‌أسايا‪‌.‬ساتكو ‌الخطاوة‌األولاق‌‬
‫والحالاة‌هاذ ‌تخايمن‌بايم‌المعاالم‌‪‌al ,Cl‌‌Parameter‬وحياث‌أ ‌الموديال‌أساي‌فان ‌العتباة‌‌‪‌‌ Cl‬‬
‫ستكو ‌أكبر‌بكثير‌من‌النقط‌التجريبية‌علق‌الرسم‌البياني‪‌.‬بعد‌تخماين‌بيماة‌‌‪‌، Cl‬يرسام‌خاط‌إلاق‌‬

‫‪42‬‬
‫أعلق‌يصل‌بين‌أول‌نقطتين‌أو‌أول‌ثالثة‌نقاط‌بحيث‌يقطع‌العتباة‪‌.‬بهاذا‌سنحصال‌علاق‌أول‌تقادير‌‬
‫لـ‌‪‌. al‬وحيث‌أننا‌نعلم‌أ ‪‌،a = al - l‬بذل ‌نكو ‌بد‌حصلنا‌علق‌تقدير‌أولي‌لـ‌‪‌.a‬بتعاويض‌هاذ ‌‬
‫القيمة‌فاي‌المعادلاة‌المساتخدمة‌لحساا ‌ ‪‌Cl‬يمكنناا‌حساا ‌بيماة‌‪(‌C‬عتباة‌النقااط)‪‌.‬بهاذا‌نكاو ‌باد‌‬
‫حصلنا‌علق‌تخمينات‌لقيم‌‪‌C, a‬التي‌تحكام‌‌النماوذج‌النقطاي‪‌.‬والساؤال‌التاالي‌عماا‌إذا‌كانات‌هاذ ‌‬
‫التخمينات‌جيدة‌أم‌ال‪‌‌.‬‬
‫‌‬
‫لقد‌سبق‌وأ ‌ذكرنا‌أنال‌إذا‌كاا ‌لادينا‌نماوذج‌نقطاي‌فننناا‌نساتطيع‌أ ‌نناتج‌النماوذج‌اللباي‌‬
‫المماثل‌ألي‌عينات‌لب‌ذات‌طول‌معين‌)‪‌.γl(h‬وإذا‌كانت‌التخمينات‌جيدة‌فن ‌النماوذج‌الفر اي‌‬
‫)‪‌γl(h‬ساوف‌يتطاابق‌ماع‌النماوذج‌التجريباي‪‌.‬كماا‌وأ ‌التعاويض‌بقايم‌(‪‌)h, l , a, c‬ساينتج‌عنال‌‬
‫منحنااق‌مهااذ ‌مثاال‌المنحنااق‌الساافلي‌فااي‌شااكل‌‪‌3-3‬بحيااث‌يمكاان‌مقارنتاال‌مااع‌البيانااات‪‌.‬هااذا‌وإذا‌‌‬
‫ابت ت‌الحاجة‌فايمكن‌تغييار‌بايم‌‪‌C, a‬حتاق‌تصاب ‌بايم‌النماوذج‌متطابقاة‌تماماا‌ماع‌بايم‌البياناات‌‬
‫‪‌Data Values‬وفي‌الوابع‌إ ‌هذ ‌الطريقة‌هي‌نفاس‌الطريقاة‌المساتخدمة‌فاي‌الفصال‌الثااني‌ماع‌‬
‫األخذ‌بعين‌االعتبار‌طول‌العينة‪‌‌.‬‬
‫‌‬
‫واآل ‌دعونا‌نعود‌من‌جديد‌إلق‌النموذج‌الشائع‌أال‌وهاو‌النماوذج‌الكاروي‌والاذي‌سايتأثر‌‬
‫هاو‌اآلخار‌بانفس‌الطريقاة‌التاي‌يتاأثر‌بهاا‌النماوذج‌األساي‌بحياث‌تصاب ‌عتباة‌اللاب‌أبال‌مان‌عتباة‌‬
‫النقاط‪‌،‬بمعنق‌أ ‪‌:‬‬
‫‌‬
‫‪C ‬‬ ‫‪l l3 ‬‬
‫‪Cl ‬‬ ‫‪‬‬ ‫‪20  10  3  l  a‬‬
‫‪0.20 ‬‬ ‫‪a a ‬‬
‫و‌‬
‫‪C a‬‬ ‫‪a‬‬
‫‪Cl ‬‬ ‫‪15  4  l  a‬‬
‫‪20 l ‬‬ ‫‪l‬‬

‫‪46‬‬
 ‫‌‬
‫الشكل‌‪‌:4-3‬تنظيم‌متباين‌نصفي‌كروي‌بأطوال‌العينات‌اللبية‌‬

‫إ ‌معادلة‌المتباين‌النصفي‌اعبة‌للغاياة‌بسابب‌عادم‌االساتمرارية‌فاي‌النماوذج‌ولكان‌هنااك‌مثااال‌‬
‫مو حا‌في‌شاكل‌‪‌.4-3‬هاذا‌ولقاد‌نشار‌برناامج‌جزئاي‌‪‌Subroutine‬لتقيايم‌المعادلاة‪‌.‬إذا‌ماا‌تمات‌‬
‫الحسابات‌باليد‌أو‌باستخدام‌آلة‌حاسابة‌فننال‌مان‌الساهل‌اساتخدام‌جاداول‌خاااة‌مثال‌جادول‌‪‌.3-3‬‬
‫يبين‌هذا‌الجدول‌شكل‌النموذج‌للمتباين‌النصافي‌المانظم‌‪‌Regularized Semivariogram‬للاب‌‬
‫طولل‌‪‌l‬إذا‌كا ‌للمتباين‌النصفي‌األالي‌مدى‌تأثير‪‌a‬وعتبة‌مقدارها‌‪‌.1‬إ ‌اساتخدام‌هاذا‌الجادول‌‬
‫‌في‌شكل‌‪‌1-3‬‬ ‫‌بشكل‌جيد‌بتطبيق‌مثال‪‌.‬بامكاننا‌أ ‌نعود‌اآل ‌إلق‌المثال‌المو‬ ‫يمكن‌أ ‌يو‬
‫لقاايم‌الزناا ‌المقاسااة‌لطااول‌مقاادار ‌‪1.12‬م‪‌.‬فااي‌الفصاال‌الثاااني‌ذكرنااا‌أ ‌العتبااة‌تقااع‌عنااد‌القاايم‌‬
‫‪‌.2)%(10.1‬إ ‌هاذا‌هااو‌أول‌تقريااب‌لقيماة‌‌‪‌.Cl‬كماا‌أ ‌مااد‌خااط‌باتجااا ‌هاذ ‌العتبااة‌عاادا‌النقطتااين‌‬
‫األول‌في‌المتباين‌النصفي‌التجريبي‌سيعطي‌‪‌.2al/3 = 9.6m‬أي‌أ ‌‪‌al = 14.4m‬وبالتالي‌فان ‌‬
‫بيمة‌‪‌.a = 12.9m‬باستخدام‌معادلة‌‪‌:Cl‬‬
‫‪C‬‬ ‫‪l l3 ‬‬
‫‪‌ Cl ‬‬ ‫‪ 20  10  3 ‬‬
‫‪20 ‬‬ ‫‪a a ‬‬

‫‪C ‬‬ ‫‪ 1.52  1.52 ‬‬

‫‪3‬‬
‫‪10.5 ‬‬ ‫‪‬‬ ‫‪20‬‬ ‫‪‬‬ ‫‪10‬‬‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪3‬‬
‫‪20 ‬‬ ‫‪ 12.9  12.9 ‬‬
‫‪10.5  0.9412C‬‬ ‫‌‬
‫)‪C  11.2(%‬‬ ‫‪2‬‬
‫‌‬

‫‪41‬‬
‫وبالتاالي‌فان ‌أول‌تقاديرات‌لمعاالم‌‪‌Parameters‬النماوذج‌النقطاي‌هاي‌)‪a=12.9 ،C=11.2(%‬‬
‫‪‌.m‬يجب‌أ ‌نجاد‌اآل ‌فاي‌جادول‌‪‌3-3‬الساطر‌الاذي‌يمثال‌القيماة‌(‪‌.)a/l =8.5‬وبيماة‌المادخالت‌‬
‫علق‌طول‌هذا‌السطر‌تعبر‌عن‌م اعفات‌طول‌العينة‌‪‌.l‬بمعنق‌انل‌إذا‌كانت‌بيمة‌‪‌h/l =1‬فن ‌ ‪h‬‬
‫‪‌،=1.52m‬وإذا‌كانت‌‪‌h/l =2‬فن ‌بيمة‌ ‪‌h = 3.04m‬وهكذا‪‌‌.‬‬
‫الجدول ‪ :3-3‬تنظيم متباين نصفي )‪  (h‬لنموذج كروي بمدى تأثير ‪ a‬وعتبة ‪ 1 = C‬لمسافات‬
‫مختلفة‪.‬‬
‫‪L /h‬‬

‫‪L /a‬‬ ‫‪10.0‬‬ ‫‪9.0‬‬ ‫‪8.0‬‬ ‫‪7.0‬‬ ‫‪6.0‬‬ ‫‪5.0‬‬ ‫‪4.0‬‬ ‫‪3.0‬‬ ‫‪2.0‬‬ ‫‪1.0‬‬

‫‪.325‬‬ ‫‪.325‬‬ ‫‪.325‬‬ ‫‪.325‬‬ ‫‪.325‬‬ ‫‪.325‬‬ ‫‪.325‬‬ ‫‪.325‬‬ ‫‪.325‬‬ ‫‪.300 .50‬‬
‫‪.550‬‬ ‫‪.550‬‬ ‫‪.550‬‬ ‫‪.550‬‬ ‫‪.550‬‬ ‫‪.550‬‬ ‫‪.550‬‬ ‫‪.550‬‬ ‫‪.550‬‬ ‫‪.450 1.00‬‬
‫‪.681‬‬ ‫‪.681‬‬ ‫‪.681‬‬ ‫‪.681‬‬ ‫‪.681‬‬ ‫‪.681‬‬ ‫‪.681‬‬ ‫‪.681‬‬ ‫‪.678‬‬ ‫‪.463 1.50‬‬
‫‪.756‬‬ ‫‪.756‬‬ ‫‪.756‬‬ ‫‪.756‬‬ ‫‪.756‬‬ ‫‪.756‬‬ ‫‪.756‬‬ ‫‪.756‬‬ ‫‪.728‬‬ ‫‪.412 2.00‬‬
‫‪.803‬‬ ‫‪.803‬‬ ‫‪.803‬‬ ‫‪.803‬‬ ‫‪.803‬‬ ‫‪.803‬‬ ‫‪.803‬‬ ‫‪.802‬‬ ‫‪.717‬‬ ‫‪.355 2.50‬‬
‫‪.835‬‬ ‫‪.835‬‬ ‫‪.835‬‬ ‫‪.835‬‬ ‫‪.835‬‬ ‫‪.835‬‬ ‫‪.835‬‬ ‫‪.822‬‬ ‫‪.669‬‬ ‫‪.307 3.00‬‬
‫‪.858‬‬ ‫‪.858‬‬ ‫‪.858‬‬ ‫‪.858‬‬ ‫‪.858‬‬ ‫‪.858‬‬ ‫‪.858‬‬ ‫‪.812‬‬ ‫‪.610‬‬ ‫‪.269 3.50‬‬
‫‪.876‬‬ ‫‪.876‬‬ ‫‪.876‬‬ ‫‪.876‬‬ ‫‪.876‬‬ ‫‪.876‬‬ ‫‪.868‬‬ ‫‪.778‬‬ ‫‪.555‬‬ ‫‪.239 4.00‬‬
‫‪.889‬‬ ‫‪.889‬‬ ‫‪.889‬‬ ‫‪.889‬‬ ‫‪.889‬‬ ‫‪.889‬‬ ‫‪.861‬‬ ‫‪.733‬‬ ‫‪.507‬‬ ‫‪.215 4.50‬‬
‫‪.900‬‬ ‫‪.900‬‬ ‫‪.900‬‬ ‫‪.900‬‬ ‫‪.900‬‬ ‫‪.896‬‬ ‫‪.836‬‬ ‫‪.686‬‬ ‫‪.464‬‬ ‫‪.194 5.00‬‬
‫‪.909‬‬ ‫‪.909‬‬ ‫‪.909‬‬ ‫‪.909‬‬ ‫‪.909‬‬ ‫‪.890‬‬ ‫‪.802‬‬ ‫‪.642‬‬ ‫‪.428‬‬ ‫‪.178 5.50‬‬
‫‪917‬‬ ‫‪.917‬‬ ‫‪.917‬‬ ‫‪.917‬‬ ‫‪.914‬‬ ‫‪.872‬‬ ‫‪.764‬‬ ‫‪.601‬‬ ‫‪.396‬‬ ‫‪.163 6.00‬‬
‫‪.923‬‬ ‫‪.923‬‬ ‫‪.923‬‬ ‫‪.923‬‬ ‫‪.909‬‬ ‫‪.845‬‬ ‫‪.726‬‬ ‫‪.564‬‬ ‫‪.368‬‬ ‫‪.151 6.50‬‬
‫‪.929‬‬ ‫‪.929‬‬ ‫‪.929‬‬ ‫‪.926‬‬ ‫‪.895‬‬ ‫‪.814‬‬ ‫‪.690‬‬ ‫‪.530‬‬ ‫‪.344‬‬ ‫‪.141 7.00‬‬
‫‪.933‬‬ ‫‪.933‬‬ ‫‪.933‬‬ ‫‪.923‬‬ ‫‪.874‬‬ ‫‪.782‬‬ ‫‪.655‬‬ ‫‪.500‬‬ ‫‪.323‬‬ ‫‪.132 7.50‬‬
‫‪.938‬‬ ‫‪.938‬‬ ‫‪.936‬‬ ‫‪.912‬‬ ‫‪.849‬‬ ‫‪.751‬‬ ‫‪.623‬‬ ‫‪.472‬‬ ‫‪.304‬‬ ‫‪.124 8.00‬‬
‫‪.941‬‬ ‫‪.941‬‬ ‫‪.933‬‬ ‫‪.894‬‬ ‫‪.822‬‬ ‫‪.720‬‬ ‫‪.593‬‬ ‫‪.447‬‬ ‫‪.287‬‬ ‫‪.117 8.50‬‬
‫‪.945‬‬ ‫‪.943‬‬ ‫‪.924‬‬ ‫‪.874‬‬ ‫‪.794‬‬ ‫‪.690‬‬ ‫‪.566‬‬ ‫‪.425‬‬ ‫‪.272‬‬ ‫‪.110 9.00‬‬
‫‪.947‬‬ ‫‪.941‬‬ ‫‪.910‬‬ ‫‪.851‬‬ ‫‪.767‬‬ ‫‪.663‬‬ ‫‪.541‬‬ ‫‪.404‬‬ ‫‪.258‬‬ ‫‪.104 9.50‬‬
‫‪.949‬‬ ‫‪.933‬‬ ‫‪.892‬‬ ‫‪.827‬‬ ‫‪.741‬‬ ‫‪.636‬‬ ‫‪.517‬‬ ‫‪.386‬‬ ‫‪.246‬‬ ‫‪.099 10.0‬‬
‫‌‬
‫فمثال‌عند‌القيم‌‪‌h/l =1‬فن ‌الجدول‌يعطي‌براءة‌بيمتها‌‪‌.0.116‬هذا‌بالنسبة‌لمتباين‌نصافي‌بعتباة‌‬
‫مقدارها‌‪‌.1‬وبما‌أ ‌عتبة‌المتباين‌النصفي‌الذي‌نتعامل‌معل‌هي‌‪‌،2)%(11‬فن ‌القيمة‌التاي‌تساعق‌‬
‫إليها‌هي‌‪‌.2)%(‌1.31=11.2‌×0.116‬بهاذا‌نكاو ‌باد‌حصالنا‌اآل ‌علاق‌بيماة‌نماوذج‌ ‪Model‬‬
‫‪‌Value‬بالنسبة‌لمتباين‌نصفي‌عينات‌لاب‌ذات‌طاول‌‪1.12‬م‌‌يمكان‌اساقاطها‌علاق‌الرسام‌البيااني‌‬
‫مقابل‌القيمة‌‪‌.1.31‬‬
‫‌‬

‫‪43‬‬
‫نقطاة‌ثانيااة‌ماان‌نقااط‌النمااوذج‌يمكاان‌أ ‌تكااو ‌علااق‌بعااد‌‪‌.h/l = 2‬الجاادول‌يعطااي‌بيماة‌‬
‫مقااادارها‌‪‌0.211‬لاااـ‌‪‌،C=1‬وبالتاااالي‌تصاااب ‌بيماااة‌نموذجناااا‌‪‌.2)%(3.23‌=‌11.2×0.211‬هاااذ ‌‬
‫القيماة‌يمكاان‌مقارنتهاا‌بالنساابة‌للقيماة‌التجريبياة‌والمساااوية‌‪‌.2)%(3.03‬نكاارر‌هاذ ‌الطريقااة‌حتااق‌‬
‫نحصل‌علق‌بيم‌نموذج‌لمقارنتها‌بالقيم‌التجريبية‪‌.‬منحنق‌النماوذج‌‌النااتج‌عان‌مثال‌هاذ ‌العملياات‌‬
‫تم‌رسمل‌علق‌الشكل‌‪‌1-3‬والذي‌يبدو‌أنل‌مطابقة‌جيدة‌للمتبااين‌النصافي‌التجريباي‌إذا‌ماا‌ببلناا‌أ ‌‬
‫تكااو ‌العتباااة‌عناااد‌القيماااة‌‪‌.2)%(10.1‬يمكااان‌عمااال‌تعاااديالت‌إذا‌ماااا‌اعتقاااد‌أ ‌العتباااة‌ذات‌بيماااة‌‬
‫منخف ة‌وذل ‌برفع‌بيم‌كل‌من‌‪‌.C, a‬افترذ‌أننا‌ببلنا‌نموذج‌النقط‌بقيم‌ ‪12.9‌= a‬م‌‌و‌ ‪‌=‌C‬‬
‫‪ 2(%)11.22‬فننااال‌بامكانناااا‌أ ‌نقاااوم‌بتااادبيق‌ثااااني‌بمقارناااة‌النمااااذج‌لألطاااوال‌‪3.04‬م‌و‪4.12‬م‪‌.‬‬
‫فبالنسابة‌للساابق‌‪‌a/l =4.25‬بحياث‌أ ‌عليناا‌أ ‌نساتقرم‌فاي‌الجادول‌بيماة‌باين‌‪‌a/l = 4‬و‌ ‪a/l‬‬
‫‪‌.=4.5‬عادة‌ما‌يكو ‌االستقراء‌‪‌Interpolation‬الخطي‌كافيا‌لمثل‌هذا‌النوع‌من‌التدريبات‪‌.‬‬
‫‌‬

‫‌‬
‫الشكل‌‪‌:1-3‬نموذج‌منظم‌مطابق‌لمثال‌الرااص\الزن ‌–‌للب‌‪1.12‬م‪‌.‬‬

‫‪10‬‬
 ‫‌‬
‫الشكل‌‪‌:2-3‬نموذج‌مطابقة‌لمثال‌الرااص\الزن ‪‌‌-‬للب‌‪3.04‬م‌و‪4.12‬م‌مع‌النموذج‌النقطي‪‌.‬‬
‫‌‬
‫‌المنحنيات‌التجريبية‌والنموذجية‌لكل‌طاول‌عيناة‌ماع‌النماوذج‌النقطاي‌‬ ‫الشكل‌‪‌2-3‬يو‬
‫بهدف‌المقارنة‪‌‌.‬النموذج‌يمكن‌أ ‌يكاو ‌مطابقاة‌جيادة‌لاـلمتباين‌النصافي‌ ‪ γ3.04‬خصوااا‌للنقااط‌‬
‫األربع‌األولق‪‌.‬وأما‌بالنسبة‌لـ‌‪‌γ4.12‬يصب ‌النموذج‌بعد‌النقطة‌األولق‌ذو‌بيم‌أعلاق‌بكثيار‌مان‌بايم‌‬
‫المتبااين‌النصافي‌التجريباي‌إلاق‌أ ‌تصاب ‌بيماة‌ ‪‌41‌=h‬م‪‌.‬هاذا‌الفارق‌ربماا‌يمكان‌اهمالال‌علاق‌‬
‫وء‌حقيقة‌أ ‌القيم‌التجريبية‌محسوبة‌لـ‌‪‌11‬زوج‌من‌العينات‌أو‌أبل‪‌.‬تماما‌وكما‌تام‌تقادير ‌فان ‌‬
‫النموذج‌الكروي‌يبدو‌وكأنل‌مطابقة‌جيدة‪‌‌.‬‬
‫‌‬
‫‪ 1-3‬حسابات الحجم والتباين ‪Volume-Variance Calculations‬‬

‫تعرف‌عملية‌‌تَ َ‌غ‌يُر‌‌المتباين‌النصفي‌مع‌تغير‌الدعامة‌‪‌Support‬في‌األد ‌بعملية‌التنظايم‌‬

‫"‪‌"Regularization‬اعتمااادا‌علااق‌أ ‌المتباينااات‌النصاافية‌تصااب ‌أكثاار‌انتظامااا‌كلمااا‌كباار‌حجاام‌‬
‫العينااات‪‌.‬لقااد‌رأينااا‌كيااف‌يمكاان‌اشااتقاق‌معااالم‌مااا‌يساامق‌المودياال‌أو‌النمااوذج‌النقطااي‌ماان‌خااالل‌‬
‫معالجتنا‌لمتباين‌نصفي‌تجريبي‌لعينات‌لبية‪‌.‬علق‌أية‌حال‌فن ‌ما‌تعلمنا ‌يقودنا‌إلق‌مشكلة‌اخارى‌‬
‫من‌مشكالت‌‌عالبات‌التباين‌والحجم‌وأثر‌حجم‌العينة‌علق‌نوع‌التوزع‌الذي‌سنصادفل‪‌.‬لنفارذ‌‬
‫أناال‌وفااي‌مرحلااة‌دراسااة‌الجاادوى‌االبتصااادية‌ألحااد‌الخامااات‌‌طلباات‌األدارة‌حسااا ‌العالبااة‌بااين‌‬
‫التركياز‌والطنيااة‌‪‌.Grade/Tonnage‬بمعناق‌اناال‌لاو‌كااا ‌معطااق‌معناا‌حااد‌أدناق‌ابتصااادي‌ألحااد‌‬

‫‪11‬‬
‫الخامات‌‪‌Cutoff Grade‬فهل‌نستطيع‌أ ‌نقيم‪‌:‬كمية‌الخام‌باألطنا ‌في‌التو ع‌والتي‌تزياد‌عان‌‬
‫التركيز‌االبتصادي‌ ‪‌Cutoff‬ومتوسط‌التركيز‌لهذا‌الجزء‌من‌الخام‪.‬‬
‫‌‬
‫لتو ي ‌هاذ ‌المشاكلة‌التاي‌ظهارت‌لناا‌نقادم‌المثاال‌التاالي‪‌.‬لقاد‌تام‌أخاذ‌عيناات‌مان‌عارق‌‬
‫حرمائي‌‪ ‌Hydrothermal Vein‬حاوي‌علاق‌القصادير‌وذلا ‌عان‌طرياق‌عمال‌تساعة‌أنفااق‌فاي‌‬
‫مستوى‌العرق‌يبعاد‌كال‌واحاد‌منهاا‌عان‌اآلخار‌‪100‬بادم‪‌.‬ثام‌أخادت‌عيناات‌شاظوية‌‪‌Chips‬علاق‌‬
‫طول‌هذ ‌األنفاق‪‌.‬تبعد‌كل‌عيناة‌عان‌األخارى‌‪‌10‬بادم‌وذلا ‌حساب‌ماا‌هاو‌مباين‌فاي‌شاكل‌‪‌.6-3‬‬
‫يمكن‌اعتبار‌العينات‌الشظوية‌هذ ‌كنقاط‌حيث‌أ ‌لها‌حجم‌اغير‌جدا‪‌‌.‬‬

‫‌‬
‫‌‬
‫الشكل‌‪‌:6-3‬و ع‌معاينة‌مثالي‌في‌تو ع‌بصديركورنيش‪‌.‬‬
‫‌‬
‫والشااكل‌‪‌1-3‬يااري‌م االع‌تكااراري‌‌‪‌‌Histogram‬لااـ‌‌‪‌2630‬عينااة‌شااظوية‌أخااذت‌ماان‌األنفاااق‌‬
‫التطويرياة‌التسااعة‪‌.‬ولنفاارذ‌اآل ‌أننااا‌حااددنا‌الحااد‌األدنااق‌للتركيااز‌‌بقيمااة‌‌‪‌21‬باونااد‪/‬طاان‪‌.‬يااري‌‬
‫الم لع‌التكراري‌أ ‌حوالي‌‪‌%44‬من‌العينات‌تقع‌تحات‌القيماة‌‪‌21‬باوناد‪/‬طان‪‌.‬مان‌هناا‌نساتطيع‌‬
‫أ ‌نقرر‌أ ‌‪‌%44‬من‌الخام‌بيمتها‌أبل‌من‌بيمة‌التركيز‌االبتصادي‌للخام‪‌.‬والطريقة‌المتبعة‌عاادة‌‬
‫فااي‌تقاادير‌باايم‌الخااام‌فااي‌األنفاااق‌هااو‌تحديااد‌بطعااة‌ ‪‌‌Block‬ب اين‌األنفاااق‌‌بطااول‌معااين‌وماان‌ثاام‌‬
‫يخصااص‌لتل ا ‌القطعااة‌‌متوسااط‌جميااع‌العينااات‌الهامشااية‌التااي‌تاام‌جمعهااا‌فااي‌مرحلااة‌التطااوير‪‌.‬‬
‫والتقدير‌المحسو ‌في‌هذ ‌الحالاة‌هاو‌الاذي‌يقارر‌فيماا‌إذا‌كانات‌القطعاة‌ساوف‌تادخل‌فاي‌حساا ‌‬
‫االحتياط‌أم‌ال‪‌‌.‬‬

‫‪12‬‬
 ‫‌‬
‫الشكل‌‪ ‌:1-3‬م لع‌تكراري‌للعينات‌الشظويةالمأخوذة‌من‌أنفاق‌عرق‌الكاستريت‪‌.‬‬
‫‌‬
‫يري‌الشكل‌‪‌3-3‬الم لع‌التكاراري‌والتقاديرات‌لقطاع‌علاق‌طاول‌األنفااق‌بأبعااد‌‪100×121‬بادم‪‌.‬‬
‫والتقدير‌هناا‌ياتم‌عملال‌بأخاذ‌متوساط‌حساابي‌للعيناات‌الماأخوذة‌علاق‌طاولين‌للقطعاة‌الواحادة‪‌.‬لقاد‌‬
‫رأينا‌من‌التمرين‌السابق‌بأننا‌نتوبع‌أ ‌تري‌المتوسطات‌علق‌أطوال‌معينة‌تباينا‌أبال‌مان‌العيناات‌‬
‫النقطية‪‌.‬لقد‌نتج‌هذا‌بطريقة‌مناسبة‌حسب‌سلوك‌التقديرات‪‌.‬بينما‌تظهر‌‌القيم‌النقطياة‌مادى‌يصال‌‬
‫إلق‌‌‌‌‌‌‌‌‪‌300‬باوند‪/‬طن‌أو‌أكثر‌وأ ‌متوساط‌بايم‌القطاع‌ناادرا‌ماا‌يتعادى‌‪‌110‬باوناد‪/‬طان‪‌.‬بينماا‌‬
‫نالح ‌أ ‌‪‌%1.1‬مان‌متوساطات‌القطاع‌تاري‌بيماا‌أبال‌مان‌‌‪‌21‬باوناد‪/‬طان‪‌.‬هال‌بامكانناا‌اآل ‌أ ‌‬
‫نقول‌أ ‌‪‌%1.1‬من‌الخام‌لها‌بيم‌أبل‌من‌‪‌21‬باوند‪/‬طن‪‌.‬‬
‫‌‬

‫‌‬
‫الشكل‌‪‌:3-3‬م لع‌تكراري‌لتقديرات‌بيم‌األنفاق‌في‌عرق‌الكاستريت‪‌.‬‬
‫‌‬

‫‪13‬‬
‫وما‌نحتاجل‌لتقرير‌ذل ‌فعال‌إعادة‌تحديد‌أو‌تعريف‌شبل‌الجملة‌(من‌الخام)‪‌.‬ففي‌الحالة‌األولق‌ما‌‬
‫بصدنا ‌فعال‌أنل‌لو‌تم‌تقسيم‌الخام‌إلق‌بطع‌اغيرة‌بحجم‌عينات‌شظوية‌فنننا‌نساتطيع‌أ ‌نارفض‌‬
‫‪‌%44‬ماان‌الخااام‌وأ ‌نقاارر‌أناال‌أباال‌ماان‌‪‌21‬باونااد‪/‬طاان‪‌.‬وفااي‌الحالااة‌الثانيااة‌‪‌%1.1‬ماان‌األنفاااق‌‬
‫ستكو ‌أبل‌مان‌التركياز‌االبتصاادي‌المحادد‌بمعناق‌أ ‌التو اع‌لاو‌بسام‌إلاق‌بطاع‌أبعااد‌كال‌منهاا‌‬
‫‪‌121‬بدم‌في‌‪‌100‬بدم‌فن ‌‪ ‌%1.1‬من‌هذا‌القطاعات‌يمكن‌أ ‌تكاو ‌ذات‌بايم‌أبال‌مان‌بيماة‌الحاد‌‬
‫األدنااق‌للتركيااز‪‌.‬حسااب‌تقااديري‌فاان ‌‪‌%1.1‬ماان‌األنفاااق‌وبطعهااا‌سااتكو ‌أباال‌ماان‌الحااد‌األدنااق‌‬
‫للتركيز‪‌.‬بكلمات‌أخرى‪‌،‬فنننا‌ال‌نستطيع‌أ ‌نحدد‌أو‌نعرف‌كم‌من‌الخام‌يتبقاق‌لادينا‌بعاد‌االختباار‌‬
‫إذا‌لم‌نقم‌فعال‌بتحديد‌وحدات‌االختبار‌بلغة‌وا حة‌من‌حيث‌المقدار‌أو‌الشاكل‪‌.‬والساؤال‌هاو‌كام‌‬
‫بطعاة‌أنفااق‌‪‌Stope Panel‬ذات‌أبعااد‌‌‪‌100×121‬بادم‌أبال‌مان‌الحاد‌األدناق‌للتركياز؟‌لالجاباة‌‬
‫علق‌هذا‌السؤال‌يجب‌تحديد‌نوع‌التوزع‌الذي‌تبينل‌هذ ‌الشرائ ‪‌.‬والجوا ‌الكامال‌سايعتمد‌علاق‪‌:‬‬
‫(‪‌)1‬تااوزع‌العينااات‌األااالية‪‌،‬و(‌‪‌)2‬المتباااين‌النصاافي‌للخااام‪‌.‬دعونااا‌نقااوم‌بتحديااد‌المشااكلة‌نصااا‌‬
‫ونبين‌كيف‌يمكن‌أ ‌يقود‌ذل ‌إلق‌الحل‪‌.‬لنقل‌أ ‌العينات‌األالية‌لها‌دعامة‌مقادارها‌(‪‌)l‬وأ ‌لهاا‌‬
‫متباين‌نصفي‌‌)‪‌γl(h‬وعتبة‌مقدارها‌‪‌Cl‬وأ ‌لها‌توزعا‌للتركيز‌يمكن‌تحدياد‌خصائصال‌بالم الع‌‬
‫التكااراري‌وبمتوسااط‌حسااابي‌مقاادار ‌ ‪‌ g l‬وتباااين‌يعااادل‌‪‌.Cl‬أمااا‌بالنساابة‌للربااع‌‪‌Panels‬أو‌القطااع‌‬
‫‪‌Blocks‬التي‌تم‌تقديرها‌فسيكو ‌لها‌دعاماة‌ولنقال‌‪‌v‬ومتبااين‌نصافي‌)‪‌ γv(h‬وعتباة‌‪‌Cv‬وتاوزع‌‬
‫متوسطل‌ ‪‌ g v‬وتباين‌مقدر ‌‪‌.Cv‬وأول‌شيء‌نستطيع‌أ ‌نقولل‌أ ‌كال‌من‌ ‪‌ g v‬و ‪‌ g l‬يجب‌أ ‌تكاو ‌‬
‫متساوية‌حيث‌أ ‌كال‌منها‌يصف‌متوسط‌تركيز‌الخام‌كلل‪‌.‬بذل ‌فننناا‌نساتطيع‌أ ‌نساتعيض‌عنهاا‌‬
‫بقيم‌ ‪‌ g‬والتي‌تمثل‌متوسط‌النقط‪‌.‬وثاني‌شيء‌نستطيع‌بولل‌أنل‌إذا‌كا ‌لدينا‌نموذج‌متباين‌نصافي‌‬
‫نقطي‌فن ‌باستطاعتنا‌أ ‌نقرر‌العالبة‌بين‌كل‌‌‌من‌عتبة‌النقط‌‌وعتباة‌اللاب‪ (C, Cl) ‌.‬ومان‌ثام‌‬
‫بين‌عتبة‌النقط‌(‪‌)C‬وعتبة‌القطع‌‪‌Cv‬ألي‌حجم‌محدد‪‌.‬لنفرذ‌أننا‌أخذنا‌المثال‌البسيط‌للب‌طولال‌‬
‫(‪‌)l‬والااذي‌يمكاان‌تمثيلاال‌بخااط‌مسااتقيم‌(‌حيااث‌أ ‌القطاار‌أاااغر‌بكثياار‌ماان‌طااول‌اللااب)‪‌.‬والخااط‌‬
‫المستقيم‌هذا‌يمثلل‌الشكل‌‪‌.10-3‬‬

‫‌‬
‫‌‬
‫الشكل‌‪‌:10-3‬اشتقاق‌تباين‌التركيزات‌داخل‌جزء‌من‌الخط‌‬
‫‌‬
‫خااذ‌اآل ‌بعااين‌االعتبااار‌النقطتااين‌('‪‌)M, M‬علااق‌طااول‌اللااب‪‌.‬بامكاننااا‌أ ‌نحسااب‌ماان‌نمااوذج‌‬
‫المتباين‌النصفي‌الفرق‌في‌بيم‌التركيز‌بين‌النقطتين‪‌.‬اآل ‌افرذ‌أنناا‌أخاذنا‌بعاين‌االعتباار‌جمياع‌‬
‫‪14‬‬
‫األزواج‌المحتملة('‪ ‌)M, M‬من‌النقاط‌والتي‌توجد‌علق‌طول‌الخط‌بماا‌فيهاا‌حالاة‌كاو ‌‪‌M'=M‬‬
‫(أي‌المسافة‌بين‌النقطتين‌افر)‪‌.‬بهذ ‌الطريقة‌بامكاننا‌أ ‌نحصل‌علاق‌مقيااس‌للتغيار‌فاي‌تركياز‌‬
‫الخام‌عبر‌هذا‌الخط‪‌.‬إذا‌أخذنا‌متوسط‌بايم‌المتبااين‌النصافي‌('‪‌γ)M-M‬لجمياع‌األزواج‌المحتملاة‌‬
‫فنننا‌سنحصل‌علق‌مقدار‌التباين‌عبر‌الطول‌(‪‌،)l‬بمعناق‌آخار‌إ ‌جازء‌مان‌التبااين‌لام‌ياتم‌حساابل‌‬
‫يمثل‌الفرق‌بين‌عتبة‌نقطية‌وعتبة‌منظمة‌هو‌‌‪‌C-Cl‬أو‌)‪‌. F(l‬هذا‌الفرق‌يساوي‌ريا يا‪‌:‬‬
‫‌‬

‫‌‬
‫الشكل‌‪‌:11-3‬اشتقاق‌تباين‌التركيزات‌ من‌الربعة‌‬
‫‌‬
‫‪l‬‬ ‫‪l‬‬
‫‪1‬‬
‫‪F (l )  2‬‬
‫‪l‬‬ ‫‪   (M  M )dMdM ‬‬
‫‪0‬‬ ‫‪0‬‬
‫‌‬
‫‌‬
‫حيث‌‌تُ َ‌عر‌فُ‌‌الدالة‌)‪‌F(l‬علق‌أنها‌التباين‌فاي‌التركياز‌لطاول‌(‪‌.)l‬علاق‌الارغم‌مان‌أ ‌هاذ ‌العالباة‌‬
‫تبدو‌مخيفة‌فننل‌باالمكا ‌اختزالها‌إلق‪‌:‬‬
‫‌‬
‫‪pl‬‬
‫‪‌ F (l ) ‬‬ ‫للمتباين‌النصفي‌الخطي‌‌‬
‫‪3‬‬
‫‪‬‬ ‫‪a‬‬ ‫‪a2‬‬ ‫‪‬‬ ‫‪ 1  ‬‬
‫‪‌ ‌ F (l )  C 1  2 ‬‬ ‫للمتباين‌النصفي‌األسي‌‌ ‪1  exp   a  ‬‬
‫‪‬‬ ‫‪l‬‬ ‫‪l2‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ ‬‬

‫‪C l‬‬ ‫‪l2‬‬ ‫‪‬‬

‫‪F (l ) ‬‬ ‫‪10  2‬‬ ‫وللمتباين‌النصفي‌الكروي‌‌عندما‌‪ ‌ l ≤ a‬‬
‫‪20 a ‬‬ ‫‪a‬‬ ‫‪‬‬

‫‪C‬‬ ‫‪a‬‬ ‫‪a2‬‬ ‫‪‬‬

‫‪F (l ) ‬‬ ‫‪ 20  15  4 2‬‬ ‫وعندما‌‪ ‌‌‌l ≥ a‬‬
‫‪20 ‬‬ ‫‪l‬‬ ‫‪l‬‬ ‫‪‬‬

‫‌‬
‫إ ‌هذ ‌المعادالت‌تتوافق‌تماما‌مع‌الفروبات‌بين‌المتباين‌النصفي‌النقطي‌والمانظم‌ولنفارذ‌اآل ‌‬
‫أننا‌نريد‌أ ‌نعتبر‌ربعة‌من‌الخام‌ذات‌بعدين‌كما‌هو‌مبين‌في‌شكل‌‪‌.11-3‬اآل ‌تصب ‌الدالة‌‌‌)‪‌l‬‬
‫)‌‪‌F‬علق‌شكل‌)‪‌F(l,b‬لبيا ‌أ ‌لها‌بعدين‪‌.‬إ ‌هذا‌يمكان‌أ ‌يكاو ‌تكاامال‌مربعاا‪‌.‬حياث‌أ ‌النقااط‌‬
‫('‪‌)M, M‬يمكن‌أ ‌تتحركا‌عبر‌الشريحة‌بكاملها‪‌.‬بهذا‌تصب ‌المعادلاة‌أكثار‌تعقيادا‪‌،‬ولكان‌ليسات‌‬
‫‪11‬‬
‫مستحيلة‌وكمثال‌علق‌نوع‌القيم‌الممكن‌مصادفتها‌فقد‌تم‌حسا ‌الجدول‪‌.4-3‬إ ‌هذا‌الجدول‌يبين‌‬
‫الدالة‌)‪‌F(l,b‬لنموذج‌كاروي‌بمادى‌تاأثير‌مقادار ‌‪‌1‬وعتباة‌مقادارها‌‪‌‌،1‬وهاذا‌هاو‌نماوذج‌كاروي‌‬
‫تمت‌معايرتل‌بنفس‌فكرة‌معايرة‌التوزع‌الطبيعي‪‌.‬ويمكن‌استخدام‌هاذا‌الجادول‌اليجااد‌بايم‌مماثلاة‌‬
‫للدالة‌‪‌F‬ألي‌نموذج‌كروي‌علق‌النحو‌التالي‪‌:‬‬
‫‌‬
‫‪‌-1‬ابسم‌أطوال‌الشريحة‌علق‌مدى‌التأثير‌‪a‬‬
‫‪‌-2‬ابرأ‌‌القيمة‌التي‌تقابلها‌في‌الجدول‌‬
‫‪‌-3‬ا ر ‌هذ ‌القيمة‌في‌‪‌C‬‬

‫األمثلة‌علق‌مثل‌هذ ‌الحسابات‌سايأتي‌ذكرهاا‌الحقاا‌فاي‌نهاياة‌هاذا‌الباا ‪‌.‬جاداول‌مماثلاة‌‬

‫يمكن‌انتاجها‌لكل‌من‌النموذج‌الخطي‌والنموذج‌األسي‪‌.‬أما‌في‌اتجاهاات‌ثالثاة‌فان ‌حساا ‌الدالاة‌‬
‫)‪‌‌F(l,b,d‬تحليليا‌أمر‌‌يصعب‌الواول‌إليل‌لاذا‌يبادو‌مان‌ال اروري‌فاي‌هاذ ‌الحالاة‌اللجاوء‌إلاق‌‬
‫تعريف‌الدالة‌‪‌:F‬فماثال‌نأخاذ‌أزواج‌نقااط‌('‪‌)M, M‬فاي‌المقطاع‌الواحاد‌وثام‌نأخاذ‌بعاين‌االعتباار‌‬
‫جميع‌هذ ‌القيم‌ونأخذ‌متوسطها‪‌.‬إ ‌هذا‌بالتالي‌سوف‌يعطي‪‌F‬بيماة‌معيناة‪‌.‬واآل ‌افتارذ‌أنناا‌لام‌‬
‫نأخذ‌جميع‌األزواج‌بعين‌االعتبار‌بل‌بمناا‌بأخاذ‌ب اعة‌أزواج‌ممثلاة‌لهاا‪‌.‬بمعناق‌أنناا‌بادال‌مان‌أ ‌‬
‫نأخذ‌المقطع‌الواحد‌علق‌أنل‌يحتوي‌علاق‌عادد‌ال‌نهاياة‌لال‌مان‌نقااط‌العيناات‌بمناا‌باعتباار ‌شابكة‌‬
‫منتظمة‌‪‌grid‬تحتوي‌علق‌عدد‌محدد‌من‌النقط‌ولنقل‌أ ‌هذ ‌الشبكة‌ذات‌أبعاد‌‪‌.1×1×1‬‬
‫‌‬
‫بعض‌المؤلفين‌يقترحاو ‌أخاذ‌عيناات‌نقطياة‌موزعاة‌عشاوائيا‪‌،‬ولكان‌يبادو‌أنال‌ال‌معناق‌لاذل ‪‌.‬إ ‌‬
‫اساااتخدام‌الطريقاااة‌الساااابق‌ذكرهاااا‌اناااتج‌جااادول‪‌1-3‬لنماااوذج‌كاااروي‌معااااير‌ ‪Standraized‬‬
‫‪‌،Spherical Model‬وماان‌أجاال‌انتاااج‌جاادول‌واحااد‌فقااط‌‌يشااترط‌أ ‌يكااو ‌بعاادين‌ماان‌القطعااة‌‬
‫‪‌Block‬متساويين‪ ‌.‬إ ‌هذا‌الجدول‌يستخدم‌بنفس‌الطريقة‌التي‌يستخدم‌فيها‌جدول‌ثنائي‌األبعاد‪‌.‬‬

‫‪12‬‬
‫الجدول ‪ :0-3‬الدالة المساعدة )‪ F(L,B‬لنموذج كروي بمدى تأثير ‪ 1‬وعتبة ‪.1‬‬
‫‪B‬‬
‫‪L‬‬
‫‪.1‬‬ ‫‪.2‬‬ ‫‪.3‬‬ ‫‪.4‬‬ ‫‪.5‬‬ ‫‪.6‬‬ ‫‪.7‬‬ ‫‪.8‬‬ ‫‪.9 1.0‬‬

‫‪.078 .120 .165 .211 .256 .300 .342 .383 .422 .457‬‬ ‫‪.10‬‬
‫‪.120 .155 .196 .237 .280 .321 .362 .401 .438 .473‬‬ ‫‪.20‬‬
‫‪.165 .196 .231 .270 .309 .349 .387 .424 .460 .493‬‬ ‫‪.30‬‬
‫‪.211 .237 .270 .305 .342 .379 .415 .451 .484 .516‬‬ ‫‪.40‬‬
‫‪.256 .280 .309 .342 .376 .411 .445 .479 .511 .541‬‬ ‫‪.50‬‬
‫‪.300 .321 .349 .379 .411 .443 .476 .507 .538 .566‬‬ ‫‪.60‬‬
‫‪.342 .362 .387 .415 .445 .476 .506 .536 .565 .591‬‬ ‫‪.70‬‬
‫‪.383 .401 .424 .451 .479 .507 .536 .564 .591 .616‬‬ ‫‪.80‬‬
‫‪.422 .438 .460 .484 .511 .538 .565 .591 .616 .640‬‬ ‫‪.90‬‬
‫‪.457 .473 .493 .516 .541 .566 .591 .616 .640 .662‬‬ ‫‪1.00‬‬
‫‪.520 .534 .551 .572 .593 .616 .638 .660 .682 .701‬‬ ‫‪1.20‬‬
‫‪.572 .584 .600 .618 .637 .657 .677 .697 .716 .733‬‬ ‫‪1.40‬‬
‫‪.614 .625 .639 .655 .673 .691 .709 .727 .744 .760‬‬ ‫‪1.60‬‬
‫‪.650 .659 .672 .687 .703 .719 .736 .752 .767 .782‬‬ ‫‪1.80‬‬
‫‪.679 .688 .700 .713 .728 .743 .758 .773 .787 .800‬‬ ‫‪2.00‬‬
‫‪.735 .743 .752 .763 .775 .788 .800 .813 .824 .835‬‬ ‫‪2.50‬‬
‫‪.775 .781 .789 .799 .809 .820 .830 .841 .851 .860‬‬ ‫‪3.00‬‬
‫‪.804 .810 .817 .825 .834 .843 .852 .861 .870 .878‬‬ ‫‪3.50‬‬
‫‪.827 .832 .838 .845 .853 .861 .870 .878 .885 .892‬‬ ‫‪4.00‬‬
‫‪.860 .864 .869 .874 .881 .887 .894 .901 .907 .913‬‬ ‫‪5.00‬‬

‫‌‬
‫‌‬

‫‪L‬‬
‫‪B‬‬ ‫‌‬
‫‪1.2‬‬ ‫‪1.4 1.6 1.8 2.0‬‬ ‫‪2.5 3.0 3.5 4.0 5.0‬‬
‫‌‬
‫‪.520‬‬ ‫‪.572 .614 .650 .679 .735 .775 .804 .827 .860 .10‬‬
‫‪.534‬‬
‫‪.551‬‬
‫‪.584 .625 .659 .688 .743 .781 .810 .832 .864 .20‬‬
‫‪.600 .639 .672 .700 .752 .789 .817 .838 .869 .30‬‬
‫‌‬
‫‪.572‬‬ ‫‪.618 .655 .687 .713 .763 .799 .825 .845 .874 .40‬‬
‫‪.593‬‬ ‫‪.637 .673 .703 .728 .775 .809 .834 .853 .881 .50‬‬
‫‌‬
‫‪.616‬‬ ‫‪.657 .691 .719 .743 .788 .820 .843 .861 .887 .60‬‬
‫‪.638‬‬ ‫‪.677 .709 .736 .758 .800 .830 .852 .870 .894 .70‬‬ ‫‌‬
‫‪.660‬‬ ‫‪.697 .727 .752 .773 .813 .841 .861 .878 .901 .80‬‬
‫‪.682‬‬ ‫‪.716 .744 .767 .787 .824 .851 .870 .885 .907 .90‬‬ ‫‌‬
‫‪.701‬‬ ‫‪.733 .760 .782 .800 .835 .860 .878 .892 .913 1.00‬‬
‫‪.736‬‬ ‫‪.764 .788 .807 .823 .854 .876 .892 .905 .923 1.20‬‬ ‫‌‬
‫‪.764‬‬ ‫‪.790 .811 .828 .842 .870 .890 .904 .915 .931 1.40‬‬
‫‪.788‬‬ ‫‪.811 .829 .845 .858 .883 .901 .914 .924 .938 1.60‬‬ ‫‌‬
‫‪.807‬‬ ‫‪.828 .845 .859 .871 .894 .910 .921 .931 .944 1.80‬‬
‫‪.823‬‬ ‫‪.842 .858 .871 .882 .903 .917 .928 .936 .948 2.00‬‬ ‫‌‬
‫‪.854‬‬ ‫‪.870 .883 .894 .903 .920 .932 .941 .948 .957 2.50‬‬
‫‪.876‬‬ ‫‪.890 .901 .910 .917 .932 942 .950 .955 .964 3.00‬‬ ‫‌‬
‫‪.892‬‬ ‫‪.904 .914 .921 .928 .941 .950 .956 .961 .969 3.50‬‬
‫‪.905‬‬ ‫‪.915 .924 .931 .936 .948 .955 .961 .966 .972 4.00‬‬
‫‪5.00‬‬ ‫‪.923 .931 .938 .944 .948 .957 .964 .969 .972 .977‬‬

‫‪16‬‬
‫)‪F(L,L,B‬‬ ‫الجدول ‪ :5-3‬الدالة المساعدة لنموذج كروي بمدى تأثير ‪ 1‬وعتبة ‪1‬‬

‫‪B‬‬
‫‪L‬‬
‫‪.1‬‬ ‫‪.2‬‬ ‫‪.3‬‬ ‫‪.4‬‬ ‫‪.5‬‬ ‫‪.6‬‬ ‫‪.7‬‬ ‫‪.8‬‬ ‫‪.9‬‬ ‫‪1.0‬‬
‫‪.099 .136 .178 .222 .266 .309 .350 .390 .428 .464‬‬ ‫‪.10‬‬
‫‪.168 .196 .231 .269 .308 .347 .385 .423 .458 .491‬‬ ‫‪.20‬‬
‫‪.239 .262 .291 .324 .358 .394 .429 .463 .496 .527‬‬ ‫‪.30‬‬
‫‪.311 .329 .353 .382 .413 .445 .476 .508 .538 .566‬‬ ‫‪.40‬‬
‫‪.380 .395 .416 .441 .468 .497 .526 .554 .581 .607‬‬ ‫‪.50‬‬
‫‪.445 .459 .477 .499 .523 .549 .574 .600 .624 .648‬‬ ‫‪.60‬‬
‫‪.507 .519 .535 .554 .576 .598 .622 .644 .666 .687‬‬ ‫‪.70‬‬
‫‪.565 .574 .588 .606 .625 .645 .666 .686 .705 .724‬‬ ‫‪.80‬‬
‫‪.616 .625 .637 .652 .669 .687 .706 .724 .741 .757‬‬ ‫‪.90‬‬
‫‪.662 .669 .680 .694 .709 .725 .741 .757 .772 .786‬‬ ‫‪1.00‬‬
‫‪.735 .741 .750 .760 .772 .785 .797 .810 .822 .833‬‬ ‫‪1.20‬‬
‫‪.789 .794 .800 .809 .818 .828 .839 .849 .858 .867‬‬ ‫‪1.40‬‬
‫‪.828 .832 .838 .845 .852 .861 .869 .877 .885 .892‬‬ ‫‪1.60‬‬
‫‪.858 .861 .866 .872 .878 .885 .892 .899 .905 .911‬‬ ‫‪1.80‬‬
‫‪.880 .883 .887 .892 .897 .903 .909 .915 .920 .925‬‬ ‫‪2.00‬‬
‫‪.918 .920 .923 .926 .930 .934 .938 .942 .946 .949‬‬ ‫‪2.50‬‬
‫‪.940 .941 .944 .946 .949 .952 .955 .958 .960 .963‬‬ ‫‪3.00‬‬
‫‪.954 .955 .957 .959 .961 .963 .966 .968 .970 .972‬‬ ‫‪3.50‬‬
‫‪.963 .964 .965 .967 .969 .970 .972 .974 .976 .977‬‬ ‫‪4.00‬‬
‫‪.974 .975 .976 .978 .979 .980 .981 .983 .984 .985‬‬ ‫‪5.00‬‬ ‫‌‬
‫‌‬
‫‪B‬‬ ‫‌‬
‫‪L‬‬
‫‪1.2 1.4 1.6 1.8 2.0 2.5 3.0 3.5 4.0 5.0‬‬ ‫‌‬
‫‪.10‬‬ ‫‪.526 .577 .619 .653 .683 .738 .777 .807 .829 .861‬‬
‫‪.550 .598 .638 .671 .699 .751 .789 .816 .837 .868‬‬ ‫‪.20‬‬
‫‪.581 .626 .663 .693 .719 .768 .803 .829 .849 .877‬‬ ‫‪.30‬‬
‫‪.616 .657 .691 .719 .742 .787 .819 .843 .861 .887‬‬ ‫‪.40‬‬
‫‪.652 .689 .720 .745 .767 .808 .836 .858 .874 .898‬‬ ‫‪.50‬‬
‫‪.688 .722 .749 .772 .791 .828 .854 .873 .887 .909‬‬ ‫‪.60‬‬
‫‪.723 .753 .777 .798 .815 .847 .870 .887 .900 .919‬‬ ‫‪.70‬‬
‫‪.756 .782 .804 .822 .837 .865 .886 .901 .912 .929‬‬ ‫‪.80‬‬
‫‪.785 .809 .828 .843 .857 .882 .900 .913 .923 .937‬‬ ‫‪.90‬‬
‫‪.811 .832 .849 .862 .874 .896 .912 .923 .932 .945‬‬ ‫‪1.00‬‬
‫‪.853 .869 .882 .893 .902 .919 .931 .940 .947 .957‬‬ ‫‪1.20‬‬
‫‪.883 .896 .906 .915 .922 .936 .945 .952 .958 .966‬‬ ‫‪1.40‬‬
‫‪.905 .915 .924 .931 .937 .948 .956 .961 .966 .972‬‬ ‫‪1.60‬‬
‫‪.922 .930 .937 .943 .948 .957 .963 .968 .972 .977‬‬ ‫‪1.80‬‬
‫‪.934 .941 .947 .952 .956 .964 .969 .973 .976 .981‬‬ ‫‪2.00‬‬
‫‪.955 .960 .964 .967 .970 .975 .979 .982 .984 .987‬‬ ‫‪2.50‬‬
‫‪.967 .971 .974 .976 .978 .982 .985 .987 .988 .991‬‬ ‫‪3.00‬‬
‫‪.975 .978 .980 .982 .983 .986 .988 .990 .991 .993‬‬ ‫‪3.50‬‬
‫‪4.00‬‬ ‫‪.980 .982 .984 .986 .987 .989 .991 .992 .993 .994‬‬
‫‪5.00‬‬ ‫‪.987 .988 .989 .990 .991 .993 .994 .995 .995 .996‬‬

‫‌‬

‫‪11‬‬
 ‫‪ 2-3‬منحنيات التركيز ‪/‬الطنية ‪Grade/Tonnage Curves‬‬
‫‌‬
‫تعلمنااا‌لغايااة‌اآل ‌كيفيااة‌حسااا ‌الدالااة‌‪‌F‬فااي‌اتجااا ‌أحااادي‌أو‌ثنااائي‌أو‌ثالثااي‪‌،‬وبالتااالي‌‬
‫نسااتطيع‌أ ‌نقاارر‌الفاارق‌بااين‌تباااين‌‪‌Variance‬نقطااي‌وتباااين‌ماانظم‌لمساااحات‌وحجااوم‌منتظمااة‌‬
‫الشكل‪‌.‬إ ‌هاذا‌سايعطينا‌كمياة‌عددياة‌لقيماة‌االختازال‌فاي‌التبااين‌ولكان‌إذا‌لام‌نقام‌بعمال‌افتاراذ‌‬
‫معين‌حول‌طبيعة‌توزع‌العينات‪‌،‬فنننا‌لن‌نساتطيع‌وبصاورة‌فعلياة‌أ ‌نباين‌كمياة‌التغيار‌فاي‌بيماة‌‬
‫االحتياط‌باألطنا ‌فوق‌الحد‌األدنق‌للتركيز‪‌.‬هنال ‌في‌الوابع‌طريقتين‌لمعالجة‌هذ ‌المشكلة‪‌:‬‬
‫‌‬
‫‪‌-1‬أ ‌تفترذ‌أ ‌الم لع‌التكراري‌يمثل‌وبشكل‌دبيق‌التو ع‌بكاملل‪‌.‬‬
‫‪‌-2‬أ ‌ تفتاارذ‌أ ‌الم االع‌التكااراري‌يمثاال‌مجموعااة‌ماان‌العينااات‌ماان‌التو ااع‌وبالتااالي‌فاان ‌باال‌‬
‫اختالفا‌عشوائيا‌عن‌توزع‌مجتمع‌التو ع‌‪‌.Deposit population‬‬

‫الاانهج‌األول‌ياانص‌علااق‌أ ‌العينااات‌تمثاال‌التو ااع‌بكاملاال‌وبالتااالي‌فاان ‌ذل ا ‌ساايقود‌إلااق‌‬

‫تطوير‌بيااني‌وتطاوير‌ناوع‌مان‌الادوال‌مان‌دوال‌اخارى‌‪‌.Anamorphism‬وأماا‌الطريقاة‌الثانياة‌‬
‫فننها‌توحي‌باالعتقاد‌أننا‌إذا‌ما‌استطعنا‌بياس‌التركيز‌في‌كل‌نقطة‌مان‌التو اع‌فننناا‌باد‌نساتطيع‌‬
‫الحصول‌علق‌منحنق‌ممهد‌ذو‌شكل‌بسيط‌نوعا‌ما‪‌.‬إ ‌هذ ‌طريقة‌أكثر‌بساطة‌وتبدو‌وبشكل‌عام‌‬
‫كافية‌لمعالجة‌كثير‌من‌التو عات‪‌‌.‬‬
‫‌‬
‫للبدء‌بمثال‌بسيط‪ ‌،،‬دعونا‌نقوم‌بدراساة‌أحاد‌تو اعات‌خاام‌حدياد‌معلاوم‌أنال‌يتباع‌توزعاا‌‬
‫طبيعياااا‌‪‌Normal distribution‬ولااال‌متوساااط‌بااادر ‌‪‌%41‬وانحاااراف‌معيااااري‌يسااااوي‌‪‌.%1‬‬
‫التوزع‌تم‌إنشاؤ ‌باستخدام‌عدد‌من‌العينات‌الصغيرة‌إلق‌حد‌يكفي‌أل ‌نطلاق‌عليهاا‌نقاطاا‪‌.‬ونعلام‌‬
‫أي ا‌أ ‌التو ع‌يتبع‌(أو‌يري)‌متباين‌نصفي‌نقطي‌كروي‌ذو‌مدى‌تاأثير‌بيمتال‌‪400‬بادم‪‌.‬واآل ‌‬
‫افتااارذ‌أ ‌خطاااة‌حساااا ‌احتيااااط‌الخاااام‌مبنياااة‌علاااق‌بطاااع‌(أو‌بطاعاااات)‌ذات‌أبعااااد‌‪100‬بااادم‌‬
‫×‪100‬بدم‌×‪‌10‬بدم‪‌.‬والسؤال‌المطروي‌اآل ‌ما‌شكل‌توزع‌هذ ‌القطع؟‌والشيء‌الذي‌نستطيع‌أ ‌‬
‫نقولاال‌بااادم‌ذي‌باادم‌أ ‌التااوزع‌يحتماال‌أ ‌يكااو ‌طبيعي اا‪‌.‬وبالتأكيااد‌ساايكو ‌لاال‌نفااس‌المتوسااط‌‌‬
‫الحسابي‌للنقط‌‪‌.%41‬والتغير‌الوحيد‌سيكو ‌في‌بيمة‌االنحراف‌المعياري‪‌.‬لذل ‌فنننا‌بحاجاة‌إلاق‌‬
‫تقييم‌أو‌تقدير‌بيمة‌الدالاة‌)‪‌F(100,100,50‬لنماوذج‌كاروي‌بمادى‌تاأثير(‌‪‌400‌=‌)a‬بادم‌وعتباة‌‬
‫)‪‌)C‬مقدارها‌=‌‪‌0.21‬من‌أجل‌استخدام‌الجدول‌‪‌1-3‬يجب‌أ ‌نقوم‌بمعايرة‌الو ع‌بحياث‌يصاب ‌‬
‫مدى‌التأثير‌يساوي‌‪‌.1‬بمعنق‌أ ‌الدالة)‪‌ F(100,100,50‬لمدى‌تاأثير‌‪‌400‌=‌a‬هاي‌نفاس‌الدالاة‌‬
‫‪13‬‬
‫)‪‌F(0.25,0.25,0.125‬لمادى‌‌تاأثير‌مقادار ‌=‌‪‌.1‬مان‌الجادول‌‪‌1-3‬نحصال‌علاق‌بيماة‌مقادارها‌‬
‫‪‌0.203‬ولكنها‌لنموذج‌عتبتل‌تساوي‌‪‌.1‬وبالنسبة‌لنموذجنا‌فان ‌القيماة‌المطلوباة‌تسااوي‌‪‌×0.203‬‬
‫‪%(‌1.221‌=‌21‬حدياد)‪‌2‬إ ‌هااذا‌هااو‌الفاارق‌بااين‌التبااين‌النقطااي‌والقطاااعي‪‌.‬وبالتااالي‌فاان ‌بياااس‌‬
‫تباين‌بيم‌القطاعات‌سايكو ‌مسااويا‌لاـ‌‪‌2)%(13.661‌=‌1.221‌-21‬وانحاراف‌معيااري‌يسااوي‌‬
‫‪‌%4.41‬حديد‪‌.‬إ ‌هذا‌أبل‌‪‌%10‬تقريبا‌من‌االنحراف‌المعيااري‌لقايم‌النقااط‪‌،،‬تماماا‌وكماا‌توبعناا‌‬
‫باستخدام‌عدد‌بليل‌من‌القطاعات‪‌.‬وبالتالي‌فن ‌لدينا‌توزعين‌يجب‌أخذهما‌بعين‌االعتبار‪‌:‬‬
‫‪‌-1‬توزع‌نقطي‌وخصائصل‪‌‌Fe‌%41‌=‌ g ‌:‬و‌‌‪Fe‌%1‌=‌s‬‬
‫‪‌-2‬توزع‌بطاعي‌وخصائصل‪ Fe %41‌=‌ g ‌:‬و‌‌‪Fe %4.41‌= s‬‬
‫‌‬
‫كااال‌التااوزعين‌يبينهمااا‌شااكل‌‪‌12-3‬والفاارق‌فااي‌انتشااار‌التااوزع‌القطاااعي‌وا ا ‌تمامااا‌فااي‌هااذا‌‬
‫الشااكل‪ ‌.‬وماان‌أجاال‌رؤيااة‌كيااف‌يمكاان‌أ ‌يااؤثر‌هااذا‌الفاارق‌فااي‌التااوزع‌علااق‌حسااابات‌االحتياااط‌‬
‫باألطناا ‌دعوناا‌نأخاذ‌علاق‌سابيل‌المثاال‌حادا‌أدناق‌للتركياز‌بيمتال‌‪‌.Fe %‌44‬مان‌هناا‌فان ‌ذلا ‌‬
‫الجزء‌‪‌P‬من‌التوزع‌والذي‌يقع‌فوق‌الحد‌األدنق‌االبتصادي‌‪‌Cutoff‬يمكن‌أ ‌يعطي‌بـ‌‬
‫‌‬
‫‪P  Pr g  c‬‬
‫‌‬

‫‌‬
‫‌‬
‫الشكل‌‪ ‌:12-3‬مقارنة‌بين‌توزعات‌النقاط‌والقطع‌داخل‌تو ع‌خام‌الحديد‌الوهمي‌‬
‫‌‬
‫حيااث‌‪‌g‬تشااير‌إلااق‌تركيااز‌الخااام‌بصااورة‌عامااة‌‌و‪‌‌c‬إلااق‌الحااد‌األدنااق‌للتركيااز‌االبتصااادي‪‌.‬هااذا‌‬
‫وتتوفر‌الجداول‌للتوزع‌الطبيعي‌المعاير‌‪‌Standarized‬والتي‌تادو ‌بايم‌ذلا ‌الجازء‌منال‌والاذي‌‬
‫يقااع‌تحاات‌بيمااة‌معطاااة‌مقاادارها‌‪‌.z‬بالنساابة‌ألي‌تااوزع‌طبيعااي‌فاان ‌القيمااة‌‪‌z‬يمكاان‌تحدياادها‌بأخااذ‌‬
‫القيمة‌التي‌نريدها‌مطروحاا‌منهاا‌متوساط‌التاوزع‌وبسامة‌النااتج‌علاق‌االنحاراف‌المعيااري‪‌.‬وفاي‌‬
‫مثالنا‌هذا‌فنننا‌أخذنا‌بعين‌االعتبار‌الحد‌األدنق‌‌للتركيز‌)‪‌ (c‬بحيث‪‌‌:‬‬
‫‌‬
‫‪cg‬‬
‫‪z‬‬
‫‪s‬‬
‫‪20‬‬
 ‫‌‬
‫‌‬
‫والجداول‌العادية‌ستعطي‌بيمة‌)‪‌Φ(z‬والتي‌تمثل‌احتمال‌كو ‌القيم‌تحت‌الحد‌األدنق‌للتركيز‌‌‬
‫‌‬
‫) ‪P  1  ( z‬‬
‫‌‬
‫من‌هنا‌إذا‌ما‌اعتبرنا‌توزع‌بيم‌النقط‌فنننا‌نحصل‌علق‌ما‌يلي‪‌:‬‬
‫‪‌s = 5%Fe‬‬ ‫‪= 48% Fe g‬‬ ‫‪c= 44%Fe‬‬
‫إذا‌‌‬
‫‪c  g 44  48‬‬ ‫‌‬
‫‪z‬‬ ‫‪‬‬ ‫‪ 0.8‬‬
‫‪s‬‬ ‫‪5‬‬
‫‌‬
‫هااذا‌وبااالرجوع‌إلااق‌جااداول‌التااوزع‌الطبيعااي‌المعاااير‌فاان ‌بيماة‌)‪‌Φ(z‬تساااوي‌‪‌0.212‬بمعنااق‌أ ‌‬
‫‪‌.P=0.788‬أي‌أ ‌حوالي‌‪‌%63‬من‌الخام‌ستكو ‌بيمتل‌أعلق‌من‌الحد‌األدنق‌للتركيز‪‌،‬أي‌أعلق‌‬
‫من‌القيمة‌‪‌.%44‬والسؤال‌الثاني‌يتعلق‌بقيمةالتركيز‌‌لهذا‌الخام‪‌.‬فالبنسبة‌للتوزع‌الطبيعي‌فن ‌بيم‌‬
‫التركيز‌يمكن‌أ ‌تعطي‌من‌الحد‌األدنق‌للتركيز‌كما‌يلي‪‌:‬‬
‫‌‬
‫‪s‬‬
‫‪gc  g ‬‬ ‫) ‪ (z‬‬ ‫‌‬
‫‪p‬‬
‫‌‬
‫حيث‌تشير‌ ‪‌ g c‬إلق‌التركيز‌األعلق‌من‌الحد‌األدنق‌و‌ ) ‪‌  (z‬إلاق‌ارتفااع‌منحناق‌التاوزع‌الطبيعاي‌‬
‫المعاير‌للقيم‌‪‌z‬بمعنق‌آخر‪‌:‬‬

‫‪1‬‬
‫‌‬
‫‪ ( z) ‬‬ ‫)‪exp(  z / 2‬‬
‫‪2‬‬

‫‪2‬‬ ‫‌‬
‫‌‬
‫وبالنسبة‌لمثالنا‌فن ‌بيم‌ ) ‪‌0.23‌=‌  (z‬بحيث‌أ ‪‌:‬‬

‫‪s‬‬ ‫‪5‬‬ ‫‌‬

‫‪gc  g ‬‬ ‫‪ ( z )  48 ‬‬ ‫‪ 0.290  49.84% Fe‬‬
‫‪p‬‬ ‫‪0.788‬‬ ‫‌‬
‫لتلخاايص‌مااا‌ساابق‌ذكاار ‌فاان ‌‪‌%61.1‬ماان‌الخااام‌لاال‌باايم‌أعلااق‌ماان‌الحااد‌األدنااق‌للتركيااز‌‬
‫(‪‌.)Fe %44‬وأ ‌هذا‌الجزء‌من‌الخام‌لل‌تركيز‌بيمتل‌‪‌‌.Fe‌%43.1‬‬

‫‪21‬‬
‫دعونااا‌نقااوم‌باعااادة‌الحسااا ‌لهااذا‌التماارين‌أخااذين‌بعااين‌االعتبااار‌باايم‌بطااع‌‌االسااتخراج‌‬
‫المنجمي‌التي‌اختيرت‌بأبعاد‌‪100‬بدم‌×‪100‬بدم‌×‪‌10‬بدم‪‌‌.‬‬
‫‪‌ Sv = 4.45% Fe ،= 48% g ‌،c= 44% Fe‬‬
‫‪c  g 44  48‬‬
‫‪Zv ‬‬ ‫‪‬‬ ‫‪ 0.899‬‬
‫‪Sv‬‬ ‫‪4.45‬‬

‫جداول‌التوزع‌الطبيعي‌المعااير‌تعطاي‌بيماة‌لاـ‌ ) ‪‌0.114‌=‌  (z‬أي‌أ ‌‪‌0.112‌=‌P‬مان‌‬

‫هنا‌فن ‌بيمة‌التركيز‌ستكو ‪‌‌:‬‬
‫‌‬
‫‪S‬‬ ‫‪4.45‬‬
‫‪g c  g  v  ( zv )  48 ‬‬ ‫‪ 0.267  49.45% Fe‬‬ ‫‌‬
‫‪p‬‬ ‫‪0.816‬‬
‫‌‬
‫علق‌الرغم‌من‌أ ‌الفروق‌الناتجاة‌باساتخدام‌مثالناا‌هاذا‌ليسات‌جوهرياة‪‌،‬إال‌أنال‌يمكان‌أ ‌‬
‫نرى‌بو وي‌أ ‌أخذنا‌لقايم‌التركياز‌محساوبة‌لقطاعاات‌ذات‌أبعااد‌‪100‬بادم‌×‪100‬بادم‌×‪‌10‬بادم‌‬
‫سيؤدي‌إلق‌ارتفاع‌في‌كمية‌األطنا ‌التي‌سايتم‌اساتخراجها‌مان‌المانجم‌وأ ‌تركياز‌الخاام‌سايكو ‌‬
‫أبل‌مما‌هو‌متوبع‌من‌العينات‌األالية‪‌.‬لو‌أ ‌الحد‌األدنق‌للتركياز‌اختيار‌بحياث‌يكاو ‌أعلاق‌مان‌‬
‫المتوسط‌الحسابي‌لتركيز‌التو ع‌فن ‌الو ع‌سايكو ‌معكوساا‪‌.‬إ ‌هاذ ‌ليسات‌مالحظاة‌أكاديمياة‌‬
‫بحتة‌وإنما‌ولدت‌بالتجربة‌والخبرة‌في‌مناجم‌مازالت‌تعمل‌لغاية‌اآل ‪‌.‬‬
‫‌‬
‫دعونا‌نعود‌اآل ‌إلق‌و ع‌أكثر‌شايوعا‌بحياث‌يكاو ‌تاوزع‌التركياز‌لوغاريثمياا‌طبيعياا‪‌.‬‬
‫خاااذ‌علاااق‌سااابيل‌المثاااال‌تو اااع‌الزنااا \الراااااص‌حياااث‌النسااابة‌المشاااتركة‌للفلاااز‌هاااي‌المتغيااار‌‬
‫االبتصاااادي‪‌.‬معلاااوم‌أ ‌العيناااات‌تاااري‌توزعاااا‌لوغاريثمياااا‌وأ ‌المتوساااط‌واالنحاااراف‌المعيااااري‌‬
‫للعينات‌علق‌الترتيب‌هي‌‪‌%12‬و‌‪‌.%1‬وأ ‌المتباين‌النصفي‌كروي‌ومادى‌تاأثير ‌‪‌11‬متارا‌وأ ‌‬
‫وحادة‌االساتخراج‌المنجمياة‌‪‌Selective Mining Unit‬المنتقااة‌هاي‌بطعاة‌أبعادهاا‌‪‌1×10×10‬‬
‫متاارا‪‌.‬باسااتخدام‌الجاادول‌‪‌1-3‬نجااد‌أ ‌بيمااة‌)‪‌F(10,10,5‬عناادما‌‪‌11‌=‌a‬و‌‪‌24‌=‌C‬مساااوية‌لااـ‌‬
‫‪‌.33.024‌=‌0.112‌×‌24‬إ ‌هذا‌سينتج‌انحرافا‌معياريا‌بطاعيا‌مقدار ‌‪‌.%1.12‬كال‌التوزعين‌‬
‫جرت‌مقارنتهما‌في‌شكل‌‪‌.13-3‬حسا ‌ذلا ‌الجازء‌الاذي‌يقاع‌فاوق‌الحاد‌األدناق‌للتركياز‌لتاوزع‌‬
‫لوغارثمي‌طبيعي‌يتطلب‌خطوة‌ا افية‪‌.‬من‌التعريف‌وإذا‌كا ‌للمتغير‌توزعا‌لوغارثميا‌طبيعياا‪‌،‬‬
‫فن ‌لوغاريثمات‌المتغير‌لها‌توزع‌طبيعي‪‌.‬‬
‫‌‬

‫‪22‬‬
 ‫‌‬

‫‌‬
‫‌‬
‫الشكل‌‪ ‌:13-3‬مقارنة‌بين‌توزعات‌نسب‌الفلزات‌المدمجة‌في‌مثال‌الرااص‌والزن ‌‬
‫االفترا ي‌‬
‫‌‬
‫ماان‌ال ااروري‌فااي‌هااذ ‌الحالااة‌حسااا ‌المتوسااط‌واالنحااراف‌المعي ااري‌لهااذا‌التااوزع‌الطبيعااي‌‬
‫للوغاريثمااات‌القاايم‌بباال‌أ ‌نقااوم‌بأيااة‌حسااابات‌أخاارى‪‌.‬إذا‌مااا‌اعتبرنااا‌إ ‌‪‌y‬ترمااز‌إلااق‌لوغاااريتم‌‬
‫التركيز‌فن ‌المتوسط‌واالنحراف‌المعياري‌للقيم‌‪‌y‬يعطي‌بالمعادالت‌التالية‪:‬‬
‫‌‬
‫‪s‬‬ ‫‪2‬‬
‫‪‬‬
‫‪s y  log e  2  1‬‬
‫‪2‬‬

‫‪g‬‬ ‫‪‬‬
‫‪y  log e g  0.5s y‬‬
‫‪2‬‬

‫‌‬
‫‌‬
‫وبمجرد‌حسا ‌معالم‌التوزع‌يمكن‌تقدير‌ما‌يلي‪‌:‬‬
‫‪log e c  y‬‬ ‫‌‬
‫‪z‬‬
‫‪sy‬‬ ‫‌‬
‫) ‪P  1  ( z‬‬ ‫‌‬
‫‌‬
‫حيث‌‪ ‌P‬مرة‌اخرى‌هي‌ذل ‌الجزء‌من‌الخام‌والذي‌لال‌بايم‌أعلاق‌مان‌بيماة‌الحاد‌األدناق‌للتركياز‪‌.‬‬
‫يمكن‌حسابل‌بالطريقة‌التالية‪‌:‬‬

‫‪gc ‬‬
‫‪Q‬‬
‫‪g‬‬
‫‌‬
‫‪P‬‬
‫حيث‌‬
‫) ‪Q  1  ( z  s y‬‬

‫‪23‬‬
 ‫‌‬
‫‌‬
‫وفااي‌مثااال‌الزنا \والرااااص‌اعتباار‌أ ‌‪‌%‌4‬لكااال‌الفلاازين‌يمثاال‌الحااد‌األدنااق‌للتركيااز‪‌.‬‬
‫آخذين‌بعين‌االعتبار‌التوزع‌النقطي‌فن ‪‌‌:‬‬
‫‌‬
‫‪sy = 0.61‬‬ ‫‪، =2.3 y‬‬ ‫‪،s = 8‬‬ ‫‪، g =12‬‬

‫‪log e c  y 1.39  2.3‬‬

‫‪z‬‬ ‫‪‬‬ ‫‪ 1.508‬‬
‫‪sy‬‬ ‫‪0.61‬‬
‫‪P  1  (1.508)  0.934‬‬
‫‪Q  1  (1.508  0.61)  0.983‬‬
‫‪Q‬‬ ‫‪0.983‬‬
‫‪gc ‬‬ ‫‪g‬‬ ‫)‪12  12.62%( Pb  Zn‬‬
‫‪P‬‬ ‫‪0.934‬‬

‫‌‬
‫أ ‌بيانات‌العينات‌األالية‌تعلمنا‌أ ‌‪ ‌%‌33.4‬من‌الخام‌لل‌بيم‌أعلق‌من‌بيم‌الحاد‌األدناق‌للتركياز‌‌‬
‫‪‌)Pb+Zn(‌%4‬وأ ‌هااذا‌الخااام‌لاال‌بيمااة‌متوسااطة‌مقاادارها‌‪‌‌.)Pb+Zn(‌%‌12.22‬وإذا‌أخااذنا‌‬
‫بعين‌االعتبار‌القطعة‌التي‌أبعادها‌‪1x10x10‬م‌سنحصل‌علق‌النتائج‌التالية‪‌:‬‬
‫‪g  12  s v  5.56‬‬
‫‪y  2.39  s y  0.44‬‬
‫‪log e c  y‬‬
‫‪z‬‬ ‫‪ 2.271‬‬
‫‪sy‬‬

‫‪p  1   2.271  0.988‬‬

‫‪‌ Q  1   2.271  0.44  0.997‬‬
‫‪Q‬‬ ‫‪0.997‬‬
‫‪gc ‬‬ ‫‪g‬‬ ‫)‪x12  12.10%( Pb  Zn‬‬
‫‪p‬‬ ‫‪0.988‬‬

‫واآل ‌إذا‌أخذنا‌بعين‌االعتبار‌التوزع‌القطاعي‌والذي‌أبعاد‌وحداتال‌‪‌1×10×10‬متارا‌ساينتج‌عنال‌‬
‫زيااادة‌فااي‌األحتياااط‌باألطنااا ‌ونقااص‌فااي‌التركيااز‌ عمااا‌يمكاان‌أ ‌نسااتنتجل‌ماان‌عينااات‌بساايطة‪‌.‬‬
‫والجدول‌‪‌2-3‬ياري‌القايم‌الناتجاة‌عان‌اساتخدام‌مجموعاة‌مان‌القايم‌الادنيا‌للتركياز‪‌.‬والشاكل‌‪‌‌14-3‬‬
‫يري‌منحنيات‌التركيز‌ بالطن‌الناتجة‌عن‌ذل ‌بنفس‌الكيفياة‌المساتخدمة‌فاي‌كتاباة‌تقاارير‌المنااجم‪‌.‬‬
‫والخالف‌البسيط‌هنا‌أ ‌ذل ‌الجزء‌األعلق‌من‌الحد‌األدنق‌للتركيز‌معطق‌معنا‌بدال‌مان‌األطناا ‌‬

‫‪24‬‬
‫البقاااء‌المثااال‌أكثاار‌عموميااة‪‌.‬يمكاان‌رؤياة‌االنحااراف‌الناااتج‌عاان‌اسااتخدام‌عينااات‌نقطيااة‌باادال‌ماان‌‬
‫بطاعية‌بو وي‌علق‌الرسم‪.‬‬

‫ما‌يلي‌هو‌مثال‌متق ب‌النهاء‌المو وع‌الذي‌نتحدث‌عنل‪‌:‬يمتلا ‌تو اع‌(يورانياوم‌ذو‌‬

‫تركيااز‌ماانخفض)‌توزعااا‌لوغارثميااا‌طبيعيااا‌بمتوسااط‌مقاادار ‌‪‌U3O8 %‌0.3‬وانحااراف‌معياااري‌‬
‫بيمتاال‌‪‌U3O8‌%1.01‬والمتباااين‌النصاافي‌الكااروي‌لهااذا‌التو ااع‌لاال‌ماادى‌تااأثير‌مقاادار ‌‪40‬متاارا‪‌.‬‬
‫ووحدة‌االستخراج‌المنجماي‌(القطااع)‌المساتعملة‌فاي‌حساا ‌التقادير‌أبعادهاا‌‪‌10×21×21‬متارا‪‌.‬‬
‫استخدام‌الجدول‌‪‌1-3‬يعطي‌دالة‌مقدارها‌‪‌0.122‌=‌1.1021×0.466‬وهذا‌بدور ‌ينتج‌انحراف‌‬
‫معياري‌لقيم‌القطاعات‌مقدار ‌‪‌‌.U3O8‌%0.62‬‬
‫‌‬
‫ياري‌الجادول‌‪‌‌6-3‬نتاائج‌اساتخدام‌بايم‌دنياا‌للتركياز‌‌‪%‌0.20،‌0.11‌،‌0.10‌،‌0.01‬‬
‫‌هذ ‌التوزعات‪‌‌.‬‬ ‫‪U3O8‬لـعينات‌نقطية‌‌وتوزعات‌بطاعية‌واألشكال‌‪‌‌11-3‬و‌‪‌12-3‬تو‬
‫‌‬
‫الحا ‌كيااف‌أ ‌الطبيعااة‌اإللتوائيااة‌ ‪‌‌Skewed‬للتااوزع‌األااالي‌والمقاادار‌الكبياار‌نساابيا‌‬
‫للقطاع‌تتحدا ‌معا‌اليجاد‌فجوة‌متسعة‌باستمرار‌بين‌منحنق‌النقط‌والقطع‪‌.‬‬
‫الجدول ‪ :8-3‬مقارنة بين حسابات التركيز والطنية للقيم النقطية والقطاعية للقيم الدمجة لكل‬
‫من الرصاص والزنك في التوضع‪.‬‬

‫النقاط‬ ‫القطع‬ ‫‌‬

‫الحد‬ ‫الجزء األعلى‬ ‫متوسط‬ ‫الجزء األعلى‬ ‫متوسط‬
‫األدنى‬ ‫من الحد‬ ‫التركيز‬ ‫من الحد‬ ‫التركيز‬
‫األدنى‬ ‫األدنى‬
‫‪0.05‬‬ ‫‪0.622‬‬ ‫‪0.47‬‬ ‫‪0.712‬‬ ‫‪0.41‬‬
‫‪‌0.10‬‬ ‫‪‌ 0.452‬‬ ‫‪‌0.22‬‬ ‫‪0.527‬‬ ‫‪0.53‬‬
‫‪0.15‬‬ ‫‪0.355‬‬ ‫‪0.75‬‬ ‫‪0.414‬‬ ‫‪0.64‬‬
‫‪‌0.20‬‬ ‫‪‌ 0.291‬‬ ‫‪‌0.88‬‬ ‫‪0.337‬‬ ‫‪‌0.75‬‬

‫‪21‬‬
 ‫الجدول ‪ :7-3‬مقارنة بين حسابات التركيز والطنية للقيم النقطية والقطاعية في توضع‬
‫اليورانيوم‪‌.‬‬
‫‌‬
‫النقاط‬ ‫القطع‬
‫الحد‬ ‫الجزء األعلى‬ ‫متوسط‬ ‫الجزء األعلى‬ ‫متوسط‬ ‫‌‬
‫األدنى‬ ‫من الحد‬ ‫التركيز‬ ‫من الحد‬ ‫التركيز‬
‫األدنى‬ ‫األدنى‬ ‫‌‬
‫‪4‬‬ ‫‪0.934‬‬ ‫‪12.62‬‬ ‫‪0.988‬‬ ‫‪12.10‬‬
‫‪6‬‬ ‫‪0.800‬‬ ‫‪13.90‬‬ ‫‪0.912‬‬ ‫‪12.68‬‬
‫‌‬
‫‪8‬‬ ‫‪0.643‬‬ ‫‪15.58‬‬ ‫‪0.758‬‬ ‫‪13.82‬‬
‫‪‌ 10‬‬ ‫‪‌ 0.499‬‬ ‫‪‌ 17.48‬‬ ‫‪‌ 0.576‬‬ ‫‪15.34‬‬

‫‌‬

‫‌‬
‫الشكل‌‪ ‌:14-3‬مقارنة‌بين‌منحنيات‌التركيز‌والطنية‌في‌تو ع‌الرااص‌والزن ‪‌.‬‬
‫‌‬

‫‌‬
‫الشكل‌‪ ‌:11-3‬مقارنة‌بين‌منحنيات‌التركيز‌والطنية‌في‌تو ع‌اليورانيوم‌–‌الحد‌األدنق‌ ‪cutoff‬‬
‫مقابل‌ذل ‌الجزء‌فوبل‪‌.‬‬

‫‪22‬‬
 ‫‌‬
‫‌‬
‫الشكل‌‪‌:12-3‬مقارنة‌بين‌منحنيات‌التركيز‌والطنية‌لخام‌اليورانيوم‪‌-‬الحد‌األدنق‌مقابل‌‬
‫الجزءالذي‌يعلو ‪‌.‬‬
‫‌‬
‫‪ 3-3‬استنتاج ‪Conclusion‬‬

‫أخذنا‌في‌هذا‌الفصل‌من‌فصول‌الكتا ‌بعين‌االعتباار‌المشاكالت‌الناتجاة‌عان‌تغيار‌حجام‪‌،‬مقادار‌‬
‫وبعااد‌كاال‌ماان‌العينااات‌النقطيااة‌والقطاعيااة‪‌.‬لقااد‌بينااا‌أي ااا‌كيااف‌يمكاان‌أ ‌نشااتق‌المتباااين‌النصاافي‌‬
‫النقطااي‌ماان‌عينااات‌لهااا‌دعامااة‌محااددة‪‌.‬ولقااد‌بينااا‌كااذل ‌كيااف‌يتغياار‌تااوزع‌القاايم‌بالنساابة‌ألشااكال‌‬
‫منتظمة‌ومحددة‌تبعا‌لتغير‌الدعامة‌القطاعية‌أي‌تغير‌أبعااد‌وحادة‌االساتخراج‌المنجماي‌المختاارة‪‌.‬‬
‫إ ‌بناء‌منحنق‌فر ي‌للتركيز\بالطن‌يمكن‌تحقيقل‌إذا‌ما‌توفرت‌المعلومات‌التالية‪‌‌:‬‬
‫‪‌-‬توزع‌العينات‌النقطية‌‬
‫‪‌-‬المتباين‌النصفي‌للعينات‌النقطية‬
‫‪‌-‬شكل‌ومقدار‌"وحدة‌االستخراج‌المنجمي‌االختيارية‌"‌القطاع‬
‫بهااذ ‌الطريقااة‌يمكننااا‌أ ‌نحصاال‌علااق‌تقاادير‌مباادئي‌وابعااي‌للتركيااز\بااالطن‌فااي‌المراحاال‌البدائيااة‌‬
‫لدراسة‌أي‌خام‪‌‌.‬‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‪26‬‬
 ‫الفصل الرابع‬

‫التقدير ‪Estimation‬‬

‫استعملنا ‌لغاية ‌اآل ‌مبادم ‌وفر يات ‌أساسية ‌في ‌علم ‌حسا ‌كميات ‌الخام ‌كي ‌نبني‌‬
‫ألنفسنا ‌نموذجا ‌عن ‌البنائية ‌‪‌ Structure‬واالستمرارية ‌‪‌ Continuity‬في ‌التو ع‪‌ .‬ولقد ‌رأينا‌‬
‫أي ا ‌كيف ‌يمكن ‌أ ‌يقود ‌ذل ‌(في ‌الفصل ‌الثالث) ‌إلق ‌انتاج ‌منحنيات ‌نظرية ‌(فر ية)‌‬
‫للتركيزوالطنية ‌وإلق‌دراسة‌كيف‌أ ‌مقدار‌بطعة ‌التعدين ‌‪‌ Mining block‬يمكن‌أ ‌يؤثر‌علق‌‬
‫أربام‌االنتاج‌النهائية‪‌.‬‬
‫‌‬
‫لقد‌حا ‌الوبت‌اآل ‌أل ‌نعود‌إلق‌مشكلتنا‌األساسية‌في‌تقدير‌كميات‌االحتياط‪‌.‬إ ‌النقاش‌‬
‫في‌هذا‌الفصل‌والفصل‌الذي‌يليل‌سينحصر‌في‌التقدير‌المحلي‌‪‌ Local Estimation‬بمعنق ‌أ ‌‬
‫االهتمام‌سيتركز‌في‌جزء‌واحد‌من‌التو ع‌في‌كل‌مرة‪‌.‬علق‌أية‌حال‌يجب‌أ ‌نكو ‌علق‌بناعة‌‬
‫بأ ‌التقنية‌المتبعة‌يمكن‌تطبيقها‌علق‌‌الخام‌ككل‌‪‌.‬ويجب‌أ ‌نتذكر‌أي ا‌أ ‌التقدير‌المحلي‌بطعة‌‬
‫بطعة ‌أو‌نفقا ا‌نفقا ا‌سوف‌يقود‌وبصورة‌حتمية‌إلق‌التقدير‌الكلي‌لذا‌دعونا‌نقوم‌بتحديد‌الموبف‌ذو‌‬
‫األهمية ‌بالنسبة ‌لنا‪ ‌ .‬فهناك ‌نقطة ‌أو ‌مساحة ‌أو ‌حجم ‌من ‌التو ع ‌ال ‌نعرف ‌بيمة ‌تركيز ‌ولكننا‌‬
‫نرغب‌في‌تقديرها‪‌.‬دعونا‌نسمي‌بيمة‌التركيز‌المجهولة‌هذ ‌‪‌.T‬ونسمي‌النقطة‌أو‌المساحة‌أو‌‬
‫الحجم‌ذو‌األهمية‌بالنسبة‌لنا‌‪‌.A‬هذا‌ومن‌أجل‌بناء‌(أو‌انتاج)‌تقديريات‌‪‌ Estimators‬يجب‌أ ‌‬
‫يكو ‌لدينا ‌بعض ‌المعلومات ‌والتي ‌عادة ‌ما ‌تكو ‌علق ‌شكل ‌عينات‪‌ .‬وبصورة ‌عامة ‌دعونا‌‬
‫نفترذ‌أ ‌لدينا‌‪‌ n‬من‌العينات‌ذات‌القيم‌‪‌ gn…..g3, g2, g1‬الخ‪‌.‬مجموعة‌العينات‌هذ ‌عادة‌ما‌‬
‫يشار‌إليها‌بالحرف‌‪ ‌.S‬من‌هذ ‌العينات‌بامكاننا‌أ ‌نشكل‌تقديرا‌ذو‌طبيعة‌خطية‌أال‌وهو‌المتوسط‌‬
‫الموزو ‪‌ .‬يجب ‌أ ‌نقيد ‌أنفسنا ‌في ‌هذ ‌المرحلة ‌بالذات ‌بهذا ‌النمط ‌من ‌التقديرات‪‌ .‬والتقدير ‌هذا‌‬
‫يرمز‌إليل‌بالرمز‌*‪‌T‬ويساوي‪‌:‬‬
‫‌‬
‫‪T   w1 g1  w2 g 2  w3 g3  .........  wn g n‬‬
‫‌‬
‫حيث ‌‪‌ ،‌ wn, ...,w3, w2, w1‬هي ‌األوزا ‌المخصصة ‌لكل ‌عينة‪‌ .‬تستخدم ‌أكثر ‌تقنيات ‌التقدير‌‬
‫المحلي‌تطبيقا‌طريقة‌المتوسط‌الموزو ‌أو‌تقنية ‌مقلو ‌المسافة ‌‪...‬الخ‪‌.‬وأسهل‌الحاالت‌باطبة‌‬

‫‪21‬‬
‫تل ‌التي ‌تتساوى ‌فيها ‌األوزا ‌المعطاة ‌لكل ‌عينة‪‌ ‌ .‬بهذا ‌يكو ‌*‪‌ T‬هو ‌المتوسط ‌الحسابي ‌لقيم‌‬
‫العينات‪‌.‬‬

‫‌‬
‫الشكل‌‪‌:1-4‬معاينة‌فر ية‌وحالة‌تقدير‪‌-‬تو ع‌يورانيوم‬
‫‌‬
‫خذ‌بعين‌االعتبار‌مجموعة‌العينات‌المأخوذة‌والموبع‌المجهول‌والذي‌سبق‌وأ ‌نابشنا ‌‬
‫في ‌الفصل ‌األول‪‌ .‬الشكل ‌‪‌ 1-4‬يري ‌النقطة ‌التي ‌تسترعي ‌اهتمامنا ‌في ‌الموبع ‌وهي ‌‪‌ ‌ ،A‬ولدينا‌‬
‫خمسة ‌عينات ‌نقطية ‌حولها‪‌ .‬احداثيات ‌النقاط ‌الستة ‌وبيم ‌العينات ‌معطاة ‌في ‌الجدول ‌‪‌.1-4‬‬
‫ع‌لفلز‌اليورانيوم‪‌،‬ذو‌تركيز‌بليل‌وطنية‌‬ ‫والتو ع‌الفر ي‌الذي‌نرغب‌في‌منابشتل‌هو‌تو‬
‫عالية‌ويفترذ‌أنل‌متماثل‪‌.‬والمتباين‌النصفي‌‪‌Semivariogram‬والذي‌تمت‌مطابقتل‌لل‌نموذج‌‬
‫كروي ‌بمدى ‌تأثير(‪‌ ‌ )a‬مقدار ‌‪‌ 100‬بدم ‌وعتبتل ‌(‪‌ )C‬مقدارها ‌ ‌ ‌ ‌ ‌‪‌ 2‌ ppm‌ 600‬وظاهرة‌‬
‫تشذر(‪‌ (Co‬مقدارها ‌ ‌‪‌ .2ppm‌ ‌ 100‬كذل ‌معطق ‌معنا ‌إحداثيات ‌النقاط ‌الستة ‌وبيم ‌العينات‌‬
‫المأخوذة‌منها‌في‌جدول‌‪‌.1-4‬دعونا‌ننابش‌اآل ‌أسهل‌طريقة‌يمكن‌اتباعها‌الجراء‌التقدير‪‌ ‌.‬خذ‌‬
‫اآل ‌القيمة‌المعطاة‌في‌أبر ‌موبع‌أي‌موبع‌‪‌1‬وبم‌‌بمدها‌إلق‌النقطة‌المجهولة‌القيمة‪‌.‬بعمل‌ذل ‌‬
‫فنننا‌نرتكب‌خطأ‌تقديريا‌بيمتل‌(‪ ‌)ε‬وستكو ‌بيمة‌هذا‌الخطأ‌مساوية‌طبعا‌للفرق‌بين‌بيمة‌‪‌ T‬و‌‬
‫*‪‌T‬المقدرة‪‌T*‌‌.‬في‌هذ ‌الحالة‌مساوية‌لقيمة‌‌‪‌.g1‬بمعنق‌أ ‪‌:‬‬

‫‪T   g1‬‬ ‫‌‬

‫‪ T T‬‬ ‫‌‬

‫طبعا‌ليس‌من‌الصعوبة‌أ ‌‌نُري ‌أنل‌إذا‌لم‌‌يوجد‌توجل‌ما‌فن ‌هذا‌التقدير‌هو‌تقدير‌غير‌منحاز‌‬
‫‪ ‌.Unbiased Estimator‬بمعنق‌أننا‌إذا‌ما‌بمنا‌بعمل‌تقديرات‌متشابهة‌فن ‌متوسط‌الخطأ‌سوف‌‬
‫يساوي‌افرا‪‌.‬‬

‫‪ 0‬‬ ‫‌‬

‫‌‬
‫‪23‬‬
‫ومصدابية‌التقدير‌‪‌Reliability‬يمكن‌بياسها‌بالنظر‌إلق‌ربعة‌انتشار‌األخطاء‌ ‪Spread‬‬
‫‪ ‌.of Errors‬فنذا ‌اتخذت ‌األخطاء‌بيما ‌بريبة ‌من ‌الصفر ‌فن ‌التقدير ‌المستخدم ‌والحالة ‌هذ ‌هو‌‬
‫تقدير‌جيد‪‌‌.‬‬
‫‌‬
‫التركيز الشمال الشرق‬
‫النقاط‬
‫‪( U3O8‬قدم) (قدم)‬
‫‪4150‬‬
‫‪A‬‬ ‫‪2340‬‬
‫‪400‬‬
‫‪1‬‬ ‫‪4170 233‬‬
‫‪380‬‬
‫‪2‬‬ ‫‪4200 2340‬‬
‫‪450‬‬
‫‪3‬‬ ‫‪4160 2370‬‬
‫‪280‬‬
‫‪4‬‬ ‫‪2310‬‬
‫‪5‬‬ ‫‪4150 2340‬‬
‫‪320‬‬
‫‪4080‬‬
‫‌‬
‫الجدول‌‪‌:1-4‬موابع‌وبيم‌عيناتت‌في‌مسألة‌تقدير‌اليورانيوم‪‌.‬‬
‫‌‬
‫وإذا‌كانت‌ربعة‌انتشار‌تشتت‌الخطأ‌كبيرة‌فن ‌التقدير‌المستخدم‌ال‌يعتمد‌عليل‌(أي‌ال‌‬
‫يرى‌مصدابية)‪‌.‬إ ‌أبسط‌مقياس‌إحصائي‌للتشتت‌(ربعة‌انتشار‌الخطأ)‌هو‌االنحراف‌المعياري‌‬
‫‪‌ .Strandard Deviation‬إ ‌االنحراف ‌المعياري ‌لخطأ ‌التقدير‪،‬أو ‌ما ‌يشار ‌إليل ‌في ‌علم‌‬
‫االحصاء‌علق‌أنل‌الخطأ‌المعياري‌‪‌،Standard error‬سيقيس‌تبعا‌لذل ‌مصدابية‌التقدير‪‌.‬بغض‌‬
‫النظر‌عن‌التقديرات‌التي‌عملت‌ال‌نستطيع‌بياس‌االنحراف‌المعياري‌لالخطاء ‌التي‌عملت‌ما‌‬
‫دمنا‌ال‌نعلم‌بيمة‌الخطأ‌الذي‌عمل‪ ‌.‬لذل ‌يجب‌أ ‌ننظر‌إلق‌الشكل‌النظري‌لتباين‌خطأ‌عملية‌‬
‫التقدير‌‪‌Variance of Estimation Error‬بمعنق‌آخر‌تباين‌عملية‌التقدير‪‌:‬‬
‫‌‬
‫‪  T T ‬‬
‫‌‬
‫أي‌أ ‌تباين‌األخطاء‌‌ =‌ ‪‌،  2‬ويساوي‌اي ا‪‌:‬‬
‫=‌متوسط‌مربع‌االنحرافات‌عن‌متوسط‌الخطأ‌‬ ‫‌‌‌‬
‫=‌متوسط‌ ‪‌    2‬‬ ‫‌‌‌‬
‫= ‌متوسط ‌‪ 0   ‌ε2‬حيث‌‌‬ ‫‌‌‌‬
‫=‌متوسط‌‪‌)T-T*(2‬‬ ‫‌‌‌‬
‫‌‬

‫‪60‬‬
‫إ ‌المتوسط‌والحالة‌هذ ‌سيعمل‌علق‌طول‌التو ع‌وعر ل‪‌.‬بمعنق‌أ ‌التقدير‌للخطأ‌‬
‫الذي ‌ارتكبنا ‌سيكرر ‌(طبعا ‌بعدد ‌مرات ‌معادل ‌لعدد ‌العينات( ‌للخام ‌كلل ‌ومن ‌ثم ‌نقوم ‌بحسا ‌‬
‫التباين‪‌.‬طبعا‌يصعب‌علينا‌عمل‌ذل ‌من‌الناحية‌العملية‪‌.‬لذا‌دعونا‌ننظر‌بدبة‌أكثر‌إلق‌هذا‌الشكل‌‬
‫من‌التباين‪‌.‬لقد‌وجد‌علق‌أ ‌أخذ‌التركيز‌عند‌النقطة‌‪‌A‬ثم‌طري‌بيمة‌التركيز‌عند‌النقطة‌‪‌1‬منل‪‌،‬‬
‫ثم ‌تربيع ‌الناتج ‌ثم ‌تكرار ‌هذ ‌العملية ‌علق ‌الخام ‌كلل ‌لجميع ‌أزواج ‌العينات ‌المحتملة‪‌ .‬ثم ‌أخذ‌‬
‫متوسط‌القيم‌يتطابق‌تماما‌مع‌تعريف‌المتباين‌‪‌.Variogram‬وفي‌الوابع‌إ ‌هذا‌هو‌المتباين‌بين‌‬
‫النقطتين‌‪‌A‬و‌‪‌.1‬هذا‌وإذا‌ما‌أعطينا‌مسافة‌ما‌بينهما‌(‪‌)h‬فن ‌بنمكاننا‌أ ‌نقيم‌تباين‌التقدير‌بقراءة‌‬
‫بيمة‌من‌المتباين‌النصفي‌(‪‌)γ‬ثم‌ ربها‌في‌(‪‌.)2‬هذا ‌في‌الوابع‌أحد‌األسبا ‌التي‌تحدونا‌إلق‌‬
‫اتباع‌سياسة‌التفريق‌بين‌المتباين‌والمتباين‪-‬النصفي‌وعدم‌الخلط‌بينهما‌بذل ‌تكو ‌بيمة‪‌:‬‬
‫)‪ 2  2 (h‬‬ ‫‌‬
‫وفي‌حالة‌مثالنا‌المعطق‌في‌جدول‌‪‌‌:1-4‬‬
‫‌‬
‫‪T   400 ppm‬‬
‫‪h  21.54‬‬ ‫‌‬
‫‪ (h)  322.7( ppm) 2‬‬ ‫‌‬
‫)‪   2  322.7  645.4( ppm‬‬
‫‪2‬‬ ‫‪2‬‬
‫‌‬
‫‪   25.4 ppm‬‬
‫‌‬
‫واآل ‌وباالعتماد‌علق‌معلوماتنا‌عن‌هذا‌التو ع‪‌،‬أي‌بمعرفتنا‌للمتباين‌النصفي‪‌،‬بامكاننا‌‬
‫أ ‌نقرر‌التقدير‌الذي‌استخدم‌لل‌خطأ‌معياري‌بيمتل‌‪‌.ppm‌ 21.1‬وتحويل‌هذا‌الخطأ‌المعياري‌‬
‫إلق‌مدى‌ثقة‪‌،‬يتطلب‌‌معرفتنا‌بنوع‌التوزع‌االحتمالي‌للخام‌‪‌.Probability distribution‬علق‌‬
‫سبيل ‌المثال ‌إذا ‌توخينا ‌تطبيق ‌نظرية ‌علق ‌حالتنا ‌هذ ‌فبامكاننا ‌أ ‌نقول ‌أ ‌مجال ‌الثقة‌‬
‫‪‌ Confidence Interval‬بيمتل‌‪‌%31‬يمكن‌أ ‌يعطي‌بـ‌‪‌ .T*±1.96σε‬بمعنق‌آخر‌يتراوي‌بين‌‬
‫‪ ‌. ppm410-310‬من‌الناحية‌اآلخرى‪‌،‬إذا‌افتر نا‌أ ‌الخام‌يتبع‌توزعا‌لوغارتميا‌فن ‌مجال‌‬
‫الثقة‌‪‌%31‬يمكن‌أ ‌يعطي‌بالربمين‌‪‌.ppm413-314‬‬
‫‌‬
‫واآل ‌دعونا‌نعقد‌الخطوات‌بليال‪‌.‬فبدال‌من‌تقدير‌القيمة‌عند‌النقطة‌‪‌ A‬فنننا ‌سنكو ‌في‌‬
‫حقيقة‌الحال‌‌مهتمين‌أكثر‌بايجاد‌متوسط‌بيمة‌التركيز‌لمساحة‌معينة‌أو‌بطعة ‌بذاتها‪‌.‬في‌الشكل‌‬
‫‪‌ 2-4‬فن ‌ربعة ‌مساحتها ‌‪30‌ ×20‬بدم ‌بد ‌حددت ‌بحيث ‌تكو ‌نقطة ‌‪‌ A‬في ‌منتصفها‪‌ .‬من ‌هنا‌‬
‫ستصب ‌عملية‌التقدير‌علق‌النحو‌التالي‪‌:‬‬
‫‌‬

‫‪61‬‬
 ‫متوسط‌التركيز‌للربعة‌‪T = ‌Panel‬‬
‫‪‌30‌×20‬بدم = ‪A‬‬
‫‪T*= g1‬‬
‫* ‪  T T‬‬

‫‌‬
‫الشكل‌‪‌:2-4‬تقدير‌أكثر‌وابعية‪‌-‬المطلو ‌بيمة‌الربعة‌(خام‌يورانيوم)‌‬

‫طبعا‌المناظرة‌السابقة‌مازالت‌االحة‪‌.‬فمثال‌يمكن‌أ ‌‌نُري‌أ ‌متوسط‌الخطأ‌يساوي‌افرا‌إذا‌لم‌‬

‫يكن ‌هنال ‌أي ‌توجل ‌محلي‌‪‌ .Local Trend‬تباين ‌عملية ‌التقدير ‌كذل ‌مازال ‌هو ‌المتباين ‌بين‌‬
‫التركيز‌عند‌العينة‌النقطية‌‪‌ 1‬ومتوسط‌التركيز‌عبر‌الربعة‌‪‌.A‬هذا‌ولقد‌رأينا‌في‌الفصل‌الثالث‌‬
‫من ‌هذا ‌الكتا ‌كيف ‌أنل ‌يمكننا ‌أ ‌نتعامل ‌مع ‌متوسط ‌تركيز ‌لعينة ‌ما ‌(مثل ‌عينات ‌اللب ‌ذات‌‬
‫الطول‌المحدد)‌إذا‌ما‌رغبنا‌في‌الحصول‌علق‌متباين‌نصفي‌بين‌عينات‌لها‌نفس‌المقدار‪‌،‬ولكننا‌‬
‫لغاية‌اآل ‌لم‌نبحث‌امكانية‌مقارنة‌عينات‌ذات‌مقادير‌متفاوتة‌(مثل‌أطوال‌متفاوتة)‪‌.‬إ ‌النموذج‌‬
‫المسمق‌المتباين‌النصفي‌يزودنا‌بالفروق‌في‌التركيز‌بين‌نقطتين‪‌.‬بامكاننا‌أ ‌نجد‌بيمة‌المتباين‌‬
‫النصفي‌بين‌النقطة‌التي‌أخذت‌عندها‌العينة‌وأي‌نقطة‌أخرى‌في‌الربعة‌(‪‌،)Panel A‬وبامكاننا‌‬
‫‌الكمية‌بـ‌‌‌‌‌‌‌‌‌‌‌‌‪‌ ‌‬وتقرأ ‌جاما‌شرطة‌(‌بار)‌بين‌‬
‫)‪(S , A‬‬ ‫أ ‌نأخذ‌متوسط‌هذ ‌القيم‪‌.‬دعونا‌نعرف‌هذ‬
‫العينة ‌المعروفة ‌في ‌الربعة ‌وأي ‌نقطة ‌أخرى ‌فيها‪‌ .‬إ ‌اشارة ‌(‪‌ -‬الشرطة) ‌هي ‌نفسها ‌الشرطة‌‬
‫المعيارية‌المستخدمة‌للداللة‌علق‌المتوسط‌الحسابي‪‌.‬إ ‌مصطل ‌ ‪  S ‬سوف‌يحل‌محل‌)‪‌γ(h‬في‌‬
‫عالبتنا‌السابقة‪‌.‬علق‌أية‌حال‌فن ‌ما‌نحتاجل‌في‌الوابع‌هو‌المتباين‌النصفي‌بين‌متوسط‌التركيز‌‬
‫في ‌الربعة ‌وتركيز ‌ ‌العينة ‌وليس ‌بين ‌جميع ‌النقط ‌الفردية ‌في ‌الربعة ‌وتركيز ‌النقطة‪‌ .‬إ ‌القيمة‌‌‬
‫)‪‌ 2 (S , A‬ه ي‌تباين‌الخطأ‌المعمول‌إذا‌ما‌حاولنا‌تقدير‌كل‌نقطة‌في‌الربعة‪‌.‬لتصحي ‌هذا‌‌الفرق‌‬
‫في‌مدار‌االهتمام‌‌يجب‌أ ‌نعتبر‌التغير‌في‌التركيزات‌عند‌نقط‌في‌الربعة‪‌‌.‬‬
‫‌‬

‫‪62‬‬
 ‫لقد‌تمت‌منابشة‌ذل ‌في‌الفصل‌الثالث‌وبيمناها‌باستخدام‌الدالة‌المساعدة‌)‪‌.F(l,b‬كا ‌‬
‫هذا‌هو‌المتباين ‌النصفي‌المتوسط‌بين‌جميع‌أزواج‌العينات‌المحتملة‌في‌الربعة‪‌.‬بامكاننا‌اعادة‌‬
‫تدوين ‌ذل ‌بصورة ‌أعم ‌مستخدمين ‌مصطل ‌جاما ‌بار‪‌ .‬بمعنق ‌أ ‌ ‌ )‪‌ ‌  ( A, A‬سيكو ‌المتباين‌‬
‫النصفي‌المتوسط‌بين‌كل‌نقطة‌في‌الربعة‌وكل‌نقطة‌في‌الربعة‪‌.‬وفي‌الحالة‌المبينة‌في‌شكل‌‪‌2-4‬‬
‫فن ‌تباين‌ عملية‌التقدير‌عندما‌نستخدم‌القيمة‌عند‌نقطة‌العينة‌‪‌1‬لتقدير‌متوسط‌التركيز‌في‌الربعة‌‬
‫سيصب ‌علق‌النحو‌التالي‪‌:‬‬

‫‪ 2  2 S , A    A, A‬‬ ‫‌‬

‫‌‬
‫إ ‌حسا ‌مصطلحات‌الجاما‌بار‌(شرطة)‌ستتم‌منابشتل‌بالتفصيل‌أكثر‌الحقا‪‌.‬‬
‫‌‬
‫واآل ‌دعونا‌نعقد‌الحسابات‌أكثر‪ ‌.‬ففي‌حقيقة‌الحال‌لدينا‌أكثر‌من‌عينة‌فلم‌ال‌نستخدمها‌‬
‫جميعا ‌عند ‌إجراءات ‌التقدير‪‌ .‬افتر ذ ‌أننا ‌نستخدم ‌المتوسط ‌الحسابي ‌للعينات ‌كأنل ‌*‪‌ .T‬إ ‌هذا‌‬
‫يعطينا‌أبسط‌شكل‌لنمط‌المتوسط‌الموزو ‌للتقدير‪‌.‬‬
‫أي‌أ ‪‌:‬‬
‫متوسط‌التركيز‌في‌الربعة‌=‌‪‌T‬‬
‫الربعة‌ذات‌المساحة‌‪‌30×20‬بدم‌=‌‪A‬‬
‫‌‌‪‌1‬عينات‌نقطية‌في‌موابع‌محددة=‌‪‌S‬‬

‫‪T* ‬‬
‫‪1‬‬
‫‪ g1  g 2  g 3  g 4  g 5 ‬‬
‫‪5‬‬
‫في‌هذ ‌الحالة‌المصطل )‪ (S , A‬‬
‫‌‌‌‌‌‌‌‌‌‌ ‌هو‌بيمة‌متوسط‌المتباين‌النصفي‌بين‌كل‌عينة‌في‌مجموعة‌‬
‫العينات‌(‪‌)S‬وكل‌نقطة‌في‌الربعة‪‌.‬والمصطل )‪ ( A, A‬‬
‫‌‌‌‌‌‌‌‌‌‌‌‌‌مازال‌متوسط‌المتباين‌النصفي‌بين‌كل‌‬
‫نقطة‌في ‌الربعة‌وكل‌نقطة‌في‌الربعة‪‌.‬علق‌أية‌حال‌لدينا‌اآل ‌مصدرا‌آخر‌من‌مصادر‌التغير‌‬
‫الزائفة‌‪‌.Spurious variation‬‬
‫‌‌‌‌‌‌‌(‌‪(‌‌‌‬جاما‌شرطة‌بين‌العينة‌وأي‌نقطة‌‬
‫‌إننا‌نعتبر‌فقط‌متوسط‌التركيز‌للعينات‌كتقدير‪‌،‬ولكن)‪S , A‬‬
‫في‌الربعة)‌يأخذ‌بعين‌االعتبار‌التركيزات‌الفردية‪‌.‬بالتالي‌فن ‌علينا‌أ ‌نطري‌بيمة‌المصطل ‌‌‌‬
‫)‪‌  (S , A‬من‌التباين‌ حيث‌أ ‌هذا‌هو‌متوسط‌بيمة‌المتباين‌النصفي‌بين‌كل‌نقطة‌في‌مجموعة‌‬
‫العينات‌وكل‌نقطة‌في‌مجموعة‌العينات‌(أي‌لـ‌‪‌ 21‬زوج‌من‌العينات)‪‌.‬الصورة‌النهائية‌لتباين‌‬
‫عملية‌التقدير‌تصب ‪‌‌:‬‬
‫)‪  2  2 (S , A)   (S , S )   ( A, A‬‬ ‫‌‬

‫‪63‬‬
‫هذا‌وعادة‌ما‌يسمق‌المتوسط‌الحسابي‌في‌علم‌الجيوإحصاء‌(حسا ‌الخامات)‌علق‌أنل‌تقدير‌‬
‫االمتداد‌‪‌ ‌ Extension Estimator‬والتباين‌السابق‌ذكر ‌عادة‌ما‌يسمق‌تباين‌االمتداد‪‌.‬ولتمييز‌‬
‫هذا‌التباين‌من‌تباين‌االمتداد‌العام‌لمتوسط‌موزو ‌فنننا‌نستخدم‌تنسيق‌سفلي ‌‪‌)Subscript(‌ e‬‬
‫بدال‌من‌العام‌‪‌.ε‬‬
‫‌‬
‫‪Calculation of gamma-bar Terms‬‬ ‫‪ 1-0‬حسابات مصطلحات جاما شرطة‬

‫بعد‌أ ‌بمنا‌باشتقاق‌معادلة‌تباين‌االمتداد‌ ‪‌Extension variance‬بقي‌علينا‌أ ‌نبين‌عمليا‌كيفية‌‬

‫حسا ‌مثل ‌هذ ‌المصطلحات ‌مثل ‌ ‌ )‪‌ .  (S , A‬هذا ‌ومن ‌أجل ‌مجاراة ‌التبسط ‌في ‌معالجتنا ‌لهذا‌‬
‫المو وع ‌سوف ‌نعتبر ‌في ‌هذ ‌اللحظة ‌بالذات ‌فقط ‌حاالت ‌مثالية ‌في ‌اتجا ‌أو ‌اتجاهين‪‌ .‬وأما‌‬
‫التعميمات ‌المتعلق ‌بهذا ‌المو وع ‌فسوف ‌تتم ‌منابشتها ‌الحقا‪‌ .‬اعتبر ‌علق ‌سبيل ‌المثال ‌الترتيب‌‬
‫‌في‌شكل‌‪‌.3-4‬‬ ‫المو‬

‫الشكل‌‪ ‌:3-4‬مثال‌علق‌استخدام‌نقطة‌هامشية‌لتقدير‌بيمة‌متوسط‌الجزء‌الخطي‪.‬‬

‫فهناك‌طول‌من‌نفق‌مثال‌مقدار ‌‪‌l‬م‌وتركيز ‌‌غير‌معلوم‪‌.‬وتحت‌تصرفنا‌عينة‌واحدة‌فقط‌(ربما‌‬

‫في‌بداية‌مرحلة‌التطوير)‌ذات‌تركيز‌معلوم‪‌.‬وبالنسبة‌لما‌سبق‌وأ ‌أشرنا‌إليل‌فن ‌‪‌T‬هو‌متوسط‌‬
‫التركيز‌عبر‌طول‌مقدار ‌‪‌l‬و‌*‪‌T‬هو‌التركيز‌عند‌موبع‌العينة‌(النقطة)‌و‌‪‌A‬هو‌الطول‌و‌‪‌S‬هي‌‬
‫العينة‌النقطية‌المنفردة‪‌.‬أ ‌مصدابية‌هذا‌التقدير‌معطاة‌بـ‌‬
‫‌‬
‫)‪  2  2 (S , A)   (S , S )   ( A, A‬‬
‫‌‬
‫إ ) ‪ (S , S‬‬
‫‌‌‌‌‌‌‌‌‌‌‌‌‌هو‌المتباين‌النصفي‌بين‌العينة‌النقطية‌ونفسها‌ويساوي‌افر‌أل ‌العينة‌هي‌عبارة‌‬
‫عن‌نقطة‪ ( A, A) ‌.‬‬
‫و‌‌‌‌‌‌‌‌‌‌‌كقيمة‌ليست‌إال‌الدالة‌)‪‌F(l‬والتي‌سبق‌وأ ‌تعرفنا‌عليها‌في‌الفصل‌الثالث‪‌.‬‬
‫)‪ (S , A‬‬
‫ومشكلتنا‌تظهر‌مع‌‌‌‌‌‌‌‌‌‌‌‌‌‌والتي‌تم‌تعريفها‌علق‌أنها‌متوسط‌المتباين‌النصفي‌بين‌العينة‌‬
‫النقطية‌وكل‌نقطة‌علق‌الخط‌(‪‌.)l‬بمعنق‌أننا‌نستطيع‌أ ‌نأخذ (‪‌)M‬علق‌أنها‌النقطة‌الثابتة‌(أي‌‬
‫العينة) ‌و ‌'‪‌ M‬يمكن ‌أ ‌تكو ‌أي ‌نقطة ‌علق ‌الخط ‌‪‌ .l‬نأخذ ‌جميع ‌مثل ‌هذ ‌األزواج ‌المحتملة‌‬
‫(المتوبعة) ‪‌،‬ثم‌نقوم‌بحسا ‌بيمة‌المتباين‌النصفي‌لكل‌زوج‌ثم‌نجمع‌هذ ‌القيم‌(باستخدام‌تكامل‌‬
‫ما)‪‌.‬ومن‌ثم‌نقوم‌بأخذ‌متوسط‌لهذا‌المجموع‪ ‌.‬أل ‌الجمع‌بد‌تم‌عملل‌علق‌خط‌مستمر‌لذا‌ال‌نقوم‌‬

‫‪64‬‬
‫بقسمتل ‌علق ‌عدد ‌النقاط ‌بل ‌علق ‌طول ‌الخط ‌نفسل‌‪‌ .l‬هذا ‌ينتج ‌دالة ‌مساعدة ‌أخرى ‌تسمق‌)‪‌χ(l‬‬
‫وتتعامل‌مع‌حالة‌محددة‌لنقاط‌علق‌نهاية‌الخطوط‪‌.‬وبذل ‌يصب ‌تباين‌االمتداد‌الذي‌نسعق‌إليل‌‌‬

‫) ‪ e 2  2 (l )  F (l‬‬ ‫‌‬
‫بقي‌علينا‌أ ‌نحدد‌الدالة‌)‪‌ χ(l‬للنموذج‌الذي‌نستخدمل‌والخطأ‌المعياري‌متوفر ‌مباشرة‪‌.‬والدوال‌‬
‫المساعدة ‌في ‌اتجا ‌واحد ‌معطاة ‌الحقا ‌للنماذج ‌الثالثة ‌الشائعة‪‌ .‬والمتباينات ‌النصفية ‌التي ‌تعالج‌‬
‫نموذجا‌لل‌أكثر‌من‌مركبة‌يمكن‌التعامل‌معها‌بسهولة‪‌.‬تحسب‌الدالة‌المساعدة‌لكل‌مركبة‌ومن‌ثم‌‬
‫تجمع‌الدوال‌المساعدة‌للمركبات‌كلها‪‌.‬‬
‫‌‬
‫الدوال المساعدة ‪Auxiliary Functions‬‬
‫بالنسبة‌للمتباين‌النصفي‌الخطي‌‌‬
‫‪ (h)  h‬‬ ‫‌‬
‫‪l‬‬
‫‪ (l )  ‬‬ ‫‌‬
‫‪2‬‬
‫‪F (l )  ‬‬
‫‪l‬‬ ‫‌‬
‫‪3‬‬
‫‌‬
‫وبالنسبة‌للمتباين‌النصفي‌األسي‌‌‬
‫‌‬
‫‪ (h)  C 1  exp( h / a)‬‬ ‫‌‬
‫‪‬‬
‫‪ (l )  C 1 ‬‬
‫‪a‬‬
‫‪1  exp( l / a)‬‬ ‫‌‬
‫‪‬‬ ‫‪l‬‬ ‫‪‬‬
‫‪ a a2‬‬ ‫‪‬‬ ‫‌‬
‫‪F (l )  C 1   2 1  exp( l / a)‬‬
‫‪ l l‬‬ ‫‪‬‬ ‫‌‬
‫وبالنسبة‌للمتباين‌النصفي‌الكروي‌‬
‫‌‬
‫‪ 3h h3 ‬‬
‫‪ (h)  C   3 ‬‬
‫‪ 2a 2a ‬‬ ‫عندما‌‪h ≤ a‬‬
‫‪ ( h)  C‬‬
‫‪C  l ‬‬ ‫‪l2 ‬‬
‫عندما‌‪h ≥ a‬‬
‫‪ (l ) ‬‬ ‫‪  6  2 ‬‬
‫‪8  a ‬‬ ‫‪a ‬‬ ‫عندما‌‪l < a‬‬
‫‪C‬‬ ‫‪a‬‬
‫‪ (l )   8  3 ‬‬
‫‪8‬‬ ‫‪l‬‬ ‫عندما‌‪l > a‬‬
‫‪C  l ‬‬ ‫‪l ‬‬ ‫‪2‬‬
‫‪F (l ) ‬‬ ‫‪ 10  2 ‬‬
‫‪20  a ‬‬ ‫‪a ‬‬
‫عندما‌‪l < a‬‬

‫‪F (l ) ‬‬
‫‪C‬‬ ‫‪a‬‬ ‫‪a2 ‬‬
‫‪ 20  15  4 2 ‬‬ ‫زعندما‌‪l > a‬‬
‫‪20 ‬‬ ‫‪l‬‬ ‫‪l ‬‬

‫‪61‬‬
‫وبالتالي ‌في ‌مثالنا ‌المذكور ‌أعال ‌إذا ‌كا ‌لدينا ‌متباين ‌نصفي ‌خطي ‌فن ‌تباين ‌االمتداد‌‬
‫‪‌Extension Variance‬للترتيب‌الوارد‌في‌شكل‌‪‌‌3-4‬يصب ‪‌:‬‬
‫‌‬
‫‪l‬‬ ‫‪l 2‬‬
‫‪‬‬ ‫‪2‬‬
‫‪e‬‬ ‫‪ 2 p  p  pl‬‬ ‫‌‬
‫‪2‬‬ ‫‪3 3‬‬
‫‌‬
‫وبالنسبة‌ألي‌مشكلة‌بالذات‌فن ‌كل‌ما‌علينا‌هو‌أ ‌نحدد‌بيمة‌الطول‌‪‌ l‬وميل‌المتباين‌‬
‫النصفي‌‪‌.p‬‬
‫‌‬
‫‌في‌شكل‌‪‌.4-4‬هنا‪‌ ‌،‬العينة‌‬ ‫دعونا‌ننابش‌اآل ‌مثاال‌أكثر‌إثارة‌لالهتمام‌كذل ‌المو‬
‫النقطية ‌هي ‌نقطة ‌المنتصف ‌في ‌الخط ‌(‪‌ )l‬وغير ‌ذل ‌يبقق ‌الو ع ‌كما ‌كا ‌عليل‪‌ .‬إ ‌الصورة‌‬
‫النهائية‌لتباين‌عملية‌التقدير‌هي‪‌:‬‬

‫)‪  2  2 (S , A)   (S , S )   ( A, A‬‬
‫‌‬
‫‌‬

‫‌‬
‫الشكل‌‪‌:4-4‬مثال‌علق‌استخدام‌نقطة‌مركزية‌لتقدير‌بيمة‌متوسط‌الخط‌‬
‫‌‬
‫وأول‌مصطل ‌فيها‌)‪ (S , A‬‬
‫‌‌‌‌‌‌‌‌‌‌‌‌‌هو‌الذي‌تغير‪‌.‬وهنا‌بدال‌من‌اختراع‌دالة‌مساعدة‌جديدة‪‌،‬‬
‫أو ‌بدال ‌من ‌أجراء ‌تكامل ‌من ‌جديد ‌بامكاننا ‌أ ‌نستخدم ‌الدالة ‌الموجودة ‌)‪‌ X(l‬النتاج ‌المصطل ‌‬
‫المطلو ‪‌.‬والمصطل ‌الذي‌نريد ‌علق‌النحو‌التالي‪‌‌‌:‬‬
‫‌‬
‫‌=‌متوسط‌بيمة‌ال متباين‌النصفي‌بين‌نقطة‌العينة‌وكل‌نقطة‌علق‌طول‌الخط‌‪‌l‬‬ ‫)‪ (S‌ , A‬‬
‫‌=‌يساوي‌( مجموع‌بيم‌المتباين‌النصفي‌بين‌نقطة‌العينة‌وكل‌نقطة‌علق‌الخط)‌مقسومة‌‌‬ ‫‌‬
‫علق‌الطول‌‪‌‌l‬‬
‫‌‌‌‌‌‌‌‌‌‌‌=‌ويساوي‌( مجموع‌بيم‌المتباين‌النصفي‌بين‌نقطة‌العينة‌وكل‌نقطة‌في‌الطرف‌األيسر‌‬
‫من‌الخط‌‪‌+‬مجموع‌بيم‌المتباين‌النصفي‌بين‌العينة‌النقطية‌وكل‌نقطة‌في‌الطرف‌األيمن‌‬
‫من‌الخط)‌مقسومة‌علق‌الطول‌‪‌l‬‬
‫‌‬

‫‪62‬‬
 ‫‌‬
‫الشكل‌‪‌:1-4‬تبسيط‌مشكلة‌النقطة‌المركزية‌للسماي‌باستخدام‌الدوال‌المساعدة‪‌.‬‬
‫‌‬
‫‌الشكل ‌‪‌ 1-4‬كيفية ‌تقسيم ‌الخط ‌بحيث ‌ن ع ‌العينة ‌النقطية ‌علق ‌حافتي ‌خطين‌‬ ‫يو‬
‫أبصر‪‌.‬واآل ‌الدالة‌)‪‌ χ(l/2‬سوف‌تعطينا‌متوسط ‌ ‌جميع‌بيم‌المتباينات‌النصفية‌بين ‌‪(‌ M‬نقطة‌‬
‫العينة) ‌و'‪‌ M‬علق ‌الطرف ‌األيسر ‌للخط‪‌ .‬عودا ‌إلق ‌تعريف ‌الدالة ‌‪‌ χ‬يمكن ‌أ ‌نتبين ‌بسهولة ‌أ ‌‬
‫مجموع‌جميع‌بيم‌المتباينات‌النصفية‌بين‌النقطتين‌‪‌ M', M‬سيكو ‌م روبا‌في‌الطول‌المأخوذ‌‬
‫بعين‌االعتبار‪‌.‬بذل ‌تكو ‌بيمة‌ )‪‌   (S , A‬تساوي‪‌:‬‬
‫‌‌‌‬
‫‪1l‬‬ ‫‪‬‬
‫‪ (S , A)    l / 2   l / 2  X (l / 2)‬‬
‫‪l‬‬
‫‌‬
‫‪l 2‬‬ ‫‪2‬‬ ‫‪‬‬
‫بحيث‌أ ‌‬
‫‌‬
‫) ‪ 2 e  2 l / 2  F (l‬‬
‫‌‬
‫وفي‌حالة‌خااة‌فن ‌المستخدم‌لهذ ‌الدوال‌يمكن‌أ ‌يستعيض‌عن‌نموذجة‌الخاص ‌بل‌‌‬
‫بالمتباين‌النصفي‌وبالتالي‌الدالة‌المساعدة‌المناسبة‪‌.‬وببل‌االنتقال‌إلق‌أبعد‌من‌ذل ‌دعونا‌نقار ‌‬
‫هذ ‌النتيجة‌بالو ع‌السابق‪‌،‬حيث‌تقع‌العينة‌علق‌طرف‌أو‌نهاية‌الخط‪‌.‬ففي‌الو ع‌السابق‌كا ‌‬
‫تباين‌االمتداد‌مساويا‪‌:‬‬
‫‪ ‬‬
‫) ‪ 2e  2 l 2  F (l‬‬ ‫‌‬
‫‌‬
‫وحسب ‌التعريف ‌فن ‌بيمة ‌)‪‌ χ(l‬يجب ‌أ ‌تكو ‌أكبر ‌من ‌(أو ‌علق ‌األبل ‌مساوية ‌لـ) ‌)‪‌.χ(l/2‬‬
‫والنتيجة؟‌إذا‌كنت‌بادرا‌علق‌أخذ‌عينة‌واحدة‌فقط‪ ‌‌،‬فمن‌األف ل‌أ ‌تقوم‌بأخذها‌في‌منتصف‌ما‌‬
‫أنت ‌راغب ‌في ‌تقدير ‪‌ .‬أنل ‌لمما ‌يبعث ‌علق ‌االطمئنا ‌أ ‌نجد ‌مبررات ‌ريا ية ‌لحكمنا ‌هذا‌‌‬
‫‪‌.Common sense‬‬

‫‌‬
‫الشكل‪‌:2-4‬تعميم‌مشكلة‌النقطة‌المركزية‪‌.‬‬

‫‪66‬‬
 ‫بتطبيق‌نفس‌النوع‌من‌المنطق‌علق‌شكل‪‌6-4‬يجب‌أ ‌تكو ‌بادرا‌علق‌استنتاج‌أ ‌‌‬
‫‌‬
‫‪ (S , A) ‬‬
‫‪1‬‬
‫‪b (b)  (l  b)  (l  b‬‬
‫‪l‬‬ ‫‌‬
‫بحيث‌أ ‌‬

‫) ‪‌  2 e  b (b)  (l  b)  (l  b)  F (l‬‬

‫‪2‬‬
‫‪l‬‬
‫ومن‌النظرة‌األولق‌يبدو‌الشكل‌‪‌ 6-4‬مختلفا‪ ‌.‬علق‌أية‌حال‌دعونا‌نتبع‌نفس‌الطريقة‌ونرى‌إلق‌‬
‫أين‌ستقود‪‌‌‌.‬‬
‫)‪ ‌   (S , A‬متوسط‌بيمة‌المتباين‌النصفي‌بين‌النقطة‌وجميع‌النقاط‌في‌الطول‌‪‌‌l‬‬
‫‌‌‌‌‌‌‌‌‌‌‌=‌( مجموع‌بيم‌المتباينات‌النصفية‌بين‌النقطة‌وجميع‌النقاط‌في‌الطول‌‪‌)l‬مقسومة‌علق‌‪‌l‬‬
‫‌‬

‫الشكل‌‪‌‌:6-4‬تقدير‌مشكلة‌النقطة‌الهامشية‌‬
‫تقع‌النقطة‌علق‌نهاية‌الخط‌الذي‌طولل‌‪‌.l + b‬والمصطل ‌)‪‌ (l + b)X(l + b‬سيعطينا‌مجموع‌‬
‫بيم‌المتباينات‌النصفية‌بين‌العينة‌والطول‌‪‌.l + b‬عموما‌لسنا‌بحاجة‌إلق‌النقاط‌المتعلقة‌بـ‌'‪‌M‬‬
‫في‌الطول‌‪‌،b‬بالتالي‌يمكن‌طرحها‌علق‌شكل‌)‪‌.bX(b‬أي‌أ ‌‌‬

‫‪‌  (S , A)  l  bX l  b  bX (b)‬‬

‫‪1‬‬
‫‪l‬‬
‫بحيث‌أ ‌‬

‫) ‪‌  e2  l  bX l  b  bX (b)  F (l‬‬

‫‪2‬‬
‫‪l‬‬

‫فعلق‌سبيل‌المثال‌بالنسبة‌للنموذج‌الخطي‌سيكو ‌هنال ‌‪‌:‬‬

‫‌‬
‫‪‬‬ ‫‪2‬‬
‫‪e‬‬ ‫‪‬‬
‫‪2‬‬
‫‪‬‬‫‪l  b  p (l  b)  bp b    l‬‬ ‫‌‬
‫‪l‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪3‬‬

‫‪ 2e ‬‬
‫‪l‬‬
‫‪‬‬
‫‪p 2‬‬
‫‪‬‬
‫‪l  2lb  b 2  b 2  p‬‬
‫‪l‬‬
‫‪3‬‬
‫‌‬
‫‌‬
‫‪pl  2b   p‬‬
‫‪l‬‬
‫‪ 2e ‬‬
‫‪3‬‬ ‫‌‬
‫‪2‬‬
‫‪ 2e ‬‬ ‫‪pl  2 pb‬‬ ‫‌‬
‫‪3‬‬

‫‪61‬‬
‫‌أ ‌هذا‌أكبر‌من‌المصطل ‌عندما‌كانت‌النقطة ‌علق‌طرف‌الخط‪‌.‬‬ ‫كما‌يمكن‌أ ‌نتوبع‪‌ ‌،‬وا‬
‫هنال ‌مثال‌أخير‌واحد‌ببل‌أ ‌ننتهي‌من‌األمثلة‌ذات‌االتجا ‌الواحد‪‌:‬الشكل‌‪‌1-4‬يري‌نفس‌الخط‌‬
‫لكنل‌يحتوي‌اآل ‌علق‌ثالثة‌عينات‪‌.‬‬
‫‌‬

‫‌‬ ‫‌‬
‫الشكل‌‪‌:1-4‬مشكلة‌أكثر‌تعقيدا‌حيث‌تتوفر‌ثالثة‌عينات‌لتقدير‌بيمة‌الخط‌‬
‫‌‬
‫سوف‌نستخدم‌المتوسط‌الحسابي‌للتركيزات‌‌الثالثة‌لتقدير‌بيمة‌التركيز‌عبر‌الطول‌‪‌l‬أي‌أ ‪‌:‬‬

‫‪‌ T *  g1  g 2  g 3 ‬‬

‫‪1‬‬
‫‪3‬‬
‫من‌هنا‌فن ‌تباين‌االمتداد‌‬
‫‌‬
‫)‪  2  2 (S , A)   (S , S )   ( A, A‬‬
‫‌‬
‫حيث‌‪‌ S‬تمثل‌مجموعة‌عينات‌ثالثة‌و ‌ )‪‌‌ ‌‌  ( A, A‬باق‌لم‌يتغير‌ويساوي‌)‪‌ .F(l‬حيث‌أ ‌الطول‌‬
‫(‪‌ )l‬لم‌يتغير‪‌ .‬علق‌أية‌حال‌فن ‌ ‌ )‪‌ ‌  (S , A‬هو‌اآل ‌متوسط‌بيم‌المتباينات‌النصفية‌بين‌كل‌من‌‬
‫النقاط‌الثالثة‌والخط‌بحيث‪‌:‬‬
‫‌‬
‫‪ ( S , A) ‬‬
‫‪1‬‬
‫‪ S1 , A   S2 , A   S3 , A‬‬ ‫‌‬
‫‪3‬‬
‫‌‬
‫‌‌‌‌‌‌‌‌‌‪‌‌.‬والمصطل ‌‌‌‌‬
‫حيث‌‪‌S1‬تمثل‌العينة‌‪‌1‬وهكذا‪‌.‬واآل ‌ )‪‌‌‌  (S1 , A‬هو‌ببساطة‌‌)‪‌χ(l‬مثل‌)‌‌‪(S 3 , A‬‬

‫‌في‌شكل‌‪‌4-4‬وهذا‌يساوي‌)‪‌χ(l/2‬لذل ‪‌:‬‬ ‫)‪‌‌  (S 2 , A‬هو‌نفسل‌المو‬

‫‌‬
‫‪1‬‬
‫‪‬‬
‫) ‪ ( S , A  2  (l )   ( l 2‬‬
‫‪3‬‬
‫‪‬‬ ‫‌‬
‫‌‬

‫‪63‬‬
 ‫) ‪ (S , S‬‬
‫‌التباين‌‌‌‌‌‌‌‌‌‌‌‌يتطلب‌منا‌أخذ‌كل‌نقطة‌في‌مجموعة‌‬ ‫وبالنسبة‌للمصطل ‌األوسط‌في‌حسا‬
‫العينات‌مع‌كل‌نقطة‌في‌مجموعة‌العينات‌وبما‌أ ‌هنال ‌ثالثة‌عينات‌في‌المجموعة‌لذا‌فن ‌هناك‌‬
‫تسعة‌أزواج‌من‌مثل‌هذ ‌النقط‪‌.‬‬
‫‌‬
‫‪ ( S1 , S1 )   ( S1 , S2 )   ( S1 , S3 ) ‬‬
‫‌‬
‫‪ ( S , A)    ( S2 , S1 )   ( S2 , S2 )   ( S2 , S3 )‬‬
‫‪1‬‬
‫‪9‬‬ ‫‌‬
‫‪  ( S3 , S1 )   ( S3 , S2 )   ( S3 , S3 ) ‬‬
‫‌‬
‫كل ‌مصطل ‌من ‌هذ ‌المصطلحات ‌هو ‌ببساطة ‌متباين ‌نصفي ‌بين ‌نقطتين ‌وثالثة ‌منها ‌تساوي‌‬
‫بصورة‌اوتوماتيكية‌افرا‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‪ (S1 , S1 ),  (S2‬‬
‫‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌والمصطلحات‪‌‌:‬‬ ‫) ‪, S2 ),  (S3 , S3‬‬

‫‌‬
‫) ‪ (S3 , S2 ),  (S2 , S3 ),  (S2 , S1 ),  (S1 , S2‬‬
‫‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‬
‫‌‬
‫بينما‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌ ‪‌‌‌‬تساوي‌)‪‌γ(l‬وبالتالي‪‌:‬‬
‫) ‪(S3 , S1 ),  (S1 , S3‬‬ ‫كلها‌مساوية‌لـ‌)‪‌χ(l/2‬‬

‫‪ (S , S ) ‬‬
‫‪1‬‬
‫‪  ‬‬
‫‪4 l  2 l ‬‬
‫‪2‬‬
‫‪‬‬ ‫‌‬
‫‪9‬‬ ‫‌‬
‫بحيث‌أ ‌‌‬

‫) ‪‌  e 2  2 l    l / 2  4 l / 2  2 l   F (l‬‬

‫‪2‬‬ ‫‪1‬‬
‫‪3‬‬ ‫‪9‬‬ ‫‪‬‬
‫‌‬
‫وبالنسبة‌لنموذج‌خطي‌فن ‌هذا‌يختزل‌إلق‪‌:‬‬
‫‌‬

‫‪2‬‬ ‫‪l  2  1 ‬‬

‫‪l‬‬ ‫‌‬
‫‪‬‬
‫‪ e 2   2  ‬‬
‫‪l‬‬ ‫‪l‬‬
‫‪‬‬ ‫‪  4   2 l   ‬‬
‫‪3‬‬ ‫‪2‬‬ ‫‪2  9‬‬ ‫‪2‬‬ ‫‪‬‬ ‫‪3‬‬ ‫‌‬
‫‪‬‬ ‫‪‬‬
‫‪2‬‬ ‫‪l 2‬‬ ‫‪2 l l‬‬ ‫‌‬
‫‪ e2 ‬‬ ‫‪l    l ‬‬ ‫‪ l‬‬
‫‪3‬‬ ‫‪6 9‬‬ ‫‪9‬‬ ‫‪3‬‬
‫‌‬
‫‪l‬‬
‫‪e‬‬ ‫‪2‬‬
‫‪‬‬
‫‪18‬‬ ‫‌‬
‫‌‬
‫هذا ‌التباين ‌أبل ‌من ‌التوبعات ‌والتقديرات ‌األخرى ‌بصورة ‌معتبرة‪‌ .‬ويبدو ‌ذل ‌منطقيا ‌بعدد ‌من‌‬
‫العينات‌أكثر‌ثالثة‌أ عاف‪‌.‬‬

‫‪10‬‬
 ‫‌‬
‫‪ 2-0‬أمثلة ثنائية األبعاد ‪Tow-dimensional Examples‬‬

‫‌عند‌عمل‌تقدير‌في‌اتجاهين‌فن ‌هناك ‌ مرة‌أخرى‌دوال‌مساعدة‌وهذ ‌الدوال‌ما‌هي‌في‌الحقيقة‌‬

‫إال‌تعميمات‌مبنية‌علق‌دوال‌التقدير‌في‌اتجا ‌واحد‪‌.‬وهي‌مبينة‌في‌شكل‪‌.3-4‬والدالة‌)‪‌γ(l,b‬هي‌‬
‫المثيل ‌ذو ‌االتجاهين ‌لـ ‌)‪‌ γ(l‬وتقرأ ‌)‪‌ γ(l‬ممدودة ‌علق ‌الطول ‌)‪‌ .(b‬وهي ‌متوسط ‌بيم ‌المتباين‌‬
‫النصفي‌بين‌جميع‌النقاط‌علق‌الطول‌(‪‌)b‬وجميع‌النقاط‌علق‌خط‌موازي‌لل‌بنفس‌الطول‪‌.‬إ ‌هذ ‌‬
‫الدالة ‌ذات ‌فائد ة ‌في ‌حالة ‌توفر ‌معلومات ‌من ‌آبار ‌متوازية ‌أو ‌من ‌عينات ‌بناتية ‌ ‪Channel‬‬
‫‪‌ samples‬أو‌أنفاق‌أو‌غير‌ذل ‪‌.‬إ ‌تعميم‌)‪‌ χ(l‬يصب ‌)‪‌ χ(l,b‬وهو‌متوسط‌المتباينات‌النصفية‌‬
‫بين‌طول‌(‪(‌)b‬نفق‌أو‌بناة‌أو‌غير‌ذل )‌وربعة‌‪‌ Panel‬بريبة ‌ذات‌أبعاد‌(‪‌.)l,b‬الدالة‌)‪‌F(l,b‬‬
‫‌‌‌‌‌‌‌‌‌‌‌‪‬التي‌‌تم‌تقديمها‌في‌الفصل‌الثالث‌لرباع‌‪‌Panels‬مستطيلة‪‌.‬ونقدم‌‬
‫للمتباينات‌النصفية‌هي )‪( A, A‬‬

‫اآل ‌دالة ‌جديدة‌)‪‌ H(l,b‬التي ‌تخدم‌عملية ‌التقدير ‌بين‌و عين ‌مختلفين‪‌ .‬فهي ‌تمثل ‌متوسط‌بيم‌‬
‫المتباينات‌النصفية‌بين‌ربعة‌ونقطة‌في‌أحد‌زواياها‪‌.‬وتمثل‌أي ا‌متوسط‌بيم‌المتباينات‌النصفية‌‬
‫بين‌طولين‌‪‌b‬و‪‌l‬متعامدين‌علق‌بع هما‌البعض‪‌.‬إ ‌هذا‌ببساطة‌هو‌حدث‌ريا ي‪‌‌.‬‬
‫‌‬
‫وسوف ‌نعطي ‌هنا ‌أمثلة ‌تبين ‌كيف ‌نناور ‌للواول ‌إلق ‌الهدف ‌المطلو ‪‌ .‬الشكل ‌‪‌10-4‬‬
‫يري‌ربعة‌استخراج‌منجمي‌في‌أحد‌عروق‌الكاسيترايت‌بأبعاد‌‪100‬بدم‌×‪121‬بدم‌ونفق‌تطوير‌‬
‫يمر‌من‌منتصفها‌موازيا‌أل العها‪‌ .‬والنفق‌التطويري‌يقع‌علق‌بعد‌‪‌ 21‬بدم‌من‌أسفل‌النفق‪‌ .‬هذا‌‬
‫وبد‌تمت‌معاينتل‌(أي‌أخذت‌منل‌عينات)‌بشكل‌مكثف ‌بحيث‌يمكن‌أ ‌نفترذ‌أ ‌متوسط‌القيم‌‬
‫يمثل ‌متوسط ‌التركيز‪‌ .‬ونرغب ‌اآل ‌في ‌استخدام ‌متوسط ‌التركيز ‌كتقدير ‌لمتوسط ‌التركيز ‌في‌‬
‫الربعة‌بحيث‌أ ‪‌:‬‬
‫‌‬
‫متوسط‌التركيزفي‌الربعة = ‪T‬‬
‫الربعة‌ذات‌األبعاد‌‪100‬بدم‌×‪121‬بدم = ‪A‬‬
‫‌‌‌ ‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌متوسط‌التركيز‌للنفق‌=‌‌‌‬
‫= ‪‌ ‌S‬‬ ‫*‪‌T‬نفق‌ذو‌طول‌مقدار ‌‪‌121‬بدم‬

‫‌ )‪  2  2 (S , A)   (S , S )   ( A, A‬‬
‫‌‬
‫‌‬

‫‪11‬‬
 ‫‌‬
‫‌‬
‫الشكل‌‪‌:3-4‬الدوال‌المساعدة‌الثنائية‌االبعاد‪‌.‬‬
‫‌‬

‫‌‬
‫‌‬
‫الشكل‌‪‌:10-4‬تقدير‌متوسط‌الربعة‌من‌متوسط‌النفق‪‌.‬‬
‫‌‬

‫‪12‬‬
 ‫)‪ ( A, A‬‬
‫و‌‌‌‌‌‌‌‌‌‌‌هو‌متباين‌نصفي‌متوسط‌بين‌كل‌نقطة‌في‌الربعة‌‪‌A‬وكل‌نقطة‌في‌الربعة‌‪(‌A‬بين‌كل‌‬
‫نقطة‌ومثيلتها‌في‌الربعة‌‪‌)A‬وهذا‌هو‌تعريف‌الدالة‌ذات‌االتجاهين‌)‪‌.F(l,b‬من‌هنا‌إذا‌كا ‌لدينا‌‬
‫نموذج‌متباين‌نصفي‌فنننا‌نستطيع‌تقدير‌هذ ‌الدالة‪‌‌.‬‬
‫‌‬
‫دعونا‌نفترذ‌أ ‌المتباين‌النصفي‌في‌المثال‌السابق‌يتبع‌نموذجا‌كرويا‌بمدى‌تأثير‌بيمتل‌ ‌‪‌10‬‬
‫بدم‌وعتبة‌مقدارها‌‌‌‪(‌410‬باوند‪/‬طن)‪‌.2‬الجدول‌‪‌10-3‬المعطق‌في‌الفصل‌الثالث‌من‌هذا‌الكتا ‌‬
‫للدالة‌)‪‌ F(l,b‬هو‌لنموذج‌كروي‌معاير‌بمدى‌تأثير‌=‌‪‌ 1‬وعتبة‌=‌‪‌.1‬ونحن‌نريد‌)‪‌F(125,100‬‬
‫لنموذج ‌بمدى ‌تأثير ‌= ‌‪‌ 10‬وعتبة ‌= ‌‪‌ .410‬لذا ‌نقوم ‌بقسمة ‌األبعاد ‌‪‌ b‬و ‌‪‌ l‬علق ‌المدى ‌‪‌ 10‬بهذا‌‬

‫‪‌ F ‬أو‌)‪‌F(1.54,1.2‬لمدى‌مقدار ‌‪‌1‬وعتبة‌مقدارها‌‪‌410‬من‌الجدول‌‬

‫‪125 100 ‬‬
‫‪,‬‬ ‫نحصل‌علق‌‌ ‪‬‬
‫‪ 80 80 ‬‬
‫نبحث‌عن‌)‪‌F(1.54,1.2‬فنجدها‌=‌‪‌0.6106‬لعتبة‌مقدارها‌‪‌.1‬لذا‌إذا‌كانت‌‪‌410‌=‌C‬فن ‌بيمة‌‬
‫)‪ ( A, A‬‬
‫‌القيمة‌تساوي‌‌‌‌‌‌‌‌‌‌‌‌‪‌.‬‬ ‫‪‌F‬يجب‌أ ‌تساوي‌‪(311.3‌=‌0.6106×410‬باوند‪/‬طن)‪‌.2‬إ ‌هذ‬
‫‌‬
‫‌‌‌‌‌‌‌‌‌‌‌‌‪‌.‬فعينتنا‌هي‌خط‌بطول‌‪121‬بدم‌ ) ‪ (S , S‬‬
‫و‌‌‌‌‌‌‌‌‌‌‌هو‌‬ ‫دعونااآل ‌نأخذ‌بعين‌االعتبار‌المصطل ) ‪(S , S‬‬

‫متوسط‌بيم‌المتباينات‌النصفية‌بين‌أي‌نقطة‌في‌الخط‌وأي‌نقطة‌في‌الخط‌أي‌الدالة‌ذات ‌االتجا ‌‬
‫الواحد‌)‪‌.F(l‬وبالنسبة‌للنموذج‌الكروي‌حيث‌الطول‌أكبر‌من‌مدى‌التأثير‌فنننا‌نعلم‌أ ‪‌:‬‬
‫‌‬
‫‪C‬‬ ‫‪a‬‬ ‫‪a2 ‬‬
‫‪F (l ) ‬‬ ‫‪‬‬ ‫‪20  15  4 2 ‬‬ ‫‌‬
‫‪20 ‬‬ ‫‪l‬‬ ‫‪l ‬‬
‫‌‬
‫بالتعويض‌عن‌القيم‌‪‌121‌=‌l‬بدم‌و‌‪‌10‌‌=‌a‬بدم‌و‌‪(‌410‌=‌C‬باوند‪/‬طن)‪‌2‬في‌المعادلة‌السابقة‌‬
‫) ‪ (S , S‬‬
‫‌هي‌بيمة‌‌‌‌‌‌‌‌‌‌‌‌‌‪‌.‬‬ ‫ينتج‌أ ‌)‪(‌260.3‌=‌F(125‬باوند‪/‬طن)‪‌2‬وهذ‬
‫‌‬
‫)‪ (S , A‬‬
‫‌نعود‌إلق‌‌‌‌‌‌‌‌‌‌‌‌والذي‌يمثل‌مشكلة‪‌،‬حيث‌أ ‌الدالة‌المساعدة‌)‪‌χ(l,b‬‬ ‫أخيرا‌يجب‌ أ‬
‫هي‌نقط‌للحاالت‌التي‌يكو ‌فيها‌الخط‌علق‌أحد‌حواف‌الربعة‪‌.‬لذا‌يجب‌أ ‌نوظف‌نفس‌نوع‌‬
‫المناورة‌كما‌سبق‪:‬‬
‫)‪‌=‌‌‌‌‌  (S , A‬متوسط‌بيم‌المتباين‌النصفي‌بين‌الخط‌والربعة‌(‪‌)121×100‬‬
‫‌‌‌=‌(مجموع‌بيم‌المتباين‪-‬النصفي‌بين‌الخط‌والربعة)\‪‌121‌×100‬‬ ‫‌‬
‫‌‌‌= ‌( مجموع ‌بيم ‌المتباين ‌النصفي ‌من ‌الخط ‌والنقط ‌في ‌الربعة ‌العلوية ‌‪‌ +‬مجموع ‌بيم‌‬ ‫‌‬
‫المتباين‌النصفي‌بين‌الخط‌والنقط‌في‌الربعة‌السفلي\‌‪‌121‌×100‬‬

‫‪13‬‬
 ‫‌‬
‫علق ‌أية ‌حال‪ ‌ ،‬متوسط ‌بيم ‌المتباين ‌النصفي ‌بين ‌الخط ‌والربعة ‌العلوية ‌(‪‌ )61‌ ×124‬يعطي ‌بـ‌‬
‫)‪‌ χ(75,125‬بحيث ‌أ ‌مجموع ‌بيم ‌المتباين ‌النصفي ‌بين ‌الخط ‌وأي ‌نقطة ‌في ‌الربعة ‌العلوية‌‬
‫سيكو ‌(‪‌.61×121×χ)61,121‬بنفس‌الطريقة‌مجموع‌بيم‌المتباين‌النصفي‌بين‌الخط‌وأي‌نقطة‌‬
‫في‌الربعة‌السفلية‌(‪‌)21‌×121‬سوف‌يعطي‌بـ‌(‪‌.21‌×121×χ)21,121‬من‌هنا‪‌:‬‬
‫‌‬
‫)‪ ( S , A)  75 x125 X (75,125)  25 x125 X (25,125) /(100 x125‬‬
‫‌‬ ‫‪3‬‬ ‫‪1‬‬
‫‪ ‬‬ ‫)‪X (75,125)  X (25,125‬‬
‫‪4‬‬ ‫‪4‬‬
‫الجدول‌‪‌2-4‬يري‌بيم‌الدالة‌المساعدة‌)‪‌χ(l,b‬لنموذج‌كروي‌معاير‌ذو‌مدى‌تأثير‌‪‌‌1 =‌a‬وعتبة‌‬
‫‪‌.1‌=‌C‬إ ‌هذا‌الجدول‌يستخدم‌بنفس‌الطريقة‌التي‌نستخدم‌بها‌الدالة‌)‪‌.F(l,b‬يجب‌أ ‌نتذكر‌أ ‌‬
‫الترتيب‌مهم‌فقيمة‌)‪‌X (25,125‬تختلف‌تماما‌عن‌بيمة‌)‪‌‌‌X (125,25‬وبمعايرة‌بياسات‌الربعة‌‬
‫نحصل ‌علق ‌القيمة ‌)‪‌ X(0.94,1.54‬و ‌)‪‌ .X(0.31,1.54‬ومن ‌االستقراء ‌الخط ‪,Linear‬‬
‫‪‌ interpolation‬من‌الجدول‌نحصت‌علق‌القيم‌‪‌ 0.1132‬و‌‪‌ 0.2131‬علق‌التوالي‪‌.‬ال ر ‌في‌‬
‫عتبة‌مقدارها‌‪(‌410‬باوند‪/‬طن)‪‌2‬يعطي‌‪(321.1‬باوند‪/‬طن)‪‌2‬و‌‪(234.2‬باوند‪/‬طن)‪‌2‬علق‌التوالي‪‌.‬‬
‫بالتعويض‌عن‌هذ ‌القيم‌في‌معادلة‌‌‬
‫‌‬
‫‪ (S , A)   75,125   25,125‬‬
‫‪3‬‬ ‫‪1‬‬
‫‪4‬‬ ‫‪4‬‬ ‫‌‬
‫يعطي‌القيمة‌‪(310.2‬باوند‪/‬طن)‪‌.2‬‬
‫‌‬
‫بعد‌أ ‌بيمنا‌جميع‌المصطلحات‌كل‌علق‌حدة‌يمكننا‌حسا ‌تباين‌االمتداد‌للترتيب‌المعبر‌‬
‫عنل‌في‌شكل‌‪10-4‬بحيث‌يصب ‌‪‌:‬‬
‫‌‬
‫‪ e 2  2  350.2  351.3  70.9  78.2( Ib / ton) 2‬‬ ‫‌‬
‫هذا‌يعطي‌انحراف‌معياري‌أو‌ما‌يسمق‌"خطأ‌معياري"‌بيمتل‌‪(‌ 1.1‬باوند‪/‬طن)‪‌ 2‬لتقدير‌‬
‫التركيز ‌في ‌الربعة‪‌ .‬إذا ‌افتر نا ‌توزعا ‌طبيعيا ‌لألخطاء ‌فنننا ‌نكو ‌متأكدين ‌بدرجة ‌‪‌ %31‬إ ‌‬
‫التركيز‌الحقيقي‌للربعة‌بين‌‪‌ .T*±2σe‬أي‌‪‌.T*± 17.6‬إ ‌هذا‌الخطأ‌المعياري‌يمكن‌أ ‌يكو ‌‬
‫احيحا ‌ألي ‌ربعة ‌لها ‌نفس ‌ترتيب ‌المعاينة ‌في ‌أي ‌مكا ‌ما ‌من ‌التو ع‪‌ ،‬حيث ‌أ ‌التباين‌‬
‫التقديري‌ال‌يعتمد‌علق‌التركيز‌الفعلي‌دائما‌بل‌علق‌الموبع‌الهندسي‌للعينة‌والربعة‪‌.‬‬

‫‪14‬‬
 ‫‌‬
‫وكمثال ‌ثاني ‌لنأخذ ‌بعين ‌االعتبار ‌تو ع ‌نيكل ‌منبث ‌في ‌المراحل ‌النهائية ‌منالتطوير‪‌ .‬اعتمادا‌‬
‫علق‌مستوى‌تحت‌سطحي‌معين‌فن ‌لدينا‌بطاع‌ذو‌أبعاد‌‪‌ 30×40‬بدم‌يتوجب‌تقدير‌بيم‌التركيز‌‬
‫فيل‪‌ .‬فنذا ‌ما ‌أخذنا ‌بعين ‌االعتبار ‌مستوى ‌واحد ‌فقط ‌فن ‌لدينا ‌مشكلة ‌ذات ‌اتجاهين ‌(أي ‌يتحول‌‬
‫القطاع ‌إلق ‌ربعة)‪ ‌ .‬افترذ ‌أ ‌الربعة ‌هذ ‌بد ‌تمت ‌معاينتها ‌علق ‌طولين ‌والمعلومات ‌المتوفرة‌‬
‫تتشكل‌من‌(‪‌)i‬متوسط‌التركيز‌علق‌نفق‌طولل‌‪40‬مترا‌‪‌g1‬و‌(‪‌)ii‬متوسط‌التركيز‌علق‌نفق‌طولل‌‬
‫‪30‬مترا ‌(‪‌ .)g2‬افترذ ‌أننا ‌نستخدم ‌متوسط ‌هذين ‌التركيزين ‌لتقدير ‌بيمة ‌التركيز ‌للربعة‌‬
‫(‪‌.)40×30‬فن ‌‬
‫‌‌‬
‫متوسط‌التركيزللربعة = ‪T‬‬
‫‌الربعة‌(‪‌‌A = )40×30‬‬
‫)‪T* = 1/2(g1+g2‬‬
‫نفق‌‪‌30‬م‌ونفق‌‪40‬م = ‪‌‌ S‬‬
‫‌‬
‫وبالنسبة‌لهذا ‌التو ع‌بالذات‌فن ‌لدينا‌متباين ‌نصفي‌كروي‌بمدى‌تأثير‌مقدار ‌‪‌ 20‬مترا‌وعتبة‌‬
‫مقدارها ‌‪‌ 2)%(‌ 0.61‬وظاهرة ‌تشذر ‌مقدارها ‌‪‌ .2)%(‌ 0.10‬هذا ‌يعني ‌انحراف ‌معياري ‌مقدار ‌‬
‫‪‌)%(0.32‬بالنسبة‌للتوزع‌النقطي‪‌.‬تباين‌االمتداد‌كالعادة‌يعطي‌بالقيمة‌‬
‫‌‬
‫)‪  2  2 (S , A)   (S , S )   ( A, A‬‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬

‫‪11‬‬
‫الجدول‌‪‌:2-4‬الدالة‌المساعدة‌ )‪‌X(L,B‬للنموذج‌الكروي‌بمدى‌‪‌1‬وعتبة‌‪‌.1‬‬
‫‌‬
‫‪B‬‬ ‫‌‬
‫‪L‬‬ ‫‪.1‬‬ ‫‪.2‬‬ ‫‪.3‬‬ ‫‪.4‬‬ ‫‪.5‬‬ ‫‪.6‬‬ ‫‪.7‬‬ ‫‪.8‬‬ ‫‪.9‬‬ ‫‪1.0‬‬
‫‌‬
‫‪.10 .098 .136 .178 .222 .266 .309 .350 .390 .428 .464‬‬
‫‪.20 .164 .194 .229 .268 .307 .346 .385 .422 .458 .491‬‬
‫‪.30 .233 .257 .288 .321 .356 .392 .427 .462 .495 .526‬‬
‫‌‬
‫‪.40 .302 .322 .348 .378 .409 .441 .474 .505 .535 .564‬‬
‫‪.50 .368 .385 .408 .434 .462 .492 .521 .550 .577 .603‬‬
‫‌‬
‫‪.60 .430 .445 .466 .489 .515 .541 .568 .594 .619 .642‬‬
‫‪.70 .488 .502 .520 .541 .564 .588 .612 .636 .658 .680‬‬ ‫‌‬
‫‪.80 .542 .554 .570 .589 .610 .631 .653 .674 .695 .714‬‬
‫‪.90 .589 .600 .614 .632 .650 .670 .689 .708 .727 .744‬‬ ‫‌‬
‫‪1.00 .629 .639 .653 .668 .685 .703 .720 .737 .754 .769‬‬
‫‪1.20 .691 .699 .711 .723 .737 .752 .767 .781 .795 .808‬‬ ‫‌‬
‫‪1.40 .735 .742 .752 .763 .775 .788 .800 .812 .824 .835‬‬
‫‪1.60 .768 .775 .783 .793 .803 .814 .825 .836 .846 .856‬‬ ‫‌‬
‫‪1.80 .794 .800 .807 .816 .825 .835 .845 .854 .863 .872‬‬
‫‪2.00 .815 .820 .826 .834 .842 .851 .860 .869 .877 .885‬‬ ‫‌‬
‫‪2.50 .852 .856 .861 .867 .874 .881 .888 .895 .902 .908‬‬
‫‪3.00 .876 .880 .884 .889 .895 .901 .907 .912 .918 .923‬‬ ‫‌‬
‫‪3.50 .894 .897 .901 .905 .910 .915 .920 .925 .930 .934‬‬
‫‪4.00 .907 .910 .913 .917 .921 .926 .930 .934 .938 .942‬‬ ‫‌‬
‫‪5.00 .926 .928 .931 .934 .937 .941 .944 .947 .951 .954‬‬
‫‪B‬‬ ‫‌‬
‫‪L 1.2 1.4 1.6 1.8‬‬ ‫‪2.0 2.5 3.0 3.5 4.0 5.0‬‬
‫‌‬
‫‪.10 .526‬‬ ‫‪.577 .619 .653 .683 .738 .777 .807 .829 .861‬‬
‫‪.20 .550‬‬ ‫‪.598 .638 .671 .698 .751 .788 .816 .837 .868‬‬
‫‌‬
‫‪.30 .580‬‬ ‫‪.625 .662 .693 .719 .768 .803 .828 .848 .877‬‬
‫‪.40 .614‬‬ ‫‪.655 .689 .718 .741 .787 .819 .842 .861 .887‬‬ ‫‌‬
‫‪.50 .649‬‬ ‫‪.687 .718 .743 .765 .806 .835 .857 .873 .897‬‬
‫‪.60 .684‬‬ ‫‪.718 .746 .769 .788 .825 .852 .871 .886 .907‬‬ ‫‌‬
‫‪.70 .717‬‬ ‫‪.747 .772 .793 .811 .844 .867 .885 .898 .917‬‬
‫‪.80 .747‬‬ ‫‪.774 .797 .815 .831 .861 .881 .897 .909 .926‬‬ ‫‌‬
‫‪.90 .774‬‬ ‫‪.798 .818 .835 .849 .875 .894 .908 .919 .934‬‬
‫‪1.00 .796‬‬ ‫‪.818 .836 .851 .864 .888 .905 .917 .927 .941‬‬ ‫‌‬
‫‪1.20 .830‬‬ ‫‪.848 .864 .876 .886 .906 .920 .931 .939 .950‬‬
‫‪1.40 .854‬‬ ‫‪.870 .883 .894 .903 .920 .932 .941 .948 .958‬‬ ‫‌‬
‫‪1.60 .873‬‬ ‫‪.886 .898 .907 .915 .930 .940 .948 .954 .963‬‬
‫‪1.80 .887‬‬ ‫‪.899 .909 .917 .924 .938 .947 .954 .959 .967‬‬ ‫‌‬
‫‪2.00 .898‬‬ ‫‪.909 .918 .926 .932 .944 .952 .959 .963 .970‬‬
‫‪2.50 .918‬‬ ‫‪.927 .934 .940 .946 .955 .962 .967 .971 .976‬‬ ‫‌‬
‫‪3.00 .932‬‬ ‫‪.939 .945 .950 .955 .963 .968 .972 .976 .980‬‬
‫‪3.50 .942‬‬ ‫‪.948 .953 .957 .961 .968 .973 .976 .979 .983‬‬ ‫‌‬
‫‪4.00 .949‬‬ ‫‪.955 .959 .963 .966 .972 .976 .979 .982 .985‬‬
‫‪5.00 .959‬‬ ‫‪.964 .967 .970 .973 .978 .981 .983 .985 .988‬‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬

‫‪12‬‬
 ‫)‪ ( A, A‬‬
‫كما‌سبق‌‌‌‌‌‌‌‌‌‌‌‌هي‌الدالة‌الثنائية‌االتجاهات‌)‪‌،F(l,b‬ولكن‌لدينا‌اآل ‌مركبتين‌لنعين‌بيمة‌هذا‌‬
‫المصطل ‪‌.‬بامكاننا‌أ ‌نحسب‌الـ‌)‪‌ F(40,30‬للجزء‌الكروي‌من‌النموذج‌وبمدى‌تأثير‌مقدار ‌‪‌a‬‬
‫=‌‪‌ 20‬مترا‌وعتبة‌مقدارها‌‪‌ 2)%(‌ 0.61‬وهذا‌يساوي‌‪‌،2)%(‌ 0.321‌=‌ 0.61×0.4332‬وإلق‌‬
‫بيمة‌‌‬ ‫هذ ‌القيمة‌يجب‌أ ‌ن يف‌ظاهرة‌التشذر‌‪‌2)%(0.10‬بحيث‌تصب‬
‫‪ ( A, A)  0.425%2‬‬
‫اآل ‌القيمة ‌المتوسطة ‌ للمتباين ‌النصفي ‌بين ‌كل ‌عينة ‌وكل ‌عينة ‌تحتوي ‌علق ‌أربعة‌‬
‫مصطلحات‌يجب‌أخذ‌متوسطها‌علق‌سبيل‌المثال‪:‬‬

‫‪ S , S  ‬‬
‫‪1‬‬
‫‪ (drive1 , drive1 )   (drive1 , drive2 )   (drive2 , drive1 )   (drive2 , drive2 )‬‬
‫‪4‬‬
‫‌‬
‫‌بصورة ‌عامة‪‌ ،‬من ‌ا ألسهل ‌النظر ‌إلق ‌كل ‌مصطل ‌علق ‌حدة ‌ومن ‌ثم ‌جمعها ‌للحصول ‌علق‌‬
‫الجوا ‌النهائي‪‌.‬المصطل ‌األول‌‌ ) ‪‌،‌‌  (drive1 , drive1‬هو‌المتباين‪-‬النصفي‌الوسطي‌بين‌جميع‌‬
‫النقط‌علق‌طول‌نفق‌يساوي‌‪40‬مترا‪‌.‬بمعنق‌)‪‌.F(40‬وبالنسبة‌لنموذج‌كروي‌وعندما‌يكو ‌طول‌‬
‫الخط‌(‪‌)l‬أبصر‌من‌مدى‌التأثير‌(‪‌)a‬فن ‌)‪‌F(l‬تعطي‌بالمعادلة‌التالية‪‌:‬‬
‫‪C l‬‬ ‫‪12 ‬‬ ‫‌‬
‫‪F (l ) ‬‬ ‫‪10  2 ‬‬
‫‪20 a ‬‬ ‫‪a ‬‬ ‫‌‬
‫بالتعويض‌عن‌‪‌،20‌=‌ a‌،40‌=‌ l‬و‌‪‌ 2)%(0.61‌=‌ C‬يعطي‌بيمة‌‪‌.2)%(0.233‬م افا‌إلق‌ذل ‌‬
‫ظاهرة‌التشذر‌ينتج‌أ ‌بيمة‌المصطل ‌األول‌‌ ) ‪‌.2)%(0.333‌‌=‌  (drive1 , drive1‬بطريقة‌‌مماثلة‪‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌ ‌‌‌:‬‬
‫) ‪‌.2)%(0.213=  (drive2 , drive2‬والمصطلحين‌ ) ‪  (drive1 , drive2‬والمصطل ) ‪‌  (drive2 , drive1‬‬
‫متشابها ‌وثم‌تعريفهما‌علق‌أنهما‌الدالة‌المساعدة‌)‪‌.H(l,b‬باستخدام‌الجدول‌‪‌ 3-4‬للدالة‌)‪‌H(l,b‬‬
‫علق‌غرار‌استخدام‌الجداول‌األخرى‌وبا افة‌ظاهرة‌التشذر‌نحصل‌علق‪‌‌:‬‬
‫‌‬
‫‪  drive1 , dirve2   0.6086  0.75  0.10(%) 2  0.556(%) 2‬‬
‫‌‬
‫‌‌‌‌‌‌‌‌‌‌‌‌‌= ‌‪‌ .2)%(0.421‬أخيرا‌من‌‬
‫وبا افة‌جميع‌المصطلحات‌إلق‌بع ها‌البعض‌نجد‌أ ) ‪ (S , S‬‬
‫أجل‌حسا ‌تباين‌التقدير‌يلزمنا‌المصطل )‪ (S , A‬‬
‫‌‌‌‌‌‌‌‌‌‌‌‌‪‌.‬وهذا‌هو‌بيمة‌المتباين‌النصفي‌المتوسط‌بين‌‬
‫كل‌عينة‌والربعة‌بحيث‌أ ‌‪‌:‬‬
‫‌‌‬
‫‌‬
‫‌‬

‫‪16‬‬
‫الجدول ‪ :3-0‬الدالة المساعدة )‪ H(L,B‬لنموذج كروي بمدى ‪ 1‬وعتبة ‪.1‬‬

‫‪B‬‬
‫‪L‬‬ ‫‪.1‬‬ ‫‪.2‬‬ ‫‪.3‬‬ ‫‪.4‬‬ ‫‪.5‬‬ ‫‪.6‬‬ ‫‪.7‬‬ ‫‪.8‬‬ ‫‪.9‬‬ ‫‪.10‬‬

‫‪.10 .114 .177 .243 .310 .374 .436 .494 .546 .593 .633‬‬
‫‪.20 .177 .227 .285 .346 .406 .464 .518 .568 .613 .651‬‬
‫‪.30 .243 .285 .336 .390 .445 .499 .550 .597 .639 .674‬‬
‫‪.40 .310 .346 .390 .439 .489 .539 .586 .629 .668 .701‬‬
‫‪.50 .374 .406 .445 .489 .535 .580 .623 .663 .698 .728‬‬
‫‪.60 .436 .464 .499 .539 .580 .621 .660 .697 .728 .755‬‬
‫‪.70 .494 .518 .550 .586 .623 .660 .696 .729 .757 .781‬‬
‫‪.80 .546 .568 .597 .629 .663 .697 .729 .758 .783 .805‬‬
‫‪.90 .593 .613 .639 .668 .698 .728 .757 .783 .806 .826‬‬
‫‌‬
‫‪1.00 .633 .651 .674 .701 .728 .755 .781 .805 .826 .843‬‬
‫‪1.20 .694 .709 .729 .751 .774 .796 .818 .837 .855 .869‬‬
‫‌‬
‫‪1.40 .738 .751 .767 .786 .806 .825 .844 .861 .875 .888‬‬
‫‪1.60 .771 .782 .797 .813 .830 .847 .863 .878 .891 .902‬‬
‫‪1.80 .796 .806 .819 .834 .849 .864 .879 .892 .903 .913‬‬
‫‪2.00 .817 .826 .837 .850 .864 .878 .891 .902 .913 .921‬‬ ‫‌‬
‫‪2.50 .853 .860 .870 .880 .891 .902 .913 .922 .930 .937‬‬
‫‪3.00 .878 .884 .891 .900 .909 .918 .927 .935 .942 .948‬‬ ‫‌‬
‫‪3.50 .895 .900 .907 .914 .922 .930 .938 .944 .950 .955‬‬
‫‪4.00 .908 .913 .919 .925 .932 .939 .945 .951 .956 .961‬‬ ‫‌‬
‫‪‌ 5.00 .927 .930 .935 .940 .946 .951 .956 .961 .965 .969‬‬
‫‪B‬‬ ‫‌‬
‫‪L‬‬ ‫‪1.2 1.4 1.6‬‬ ‫‪1.8 2.0 2.5 3.0 3.5 4.0 5.0‬‬
‫‌‬
‫‪.10 .694 .738 .771 .796 .817 .853 .878 .895 .908 .927‬‬
‫‪.20 .709 .751 .782 .806 .826 .860 .884 .900 .913 .930‬‬
‫‌‬
‫‪.30 .729 .767 .797 .819 .837 .870 .891 .907 .919 .935‬‬
‫‪.40 .751 .786 .813 .834 .850 .880 .900 .914 .925 .940‬‬ ‫‌‬
‫‪.50 .774 .806 .830 .849 .864 .891 .909 .922 .932 .946‬‬
‫‪.60 .796 .825 .847 .864 .878 .902 .918 .930 .939 .951‬‬ ‫‌‬
‫‪.70 .818 .844 .863 .879 .891 .913 .927 .938 .945 .956‬‬
‫‪.80 .837 .861 .878 .892 .902 .922 .935 .944 .951 .961‬‬ ‫‌‬
‫‪.90 .855 .875 .891 .903 .913 .930 .942 .950 .956 .965‬‬
‫‪1.00 .869 .888 .902 .913 .921 .937 .948 .955 .961 .969‬‬ ‫‌‬
‫‪1.20 .891 .907 .918 .927 .935 .948 .956 .963 .967 .974‬‬
‫‪1.40 .907 .920 .930 .938 .944 .955 .963 .968 .972 .978‬‬ ‫‌‬
‫‪1.60 .918 .930 .939 .945 .951 .961 .967 .972 .975 .980‬‬
‫‪1.80 .927 .938 .945 .952 .956 .965 .971 .975 .978 .983‬‬ ‫‌‬
‫‪2.00 .935 .944 .951 .956 .961 .969 .974 .978 .980 .984‬‬
‫‪2.50 .948 .955 .961 .965 .969 .975 .979 .982 .984 .987‬‬ ‫‌‬
‫‪3.00 .956 .963 .967 .971 .974 .979 .983 .985 .987 .990‬‬
‫‪3.50 .963 .968 .972 .975 .978 .982 .985 .987 .989 .991‬‬ ‫‌‬
‫‪4.00 .967 .972 .975 .978 .980 .984 .987 .989 .990 .992‬‬
‫‪5.00 .974 .978 .980 .983 .984 .987 .990 .991 .992 .994‬‬ ‫‌‬
‫‌‬

‫‪11‬‬
 ‫‪ ( S , A) ‬‬
‫‪1‬‬
‫‪ drive1 , A   drive2 , A‬‬
‫‪2‬‬
‫‪ ( S , A)   30, 40   40,30 ‬‬
‫‪1‬‬
‫‪2‬‬
‫‪ ( S , A)  0.5112  0.75  0.10  0.5447  0.75  0.10‬‬
‫‪1‬‬
‫‪2‬‬
‫‪ ( S , A)  0.497(%) 2‬‬ ‫‌‬
‫‌‬
‫من‌هنا‌فن ‌لتباين‌االمتداد‌للمشكلة‌المو حة‌في‌شكل‌‪‌‌11-4‬يساوي‪‌‌:‬‬
‫‌‬
‫‪ 2 e  (2  0.497)  0.428  0.425  0.141%2‬‬
‫‌‬
‫وهذا‌يعطي‌خطأ‌معياري‌لتقدير‌بيمة‌التركيز‌في‌الربعة‌مقدار ‌‪‌)%(0.362‬نيكل‪‌.‬‬

‫‌‬
‫الشكل‌‪‌:11-4‬تقدير‌متوسط‌الربعة‌من‌متوسطات‌نفقين‪‌.‬‬

‫‌‬
‫الشكل‌‪‌:12-4‬تقدير‌متوسط‌الربعة‌من‌متوسط‌نفقين‌رأسيين‌‪‌.Raises‬‬
‫‌‬
‫المثال ‌الثالث ‌يبينل ‌الشكل ‌‪‌ ،12-4‬في ‌هذ ‌المرة ‌الفلز ‌زن ‌(‪‌ ،)Zn‬والمتباين ‌النصفي ‌كروي‌‬
‫وبمدى ‌تأثير ‌مقدار ‌‪‌ 20‬مترا ‌وعتبة ‌مقدارها ‌‪‌ 2)%(‌ 43‬والقيمة ‌المطلو ‌تقديرها ‌هي ‌متوسط‌‬
‫التركيز‌لربعة‌أبعادها‌‪‌11×30‬والمعلومات‌المتوفرة‌هي‌متوسط‌التركيز‌لنفقين‌في‌داخل‌الربعة‌‬

‫‪13‬‬
 ‫وكل‌نفق‌مأخوذ‌علق‌بعد‌‪‌6.1‬متر‌من‌حافة‌الربعة‪‌.‬باختصار‌فن ‌حسا ‌تباين‌االمتداد‌يتم‌علق‌‬
‫النحو‌التالي‪‌:‬‬
‫‌‬
‫متوسط‌التركيز‌للربعة = ‪T‬‬
‫ربعة‌بأبعاد‌‪11×30‬مترا = ‪a‬‬
‫)‪‌‌T* = 1/2(g1 + g2‬‬
‫‪‌S = raise1, raise2‬‬

‫)‪  2  2 (S , A)   (S , S )   ( A, A‬‬
‫‌‬
‫‌‬
‫المصطل ‌ ‌ ‌ ‌ )‌ ‌‪‌‌ (‌ A‌ ,‌ A‬يساوي ‌)‪‌ F(30,15‬عندما ‌‪‌ ،‌ 20‌ ‌ =‌ a‬و ‌‪‌ 2)%(‌ 43‌ =‌ C‬ويساوي‌‬
‫‪‌2)%(34.4=‌43×0.6021‬والمصطل ‌ ) ‪  (S , S‬يساوي‌‬
‫‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‬
‫‪‌‌‌  1  raise1 , raise1    (raise1 , raise2 )) (raise2 , raise1 )   (raise2 , raise2 )‬‬
‫‪4‬‬
‫‌‬
‫‪ F (15)   (15,15)   15,15F (15)‬‬
‫‪1‬‬
‫‌‬ ‫‪4‬‬

‫‪‌  4 (17.34  46.02  46.02  17.34‬‬

‫‪1‬‬

‫‪‌  31.7(%)2‬‬
‫‌‬
‫الدالة‌)‪‌ γ(l,b‬معطاة ‌بالنسبة ‌لنموذج‌كروي ‌عياري ‌في‌الجدول ‌‪‌ 4-4‬في ‌الصفحة ‌التالية‪‌ .‬وآخر‌‬
‫مصطل ‌يجب‌تقدير ‌هو‌المصطل ‪‌:‬‬
‫‌‌‌‌‌‌‌‌‌‌‬
‫‪ S , A ‬‬
‫‪1‬‬
‫‪ (raise1 , A)   rais2 , A‬‬ ‫‌‬
‫‪2‬‬
‫‌‬
‫و‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‪  raise1 , A ‬يصب )‪ (S , A‬‬
‫‌‌‌‌‌‌‌‌‌‌‌مساو‌لـ‪‌:‬‬ ‫بما ‌أ ‌المخطط ‌(‪‌ )Setup‬متماثل ‌ ‪ raise2 , A‬‬

‫‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‪ (S , A)  1 / 30 x157.5  15   7.5,15  22.5  15   22.5,15‌‬‬

‫‪‬‬
‫‪1‬‬
‫‪ 7.5,15   22.5,15‬‬
‫‪3‬‬ ‫‌‬
‫‪4‬‬ ‫‪4‬‬
‫‪1‬‬ ‫‪3‬‬ ‫‌‬
‫‪  23.4   37.1‬‬
‫‪4‬‬ ‫‪4‬‬
‫)‪ 33.7(%‬‬ ‫‪2‬‬
‫‪30‬‬
 ‫‌‬
‫وهذا‌يعطي‌تباين‌امتداد‌مقدار ‌‬

‫‪ 2  2  33.7  31.7  34.4  1.3(%)2‬‬ ‫‌‬

‫‌‬
‫هذا ‌يعطي ‌انحراف ‌معياري ‌للتقدير ‌مقدار ‌‪‌ .Zn%1.14‬من ‌هنا ‌فننل ‌علق ‌الرغم ‌من ‌أ ‌‬
‫االنحراف ‌المعياري ‌للعينات ‌النقطية ‌يساوي ‌‪‌ ، Zn%6‬فن ‌عينتين ‌في ‌الربعة ‌تنتجا ‌انحراف‌‬
‫معياري‌يساوي‌سدس‌هذ ‌القيمة‌تقريبا‪‌.‬‬
‫‌‬
‫مثال ‌أخير ‌مختصر‪‌ :‬تم ‌استكتشاف ‌تو ع ‌نحاس ‌بورفيري ‌باستخدام ‌آبار ‌عمودية‪‌ .‬من‌‬
‫أجل ‌تبسيط ‌المشكلة ‌كل ‌مصطبة ‌(‪‌ )Bench‬من ‌الخام ‌اعتبرت ‌كمستوي‪‌ .‬وتقاطعات ‌اآلبار ‌مع‌‬
‫‌‬ ‫المستويات‌كنقط‪‌.‬خذ‌بطعة‌نموذجية‌أبعادها‌‪‌ 21×21‬متر‌وبئر‌يمر‌من‌خاللها‌كما‌هو‌مو‬
‫في‌شكل‌(‪‌.)13-4‬افترذ‌أننا‌بمنا‌بمد‌بيمة‌البئر‌الذي‌يقطع‌القطعة‌(المصطبة)‌علق‌القطعة‌‬
‫كلها‪‌.‬إذا‌سيكو ‪‌:‬‬
‫‌‬
‫متوسط‌التركيز‌للقطعة‌‌=‌‪‌ T‬‬
‫ربعة‌مربعة‌طول‌ لعها‌‪21‬مترا‌=‌‪‌ A‬‬
‫متوسط‌التركيز‌عند‌التقاطع‌=‌*‌‪‌ T‬‬
‫تقاطع‌البئر‌مع‌الربعة‌=‌‌‪‌S‬‬
‫بالتالي‪‌:‬‬
‫)‪ e 2  2 (S , A)   (S , S )   ( A, A‬‬ ‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬

‫‪31‬‬
‫الجدول‌‪‌:4-4‬الدالة‌المساعدة‌ ‪‌  L, B ‬للنموذج‌الكروي‌بمدى‌تأثير‌‪‌1‬وعتبة‌‪‌.1‬‬
‫‌‬
‫‪B‬‬
‫‪L‬‬ ‫‪.1‬‬ ‫‪.2‬‬ ‫‪.3‬‬ ‫‪.4‬‬ ‫‪.5‬‬ ‫‪.6‬‬ ‫‪.7‬‬ ‫‪.8‬‬ ‫‪.9‬‬ ‫‪1.0‬‬
‫‪.05‬‬ ‫‪.094‬‬ ‫‪.132‬‬ ‫‪.175‬‬ ‫‪.219‬‬ ‫‪.263‬‬ ‫‪.306‬‬ ‫‪.348‬‬ ‫‪.388‬‬ ‫‪.426‬‬ ‫‪.461‬‬
‫‪.10‬‬ ‫‪.161‬‬ ‫‪.188‬‬ ‫‪.223‬‬ ‫‪.261‬‬ ‫‪.300‬‬ ‫‪.340‬‬ ‫‪.379‬‬ ‫‪.416‬‬ ‫‪.452‬‬ ‫‪.486‬‬
‫‪.15‬‬ ‫‪.231‬‬ ‫‪.252‬‬ ‫‪.280‬‬ ‫‪.312‬‬ ‫‪.347‬‬ ‫‪.383‬‬ ‫‪.419‬‬ ‫‪.453‬‬ ‫‪.486‬‬ ‫‪.518‬‬
‫‪.20‬‬ ‫‪.302‬‬ ‫‪.318‬‬ ‫‪.341‬‬ ‫‪.369‬‬ ‫‪.400‬‬ ‫‪.432‬‬ ‫‪.464‬‬ ‫‪.495‬‬ ‫‪.526‬‬ ‫‪.555‬‬
‫‪.25‬‬ ‫‪.372‬‬ ‫‪.385‬‬ ‫‪.404‬‬ ‫‪.428‬‬ ‫‪.455‬‬ ‫‪.483‬‬ ‫‪.512‬‬ ‫‪.541‬‬ ‫‪.568‬‬ ‫‪.594‬‬
‫‪.30‬‬ ‫‪.440‬‬ ‫‪.451‬‬ ‫‪.467‬‬ ‫‪.488‬‬ ‫‪.511‬‬ ‫‪.536‬‬ ‫‪.562‬‬ ‫‪.588‬‬ ‫‪.613‬‬ ‫‪.636‬‬
‫‪.35‬‬ ‫‪.507‬‬ ‫‪.516‬‬ ‫‪.529‬‬ ‫‪.547‬‬ ‫‪.568‬‬ ‫‪.590‬‬ ‫‪.612‬‬ ‫‪.635‬‬ ‫‪.657‬‬ ‫‪.678‬‬
‫‪.40‬‬ ‫‪.571‬‬ ‫‪.578‬‬ ‫‪.590‬‬ ‫‪.605‬‬ ‫‪.623‬‬ ‫‪.642‬‬ ‫‪.662‬‬ ‫‪.683‬‬ ‫‪.702‬‬ ‫‪.721‬‬
‫‪.45‬‬ ‫‪.632‬‬ ‫‪.638‬‬ ‫‪.648‬‬ ‫‪.661‬‬ ‫‪.677‬‬ ‫‪.693‬‬ ‫‪.711‬‬ ‫‪.729‬‬ ‫‪.746‬‬ ‫‪.762‬‬
‫‪.50‬‬ ‫‪.689‬‬ ‫‪.695‬‬ ‫‪.703‬‬ ‫‪.715‬‬ ‫‪.728‬‬ ‫‪.742‬‬ ‫‪.758‬‬ ‫‪.773‬‬ ‫‪.787‬‬ ‫‪.801‬‬
‫‪.55‬‬ ‫‪.743‬‬ ‫‪.748‬‬ ‫‪.755‬‬ ‫‪.765‬‬ ‫‪.776‬‬ ‫‪.789‬‬ ‫‪.802‬‬ ‫‪.814‬‬ ‫‪.827‬‬ ‫‪.838‬‬
‫‪.60‬‬ ‫‪.793‬‬ ‫‪.797‬‬ ‫‪.803‬‬ ‫‪.811‬‬ ‫‪.821‬‬ ‫‪.831‬‬ ‫‪.842‬‬ ‫‪.853‬‬ ‫‪.863‬‬ ‫‪.872‬‬
‫‪.65‬‬ ‫‪.839‬‬ ‫‪.842‬‬ ‫‪.847‬‬ ‫‪.854‬‬ ‫‪.862‬‬ ‫‪.870‬‬ ‫‪.879‬‬ ‫‪.888‬‬ ‫‪.896‬‬ ‫‪.903‬‬
‫‪.70‬‬ ‫‪.879‬‬ ‫‪.882‬‬ ‫‪.886‬‬ ‫‪.892‬‬ ‫‪.898‬‬ ‫‪.905‬‬ ‫‪.912‬‬ ‫‪.919‬‬ ‫‪.925‬‬ ‫‪.930‬‬
‫‪.75‬‬ ‫‪.915‬‬ ‫‪.917‬‬ ‫‪.920‬‬ ‫‪.925‬‬ ‫‪.930‬‬ ‫‪.935‬‬ ‫‪.940‬‬ ‫‪.945‬‬ ‫‪.949‬‬ ‫‪.953‬‬
‫‪.80‬‬ ‫‪.945‬‬ ‫‪.946‬‬ ‫‪.949‬‬ ‫‪.952‬‬ ‫‪.956‬‬ ‫‪.960‬‬ ‫‪.963‬‬ ‫‪.966‬‬ ‫‪.969‬‬ ‫‪.971‬‬
‫‪.85‬‬ ‫‪.968‬‬ ‫‪.970‬‬ ‫‪.971‬‬ ‫‪.974‬‬ ‫‪.976‬‬ ‫‪.978‬‬ ‫‪.981‬‬ ‫‪.982‬‬ ‫‪.984‬‬ ‫‪.985‬‬
‫‪.90‬‬ ‫‪.986‬‬ ‫‪.987‬‬ ‫‪.988‬‬ ‫‪.989‬‬ ‫‪.990‬‬ ‫‪.991‬‬ ‫‪.992‬‬ ‫‪.993‬‬ ‫‪.994‬‬ ‫‪.994‬‬
‫‪.95‬‬ ‫‪.996‬‬ ‫‪.997‬‬ ‫‪.997‬‬ ‫‪.998‬‬ ‫‪.998‬‬ ‫‪.998‬‬ ‫‪.998‬‬ ‫‪.999‬‬ ‫‪.999‬‬ ‫‪.999‬‬
‫‪‌ 1.00‬‬ ‫‪1.00‬‬ ‫‪1.00‬‬ ‫‪1.00‬‬ ‫‪1.00‬‬ ‫‪1.00‬‬ ‫‪1.00‬‬ ‫‪1.00‬‬ ‫‪1.00‬‬ ‫‪1.00‬‬ ‫‪1.00‬‬
‫‪B‬‬
‫‪L‬‬ ‫‪1.2‬‬ ‫‪1.4‬‬ ‫‪1.6‬‬ ‫‪1.8‬‬ ‫‪2.0‬‬ ‫‪2.5‬‬ ‫‪3.0‬‬ ‫‪3.5‬‬ ‫‪4.0‬‬ ‫‪5.0‬‬
‫‪.05‬‬ ‫‪.524‬‬ ‫‪.575‬‬ ‫‪.617‬‬ ‫‪.652‬‬ ‫‪.681‬‬ ‫‪.737‬‬ ‫‪.777‬‬ ‫‪.806‬‬ ‫‪.828‬‬ ‫‪.861‬‬
‫‪.10‬‬ ‫‪.545‬‬ ‫‪.594‬‬ ‫‪.634‬‬ ‫‪.667‬‬ ‫‪.695‬‬ ‫‪.748‬‬ ‫‪.786‬‬ ‫‪.814‬‬ ‫‪.836‬‬ ‫‪.867‬‬
‫‪.15‬‬ ‫‪.573‬‬ ‫‪.619‬‬ ‫‪.656‬‬ ‫‪.687‬‬ ‫‪.714‬‬ ‫‪.764‬‬ ‫‪.799‬‬ ‫‪.825‬‬ ‫‪.846‬‬ ‫‪.875‬‬
‫‪.20‬‬ ‫‪.605‬‬ ‫‪.648‬‬ ‫‪.682‬‬ ‫‪.711‬‬ ‫‪.735‬‬ ‫‪.782‬‬ ‫‪.814‬‬ ‫‪.838‬‬ ‫‪.857‬‬ ‫‪.884‬‬
‫‪.25‬‬ ‫‪.641‬‬ ‫‪.679‬‬ ‫‪.711‬‬ ‫‪.737‬‬ ‫‪.759‬‬ ‫‪.801‬‬ ‫‪.831‬‬ ‫‪.853‬‬ ‫‪.870‬‬ ‫‪.894‬‬
‫‪.30‬‬ ‫‪.678‬‬ ‫‪.712‬‬ ‫‪.741‬‬ ‫‪.764‬‬ ‫‪.784‬‬ ‫‪.822‬‬ ‫‪.848‬‬ ‫‪.868‬‬ ‫‪.883‬‬ ‫‪.905‬‬
‫‪.35‬‬ ‫‪.715‬‬ ‫‪.746‬‬ ‫‪.771‬‬ ‫‪.792‬‬ ‫‪.809‬‬ ‫‪.843‬‬ ‫‪.866‬‬ ‫‪.884‬‬ ‫‪.897‬‬ ‫‪.917‬‬
‫‪.40‬‬ ‫‪.753‬‬ ‫‪.780‬‬ ‫‪.801‬‬ ‫‪.820‬‬ ‫‪.835‬‬ ‫‪.864‬‬ ‫‪.884‬‬ ‫‪.899‬‬ ‫‪.911‬‬ ‫‪.928‬‬
‫‪.45‬‬ ‫‪.790‬‬ ‫‪.812‬‬ ‫‪.831‬‬ ‫‪.847‬‬ ‫‪.860‬‬ ‫‪.884‬‬ ‫‪.902‬‬ ‫‪.915‬‬ ‫‪.924‬‬ ‫‪.939‬‬
‫‪.50‬‬ ‫‪.825‬‬ ‫‪.844‬‬ ‫‪.860‬‬ ‫‪.872‬‬ ‫‪.883‬‬ ‫‪.904‬‬ ‫‪.918‬‬ ‫‪.929‬‬ ‫‪.937‬‬ ‫‪.949‬‬
‫‪.55‬‬ ‫‪.858‬‬ ‫‪.873‬‬ ‫‪.886‬‬ ‫‪.897‬‬ ‫‪.906‬‬ ‫‪.922‬‬ ‫‪.934‬‬ ‫‪.943‬‬ ‫‪.949‬‬ ‫‪.959‬‬
‫‪.60‬‬ ‫‪.888‬‬ ‫‪.901‬‬ ‫‪.911‬‬ ‫‪.919‬‬ ‫‪.926‬‬ ‫‪.939‬‬ ‫‪.948‬‬ ‫‪.955‬‬ ‫‪.960‬‬ ‫‪.968‬‬
‫‪.65‬‬ ‫‪.915‬‬ ‫‪.925‬‬ ‫‪.933‬‬ ‫‪.939‬‬ ‫‪.944‬‬ ‫‪.954‬‬ ‫‪.961‬‬ ‫‪.966‬‬ ‫‪.970‬‬ ‫‪.976‬‬
‫‪.70‬‬ ‫‪.939‬‬ ‫‪.946‬‬ ‫‪.952‬‬ ‫‪.956‬‬ ‫‪.960‬‬ ‫‪.967‬‬ ‫‪.972‬‬ ‫‪.976‬‬ ‫‪.979‬‬ ‫‪.983‬‬
‫‪.75‬‬ ‫‪.959‬‬ ‫‪.964‬‬ ‫‪.968‬‬ ‫‪.971‬‬ ‫‪.974‬‬ ‫‪.978‬‬ ‫‪.982‬‬ ‫‪.984‬‬ ‫‪.986‬‬ ‫‪.989‬‬
‫‪.80‬‬ ‫‪.975‬‬ ‫‪.978‬‬ ‫‪.981‬‬ ‫‪.983‬‬ ‫‪.984‬‬ ‫‪.987‬‬ ‫‪.989‬‬ ‫‪.991‬‬ ‫‪.992‬‬ ‫‪.993‬‬
‫‪.85‬‬ ‫‪.987‬‬ ‫‪.989‬‬ ‫‪.990‬‬ ‫‪.991‬‬ ‫‪.992‬‬ ‫‪.993‬‬ ‫‪.994‬‬ ‫‪.995‬‬ ‫‪.996‬‬ ‫‪.997‬‬
‫‪.90‬‬ ‫‪.995‬‬ ‫‪.996‬‬ ‫‪.996‬‬ ‫‪.997‬‬ ‫‪.997‬‬ ‫‪.997‬‬ ‫‪.998‬‬ ‫‪.998‬‬ ‫‪.998‬‬ ‫‪.999‬‬
‫‪.95‬‬ ‫‪.999‬‬ ‫‪.999‬‬ ‫‪.999‬‬ ‫‪.999‬‬ ‫‪.999‬‬ ‫‪1.00‬‬ ‫‪1.00‬‬ ‫‪1.00‬‬ ‫‪1.00‬‬ ‫‪1.00‬‬
‫‪1.00‬‬ ‫‪1.00‬‬ ‫‪1.00‬‬ ‫‪1.00‬‬ ‫‪1.00‬‬ ‫‪1.00‬‬ ‫‪1.00‬‬ ‫‪1.00‬‬ ‫‪1.00‬‬ ‫‪1.00‬‬ ‫‪1.00‬‬

‫‌‬
‫‌‬

‫‪32‬‬
 ‫‌‬
‫‌‬
‫الجدول‌‪ :13-4‬تقدير‌متوسط‌الربعة‌من‌عينة‌نقطية‌‬
‫‌‬
‫من ‌تجار ‌سابقة ‌نعلم ‌أ ‌المتباين ‌النصفي ‌لل ‌شكل ‌كروي ‌ومدى ‌تأثير ‌مقدار ‌‪30‬مترا ‌وعتبة‌‬
‫‪‌‌‌‌‌‌‌‌‌‌‌‌‌‌.‬هي‌دالة‌)‪‌F(25,25‬يمكن‌حسا ‌بيمتها‌علق‌أنها‌تساوي‪‌:‬‬
‫‪( A, A) Cu 2)%(0.2=C‬‬

‫‪‌ .Cu 2)%(0.123=0.2×0.2141‬والمصطل ‌ ‌ )‌ ‌‪‌ ‌ =‌‌(‌S‌ ,‌ A‬افر ‌حيث ‌أ ‌العينة ‌هي ‌نقطة‪‌.‬‬
‫‌‌‌‌‌‌‌‌‌‌‌‌‌‌يجب‌أ ‌يحسب‌بما‌هو‌معروف‌من‌مناورة‌علق‌النحو‌التالي‪‌‌‌:‬‬
‫والمصطل ) ‪ (S , S‬‬
‫)‪‌‌  ( po int, panel ) ‌‌=  (S , A‬‬
‫‌(مجموع‌بيم‌المتباين‌النصفي‌بين‌العينة‌وجميع‌النقط‌في‌الربعة)‌مقسوم‌علق‌(‪‌‌=)21×21‬‬
‫‌(مجموع‌بيم‌المتباين‌النصفي‌بين‌العينة‌وجميع‌النقط‌في‌ربعة‌‪‌+A1‬بين‌العينة‌وجميع‌‌النقط‌‬
‫في‌ربعة‌‪‌+‌A2‬بين‌العينة‌وجميع‌النقط‌في‌ربعة‌‪‌+‌A3‬بين‌العينة‌وجميع‌النقط‌في‌‌ربعة‌‬
‫‪‌)A4‬مقسوم‌علق‌(‪‌)21×21‬‬
‫)‪= [8x10xH (8, 10) + 17x10x H (17, 10‬‬
‫‪+ 8x15x H (8, 15) +17x15xH (17, 15)]/25x25‬‬
‫)‪= (80x0.0703+170x0.1053 +120x0.0915+255x0.1248/(25x25‬‬
‫‪‌‌= 0.106 (Cu)2‬‬
‫بهذا‌تصب ‌بيمة‌تباين‌االمتداد‌أخيرا‪‌:‬‬
‫‪ e2  2 x0.106  0.000  0.129  0.083%Cu 2‬‬

‫بهذا ‌يكو ‌الخطأ ‌المعياري ‌للتقدير ‌يساوي ‌‪‌ .%Cu 0.211‬نفس ‌التمرين ‌يمكن ‌تكرار ‌لعينة‌‬
‫خارج ‌ الربعة‌باستخدام‌نفس‌المنطق‌المتبع‌لحل‌المشكلة‌ذات‌االتجا ‌الواحد‌المو حة‌في‌شكل‌‬
‫‪‌.6-4‬‬

‫‪33‬‬
 ‫‪ 3-0‬ملخص أهم النقاط‬

‫‪ -1‬عندما‌يتم‌عمل‌تقدير‌يرتكب‌خطأ‌ما‪‌.‬‬
‫‪ -2‬مقدارالخطأ ‌تمليل ‌ بنائية ‌ونوع ‌التو ع ‌والمعد ‌نفسل‪‌ ،‬حيث ‌يمكن ‌أ ‌يكو ‌ألكثر ‌من‌‬
‫معد ‌بنائيات‌مختلفة‌في‌نفس‌التو ع‪.‬‬
‫‪ -3‬يمكن ‌علق ‌سبيل ‌االحتمال ‌واف ‌البنائية ‌لنموذج ‌متباين ‌نصفي ‌في ‌حالة ‌غيا ‌توجل‌‬
‫علق‌المستوى‌المحلي‪.‬‬
‫‪ -4‬يمكن ‌حسا ‌تباين ‌خطأ ‌التقدير ‌إذا ‌علم ‌نموذج ‌المتباين ‌النصفي‪‌ .‬لقد ‌تم ‌تزويد ‌جداول‌‬
‫للنموذج‌الكروي‌وهذ ‌‌يمكن‌استخدامها‌كتقريبات‌للنموذج‌الخطي‪.‬‬
‫‪ -1‬إذا ‌استخدمنا ‌التقدير ‌ذو ‌النوع ‌االمتدادي ‌ومتوسط ‌العينات ‌الحسابي ‌فن ‌تباين ‌االمتداد‌‬
‫يمكن‌كتابتل‌علق‌النحو‌التالي‪:‬‬
‫)‪  2  2 (S , A)   (S , S )   ( A, A‬‬ ‫‌‬
‫بمعنق ‌أ ‌مصدابية ‌التقدير ‌تعتمد ‌علق ‌ثالث ‌كميات ‌هي‪‌ :‬عالبات ‌العينات ‌مع ‌المساحة ‌المراد‌‬
‫اجراء ‌التقدير ‌لها‪‌ ،‬والعالبات ‌بين ‌العينات ‌نفسها‪‌ ،‬والتغيرات ‌في ‌التركيز ‌في ‌المساحة ‌المراد‌‬
‫تقديرها‪‌.‬‬
‫‌‬
‫‪ 0-0‬بعض المشكالت األكثر تعقيدا‬

‫دعونا‌نعود‌إلق‌المشكلة‌األايلة‌المعرو ة‌في‌شكل‌‪‌ 1-4‬وشكل‌‪‌.2-4‬فقد‌بينا‌أننا‌إذا‌‬

‫استخدمنا ‌تركيزالعينة ‌‪‌ 1‬لتقدير ‌بيمة ‌التركيز ‌عند ‌النقطة ‌(‪‌ ،)A‬فنننا ‌نحصل ‌علق ‌خطأ ‌معياري‌‬
‫بيمتل‌ ‌ ‌‪‌.ppm‌ 21.4‬ثم‌بدمنا‌مشكلة‌تقدير‌بيمة‌التركيز‌لربعة‌مساحتها‌‪‌ 30×20‬بدم‌ومركزها‌‬
‫(‪ ‌.)A‬هذا‌وبعد‌منابشتنا‌للمسائل‌السابقة‌فننل‌من‌السهل‌علينا‌حسا ‌الخطأ‌المعياري‌االمتدادي‌‬
‫‪‌،[0=‌‌‌‌‌(S‌‌,‌‌‌‌‌،‬‬ ‫‪ ( A‌‌,‌‌‌‌،‬‬
‫‌‌‌‌‌‌=‪S ) 344‬‬ ‫‌‌‌‌‌‌‌‌ ‪‬‬
‫‌‌‌‌=‌‪A) 312‬‬ ‫وايجاد‌أ ‌بيمتة‌تساوي‌‪‌.ppm 13.2‬حيث‌])‪(S , A‬‬

‫عندما‌نقدر‌بيمة‌متوسط‌تركيز‌الربعة‌من‌العينة‌النقطية‌‪‌1‬فن ‌هذا‌أكثر‌من‌‪‌%20‬بقليل‌أبل‌من‌‬
‫القيمة التي ‌نحصل ‌عليها ‌عند ‌محاولة ‌تقدير ‌النقطة ‌المركزية‪‌ .‬والنتيجة ‌الحقيقية ‌هي ‌بمنتهق‌‬
‫البساطة‌أنل‌من‌السهل‌بمكا ‌تقدير‌متوسط‌التركيز‌لقطاع‌من‌تقدير‌بيمة‌التركيز‌في‌نقطة‌معنية‪‌.‬‬
‫اآل ‌إذا ‌ما ‌أخذ ‌بعين ‌االعتبار ‌متوسط ‌التركيز ‌الحسابي ‌للعينات ‌النقطة ‌الخمسة‪‌ ،‬فنننا ‌نحصل‌‬
‫علق‪‌:‬‬
‫‌‬

‫‪34‬‬
‫متوسط‌ركاز‌الربعة = ‪T‬‬
‫ربعة‌بأبعاد‌‪‌20×30‬بدم = ‪A‬‬
‫متوسط‌العينات‌النقطية‌‌‪‌T*= ppm 322‬‬
‫خمسة‌عينات‌نقطية‌في‌موابع‌محددة = ‪‌S‬‬
‫‌‬
‫إذا‌استخدمنا‌هذا‌التقدير‌لتوبع‌بيمة‌النقطة ‌المركزية‌للقطاع‪‌،‬فن ‌االنحراف‌العياري‌االمتدادي‌‬
‫يساوي ‌ ‌‪ ‌ .ppm‌ 21.1‬علق ‌أية ‌حال ‌إذا ‌عملنا ‌تقدير ‌للربعة ‌فن ‌بيمة ‌االنحراف ‌المعياري‌‬
‫االمتدادي‌تختزل‌إلق‌‪ ‌.ppm‌12.1‬الح ‌أ ‌كال‌من‌هذ ‌األربام‌أبل‌من‌حالة‌اعتبار‌العينة‌(‪‌.)1‬‬
‫سيبدو ‌أنل ‌علق ‌الرغم ‌من ‌أ ‌العينات ‌األخرى ‌بعيدة ‌أكثر ‌عن ‌منتصف ‌القطاع‪‌ ،‬إال ‌أنها ‌تساهم‌‬
‫بمعلومات‌وفيرة‌عن‌تركيز‌القطاع‪‌.‬‬
‫‌‬
‫إلنهاء‌هذا‌الفصل‪‌،‬نقدم‌مثاال‌ذو‌مقياس‌أكبر‌بليال‌يمارس‌من‌خاللل‌القارم‌المعلومات‌‬
‫الجديدة‌التي‌حصل‌عليها‪‌.‬والمثال‌هذا‌لتو ع‌وهمي‌معروف‌متباينل‌النصفي‌وبيمة‌كل‌نقطة‌‬
‫فيل‪‌.‬هذا‌يمكننا‌من‌مقارنة‌التقديرات‌المعمولة‌مع‌القيمة‌الفعلية‪‌.‬وهذا‌و ع‌نادرا‌في‌عالم‌الوابع‪‌.‬‬
‫إنل‌يساعدنا‌أي ا‌في‌انتاج‌مجموعة‌من‌العينات‌بأي‌نموذج‌معاينة‌يمكن‌ابتراحل‪‌.‬والتو ع‌الذي‌‬
‫تم‌تخيلل‌هو‌لخام‌حديد‌رسوبي‌ذو‌تركيز‌منخفض‌بمتوسط‌‪‌%31‬حديد‌وانحراف‌معياري‌‪‌%1‬‬
‫حديد‪‌،‬ومدى‌تأثير‌‪‌ 100‬متر‌وعتبة‌مقدارها‌علق‌ما‌يبدو‌‪‌ 2)%(21‬حديد‪‌.‬المتباين ‌النصفي‌(مرة‌‬
‫أخرى) ‌كروي ‌وال ‌يري ‌ظاهرة ‌تشذر‪‌ .‬والمساحة ‌التي ‌يغطيها ‌‪400‬م‪‌ 2‬مأخوذة ‌منها ‌‪‌ 10‬عينة‌‬
‫عشوائية‪‌.‬موابع وبيم ‌هذ ‌العينات‌يريها‌الشكل‌‪‌ 14-4‬والجدول‪‌.1-4‬والتقدير‌المبدئي‌في‌مرحلة‌‬
‫الجدوى ‌االبتصادية ‌يجب ‌أ ‌يعمل ‌لقطاعات ‌أبعادها ‌‪10×10‬م‪‌ .‬لهذا ‌المثال ‌األولق ‌أعطق ‌كل‌‬
‫بطاع ‌متوسط ‌التركيز ‌ لجميع ‌العينات ‌التي ‌تقع ‌بداخلل ‌وبالنسبة ‌للعينات ‌التي ‌تقع ‌علق ‌الحافة‌‬
‫حسبت ‌لكال ‌القطاعين‪‌ .‬الشكل ‌‪‌ 11-4‬يري ‌القيمة ‌المقدرة ‌لكل ‌بطاع‪‌ .‬والقطاعات ‌التي ‌ال ‌يوجد‌‬
‫بداخلها ‌عينات ‌تم ‌تظليلها‪‌ .‬والربم ‌العلوي ‌في ‌كل ‌بطاع ‌هو ‌التقدير*‪ T‬والربم ‌السفلي ‌هو‌‬
‫االنحراف ‌المعياري ‌االمتدادي‪ ‌ .‬بما ‌أ ‌هذا ‌التو ع ‌يري ‌توزعا ‌طبيعيا ‌فن ‌حدود ‌الثقة ‌بدرجة‌‬
‫‪‌%31‬يمكن‌أ ‌تعطي‌تقريبا‌بـ‌‪‌.T*±2σe‬للمقارنة‌المتوسط‌الفعلي‌لكل‌بطاع‌معطق‌في‌شكل‪-4‬‬
‫‪‌.12‬يمكن‌أ ‌نري‌أنل‌في‌الـ‌‪‌36‬بطاع‌المقدرة‌تقع‌القيم‌في‌مدى‌الثقة‌علق‌مستوى‌‪‌.%31‬أربعة‌‬
‫أو‌خمسة‌بطاعات‌فقط‌تقع‌بالكاد‌خارج‌حدود‌الثقة‌وأ ‌ثالثة‌أو‌أربعة‌بيم‌تقع‌فعال‌خارج‌حدود‌‬
‫الثقة‪ ‌.‬هذا‌أكثر‌بقليل‌مما‌كا ‌متوبعا‌حيث‌أننا‌نتوبع‌بطاعين‌فقط‌أ ‌يكونا‌و‌بيم‌خارج‌حدود‌‬
‫مستوى ‌الثقة ‌‪‌ .%31‬علق ‌أية ‌حال ‌إذا ‌اعتبرنا ‌مستوى ‌الثقة ‌‪‌ %33‬بحيث ‌تصب ‌حدود ‌الثقة‌‬

‫‪31‬‬
‫‪ ‌ T*±3σe‬فن ‌بطاعا‌واحدا‌فقط‌يقع‌خارج‌حدود‌الثقة‌هذ ‪‌،‬أال‌وهو‌القطاع‌الوابع‌في‌الزاوية‌‬
‫الجنوبية‌الغربية‪‌.‬‬
‫‌‬
‫للمقارنة‪‌،‬الشكل‌‪‌16-4‬يري‌مجموعة‌من‌العينات‌أخذت‌علق‌شبكة‌متساوية‌منتظمة‌من‌‬
‫الخام ‌نفسل‪‌ .‬في ‌هذ ‌الحالة ‌كل ‌بطعة ‌أبعادها ‌‪‌ 10‌ x‌ 10‬لها ‌عينتين ‌علق ‌زاويتين ‌متقابلتين‪‌.‬‬
‫باستخدام‌متوسط‌هاتين‌العينتين‌لتقدير‌نتائج‌القطاعات‌ينتج‌انحراف‌معياري‌امتدادي‌بيمتل‌‪‌2.1‬‬
‫‪‌.Fe %‬الشكل‌‪‌ 11-4‬يبين‌القيمة‌المقدرة‌في‌كل‌بطاع‪‌.‬يمكن‌أ ‌يري‌أي ا‌هنا‌أنل‌علق‌الرغم‌‬
‫أ ‌خمسة‌أو‌ستة‌بطاعات‌تقع‌خارج‌حدود‌الثقة‌علق‌مستوى‌‪‌%31‬فننل‌ال‌يوجد‌بطاع‌تنحرف‌‬
‫بيمتة ‌معياريا ‌عن ‌‪ ‌ .‌‌ 2.21‬بعدا ‌أ ‌استنفذنا ‌جميع ‌احتماالت ‌االمتداد ‌في ‌ظروف ‌مثالية ‌دعونا‌‬
‫نتتقل‌اآل ‌إلق‌و ع‌أكثر‌أهمية‪‌.‬‬

‫‌‬
‫الشكل‌‪ ‌:14-4‬مجموعة‌من‌العينات‌العشوائية‌مأخوذة‌من‌تو ع‌خام‌حديد‌وهمي‪‌.‬‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬

‫‪32‬‬
 ‫الجدول ‪ :5-0‬عينات عشوائية مأخوذة من مثال توضع خام حديد وهمي‪.‬‬

‫‪%Fe‬‬ ‫الشمال‬ ‫الشرق‬ ‫الشمال ‪%Fe‬‬ ‫الشرق‬

‫‪0‬‬ ‫‪170‬‬ ‫‪34.3‬‬ ‫‪5‬‬ ‫‪195‬‬ ‫‪33.9‬‬

‫‪10‬‬ ‫‪40‬‬ ‫‪35.5‬‬ ‫‪20‬‬ ‫‪105‬‬ ‫‪32.5‬‬
‫‪15‬‬ ‫‪135‬‬ ‫‪28.6‬‬ ‫‪25‬‬ ‫‪155‬‬ ‫‪29.6‬‬
‫‪55‬‬ ‫‪145‬‬ ‫‪29.4‬‬ ‫‪50‬‬ ‫‪40‬‬ ‫‪30.6‬‬
‫‪125‬‬ ‫‪20‬‬ ‫‪41.5‬‬ ‫‪155‬‬ ‫‪15‬‬ ‫‪40.4‬‬
‫‪175‬‬ ‫‪50‬‬ ‫‪36.8‬‬ ‫‪145‬‬ ‫‪125‬‬ ‫‪30.1‬‬
‫‪120‬‬ ‫‪180‬‬ ‫‪33.4‬‬ ‫‪130‬‬ ‫‪185‬‬ ‫‪35.3‬‬
‫‪160‬‬ ‫‪175‬‬ ‫‪36.0‬‬ ‫‪175‬‬ ‫‪185‬‬ ‫‪41.4‬‬
‫‪240‬‬ ‫‪185‬‬ ‫‪30.2‬‬ ‫‪220‬‬ ‫‪90‬‬ ‫‪28.5‬‬
‫‪260‬‬ ‫‪115‬‬ ‫‪33.2‬‬ ‫‪205‬‬ ‫‪0‬‬ ‫‪40.1‬‬
‫‪235‬‬ ‫‪15‬‬ ‫‪33.7‬‬ ‫‪265‬‬ ‫‪65‬‬ ‫‪24.4‬‬
‫‪365‬‬ ‫‪60‬‬ ‫‪34.3‬‬ ‫‪390‬‬ ‫‪65‬‬ ‫‪31.6‬‬
‫‪285‬‬ ‫‪110‬‬ ‫‪35.3‬‬ ‫‪325‬‬ ‫‪105‬‬ ‫‪39.5‬‬
‫‪345‬‬ ‫‪115‬‬ ‫‪31.0‬‬ ‫‪310‬‬ ‫‪150‬‬ ‫‪34.8‬‬
‫‪335‬‬ ‫‪170‬‬ ‫‪27.4‬‬ ‫‪385‬‬ ‫‪165‬‬ ‫‪29.9‬‬
‫‪325‬‬ ‫‪195‬‬ ‫‪33.9‬‬ ‫‪325‬‬ ‫‪220‬‬ ‫‪37.8‬‬
‫‪350‬‬ ‫‪235‬‬ ‫‪37.6‬‬ ‫‪375‬‬ ‫‪215‬‬ ‫‪29.8‬‬
‫‪290‬‬ ‫‪230‬‬ ‫‪39.9‬‬ ‫‪200‬‬ ‫‪230‬‬ ‫‪37.4‬‬
‫‪10‬‬ ‫‪390‬‬ ‫‪27.2‬‬ ‫‪55‬‬ ‫‪375‬‬ ‫‪27.4‬‬
‫‪85‬‬ ‫‪380‬‬ ‫‪34.2‬‬ ‫‪395‬‬ ‫‪245‬‬ ‫‪36.5‬‬
‫‪50‬‬ ‫‪270‬‬ ‫‪30.2‬‬ ‫‪165‬‬ ‫‪355‬‬ ‫‪40.8‬‬
‫‪200‬‬ ‫‪280‬‬ ‫‪30.4‬‬ ‫‪270‬‬ ‫‪285‬‬ ‫‪32.9‬‬
‫‪400‬‬ ‫‪355‬‬ ‫‪39.9‬‬ ‫‪365‬‬ ‫‪340‬‬ ‫‪40.0‬‬
‫‪360‬‬ ‫‪335‬‬ ‫‪40.0‬‬ ‫‪330‬‬ ‫‪320‬‬ ‫‪44.1‬‬
‫‪335‬‬ ‫‪310‬‬ ‫‪40.6‬‬ ‫‪330‬‬ ‫‪290‬‬ ‫‪41.4‬‬

‫‌‬
‫‌‬

‫‌‬
‫الشكل‌‪‌:11-4‬بيم‌تقديرات‌القطع‌محسوبة‌بأخذ‌متوسط‌جميع‌العينات‌الداخلية‌وما‌يناظرها‌من‌‬
‫االنحراف‌المعياري‌للتقدير‪‌.‬‬

‫‪36‬‬
 ‫‌‬
‫الشكل‌‪ ‌:12-4‬بيم‌المتوسطات‌الحقيقية‌في‌كل‌بطعة‌في‌تو ع‌خام‌الحديد‌الوهمي‪‌.‬‬
‫‌‬

‫‌‬
‫الشكل‌‪ ‌:16-4‬طقم‌من‌العينات‌مأخوذة‌علق‌شبكة‌منتظمةمن‌تو ع‌خام‌الحديد‌الوهمي‪‌.‬‬
‫‌‬

‫‪31‬‬
‫‌‬
‫الشكل‌‪‌:11-4‬بيم‌القطع‌المقدرة‌من‌عينات‌الشبكة‌المنتظمة‪‌.‬‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬

‫‪33‬‬
 ‫الفصل الخامس‬

‫‪‌Kriging‬‬ ‫كريجنج‬
‫‌‬
‫دعونا‌نعود‌اآل ‌إلق‌نهج‪‌،‬أكثر‌شيوعا‪‌،‬وربما‌أكثر‌وابعية‪‌،‬لتقادير‌القايم‌المحلياة‪‌.‬لغاياة‌اآل ‌أخاذنا‌بعاين‌االعتباار‌‬
‫فقط‌‌عملية‌حسا ‌متوسط‌‌لجميع‌العينات‌المحلياة‌واساتخدام‌هاذا‌المتوساط‌كتقادير‌للمنطقاة‌بياد‌الدراساة‪‌‌.‬هنالا ‌‬
‫حاالت‌يبدو‌فيها‌غير‌منطقي‌‌إعطاء‌أوزا ‌بالتساوي‌لكل‌العينات‪‌،‬حيث‌إ ‌بع اا‌من‌هاذ ‌العيناات‌سايكو ‌علاق‌‬
‫بعد‌كبير‌من‌المساحة‌المجهولة‌‪‌،A‬بينما‌البعض‌اآلخر‌سيكو ‌أكثر‌بربا‌منها‌إ ‌لم‌يكن‌بداخلها‪‌‌.‬وما‌يبادو‌أكثار‌‬
‫منطقيةا ‌استخدام‌متوسط‌موزو ‌لقيم‌العينات‌بحيث‌تأخذ‌العينات‌األبر ‌وزناا‌أكبار‪‌.‬سايكو ‌التقادير‌الجدياد‌علاق‌‬
‫شكل‪‌:‬‬
‫‪‌T* = w1g1+w2g2+w3g3+ … +wngn‬‬
‫حيث‌مجموع‌األوزا ‌يساوي‌واحد‪‌.‬إذا‌ما‌تم‌تحقيق‌هذا‌الشرط‌ولم‌يكن‌هنال ‌أي‌توجل‌محلي‌فن ‌*‪‌T‬‬
‫سيكو ‌تقديراا‌غير‌منحاز‪‌.‬بمعنق‌أنل‌من‌باين‌جمياع‌التقاديرات‌سايكو ‌تقاديرا‌متوساط‌خطاا ُؤ ‌مسااو‌لصافر‪‌.‬هاذا‌‬
‫الناوع‌مان‌التقاديرات‌‌يساامق‌تقاديرا‌خطيااُ‌ألنال‌توليفااة‌خطياة‌مان‌بايم‌العينااات‪‌.‬والمتوساط‌الحساابي‌ببسااطة‌حالااة‌‬
‫خااة‌حيث‌جميع‌األوزا ‌متساوية‪‌.‬يمكن‌أ ‌نري‌أ ‌تباين‌التقدير‌للتقدير‌العام‌الخطي‌وغير‌المنحاز‌هو‪‌:‬‬
‫‪n‬‬ ‫‪n‬‬ ‫‪n‬‬
‫)‪‌  2  2 wi  ( si , A)   wi w j ( si s j )   ( A, A‬‬
‫‪i 1‬‬ ‫‪i 1 i 1‬‬

‫حيااث‌حساابنا‌سااابقاا‌ )‪ ‌  ( S , A‬متوسااط‌المتباينااات‌النصاافية‌بااين‌كاال‌عينااة‌والمساااحة‌المااراد‌تقااديرها‌واآل ‌نشااكل‌‬

‫متوسطا‌موزونا‌لكل‌عينة‌علاق‌انفاراد‌ماع‌المسااحة‌‪‌،‌A‬و‌ )‪،  ( S i , A‬بانفس‌الطريقاة‌كتقادير‌فعلاي‪‌.‬علاق‌سابيل‌‬

‫المثال‪‌،‬إذا‌كا ‌لدينا‌عينات‌عددها‌(‪‌)n‬مأخوذة‌حول‌المساحة‌‪‌‌A‬يصب ‌أول‌مصطل ‌من‌مصطلحات‌التباين‪‌ :‬‬

‫‪n‬‬
‫‪‌  wi  ( S i , A)  w1  ( po int 1 , A)  w2  ( po int 2 , A)  w3  ( po int 3 , A)...etc.‬‬
‫‪i 1‬‬

‫المصطل ‌األخير‌في‌التباين‪‌  ( A, A) ‌،‬اليغير‌شكلل‪‌،‬ألننا‌غيرناا‌فقاط‌شاكل‌التقادير‌ولايس‌المسااحة‌التاي‌يجاري‌‬

‫تقااديرها‪‌.‬المصااطل ‌ ) ‪‌  ( S , S‬والااذي‌باااس‌سااابقا‌التفاااوت‌فااي‌باايم‌العينااات‌يجااب‌أ ‌يأخااذ‌اآل ‌بعااين‌االعتبااار‌‬

‫األوزا ‌المتعلقة‌بكل‌عينة‪‌.‬بهذا‌إذا‌أخذنا‌علق‌سبيل‌المثال‌العيناة‌‪‌4‬يجاب‌أ ‌نتاذكر‌أ ‌لهاا‌وز ‌‌‪‌.w4‬وإذا‌أخاذنا‌‬
‫عينة‌‪‌4‬مع‌عينة‌‪‌،2‬حينها‌البد‌وأ ‌نأخذ‌كال‌الوزنين‌‪‌w4‌،‌w2‬بعين‌االعتبار‪‌،‬بحيث‌يصب ‌المصطل ‪‌‌:‬‬
‫) ‪‌ w2 w4  (S 2 , S 4‬‬

‫لتشكيل‌مكافئ‌لـ ) ‪‌  ( S , S‬يجب‌أ ‌ي ر ‌كل‌مصطل ‌من‌ ) ‪‌‌  ( S i , S j‬بما‌يناظر ‌من‌ ‪‌ wi w j‬ببل‌أ ‌ي اف‌‬

‫إلق‌المجموع‪‌.‬‬

‫‌‬
‫الشكل‪‌:1-1‬ثالثة‌عينات‌كي‌تستعمل‌لتقدير‌جزء‌من‌الخط‪‌ .‬‬

‫‪100‬‬
 ‫كمثال‌بسيط‪‌،،‬دعونا‌نأخذ‌بعين‌االعتبارالترتيب‌في‌الشكل‌‪‌.1-1‬لقد‌بمنا‌بحسا ‌تبااين‌االمتاداد‌فاي‌فصال‌‪‌4‬لهاذا‌‬
‫الترتياب‪‌.‬وباد‌أعطاق‌المتوساط‌الحساابي‌تبااين‌امتاداد‌مقادار ‌‪‌pl /18‬عنادما‌اساتخدمنا‌متبااين‌نصافي‌خطاي‌علاق‌‬
‫شكل‌ ‪‌.  (h)  ph‬افترذ‌اآل ‌أننا‌نخصص‌مجموعة‌أوزا ‌لهذ ‌العيناات‌الثالثاة‌بادال‌مان‌التعامال‌معهاا‌علاق‌‬
‫‪1‬‬ ‫‪3‬‬
‫حد‌سواء‪‌.‬دعونا‪‌،‬علق‌سبيل‌المثال‪‌،‬نعطي‌وزنا‌بيمتل‌ ‌للعينة‌المركزية‌و ‌‌لكل‌عينة‌في‌الطرف‪‌.‬تبعا‌لاذل ‌‬
‫‪8‬‬ ‫‪4‬‬
‫يصب ‌التقدير‌الجديد‪‌ :‬‬
‫‪T* = w1g1+w2g2+w3g3‬‬
‫‪1‬‬ ‫‪3‬‬ ‫‪1‬‬
‫‪‬‬ ‫‪g1  g 2  g 3‬‬
‫‪8‬‬ ‫‪4‬‬ ‫‪8‬‬
‫‪‌= A‬الطول‌‪‌l‬‬
‫‪‌3‌= S‬عينات‌نقطيل ‌‬

‫إ ‌ماادى‌مصاادابية‌التقاادير‌سااتعطق‌بالصاايغة‌العامااة‌ ‪‌.  2‬والمصااطل ‌ )‪‌  ( A, A‬معطااق‌بالدالااة‌)‪‌،F(l‬حسااب‌‬

‫التعريااف‪‌،‬والااذي‌يعااادل‌بالنساابة‌للمتباااين‌النصاافي‌الخطااي‌القيمااة‌‪‌.pl/3‬والمصااطل ‌المركاازي‪‌-‬مصااطل ‌بااين‌‬
‫العينات‪‌-‬هو‪‌ :‬‬
‫‌‬

‫‌‌‌‌‬ ‫‪ w w  (S , S‬‬

‫‪i‬‬ ‫‪j‬‬ ‫‪i‬‬ ‫‪j‬‬ ‫]) ‪)  w1[w1  (S1 , S1 )  w2  (S1 , S 2 )  w3  (S1 , S 3‬‬

‫]) ‪‌‌‌‌‌‌  w [w  (S , S )  w  (S , S )  w  (S , S‬‬

‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫‪3‬‬

‫]) ‪‌‌‌  w3 [w1  (S 3 , S1 )  w2  (S 3 , S 2 )  w3  (S 3 , S 3‬‬ ‫‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‬

‫حيث‌تؤخذ‌كل‌عينة‌مع‌عينة‌أخرى‌بما‌في‌ذل ‌مع‌نفسها‌وت ر ‌التوليفة‌الناتجة‌بكال‌الوزنين‪‌.‬وبما‌أ ‌العينات‌‬
‫فاي‌هااذ ‌الحالااة‌‌كلهاا‌نقاااط‌فاان ‌جميااع‌مصاطلحات‌ ) ‪‌  ( Si , S j‬يمكاان‌حسااابها‌مان‌المتباااين‌النصاافي‌ )‪‌.  (h‬هااذا‌‬

‫يعطي‪‌ :‬‬

‫‪‌  i j‬‬
‫)‪w w  ( S i , S j )  w1[ w1 (0)  w2 (l / 2)  w3 (l )]  w2 [ w1 (l / 2‬‬
‫])‪ w2 (0)  w3 (l / 2)]  w3 [ w1 (l )  w2 (l / 2)  w3 (0‬‬
‫وبما‌أ ‌نموذج‌المتباين‌النصفي‌خطي‪‌،‬يصب ‌هذا‪‌ :‬‬
‫‪1 3 l 1  31 l 1 l  11‬‬ ‫‪3 l‬‬
‫‪‌  wi w j  ( S i , S j )   p  pl    p  p    pl  p ‬‬
‫‪8 4 2 8  48 2 8 2 88‬‬ ‫‪4 2‬‬
‫‪1 3 1 3 3 1 3‬‬
‫‪ pl       ‬‬
‫‪88 8 8 8 8 8‬‬
‫‪7‬‬
‫‪‬‬ ‫‪pl‬‬
‫‪32‬‬
‫‌‬

‫‪101‬‬
 ‫بهذا‌يتبقي‌علينا‌المصطل ‌األول‌–‌مصطل ‌بين‌العينات‌والمساحة‌–‌‌لكي‌نقيمل‌‪‌.‬وهذا‌هو‪‌ :‬‬
‫)‪‌  w i γ(Si , A)  w 1 γ(S1 , A)  w 2 γ(S2 , A)  w 3 γ(S3 , A‬‬

‫العينة‌‪‌1‬عل‌أحد‌األطراف‌‌من‌الطول‌‪‌،‌l‬بمعنق‌أ ‌‌‌)‪‌  ( S1 , A) ‌= X(l‬بطريقة‌مشابهة‌‌)‪‌.=  ( S 3 , A) ‌ X(l‬‬

‫العينة‌‪‌2‬هي‌العينة‌في‌مركز‌الخط‌‪‌l‬بحيث‌أ ‌)‪‌.=  (S 2 , A) ‌X(l/2‬وللنموذج‌الخطي‌ ‪‌،X(l)=pl/2‬بحيث‌إ ‌‬

‫‪‌:‬‬

‫‌‬
‫‌‬
‫و ع‌هذ ‌المصطلحات‌مع‌بع ها‌بع ا‌يعطي‌تباين‌امتداد‌بقيمة‪‌ ‌:‬‬
‫‌‬

‫‌‬
‫‪1 3 1‬‬
‫‌تعطااي‌مجموعااة‌األوزا ‌المحااددة‌ ‪‌  , , ‬عنااد‌اسااتخدام‌نمااوذج‌متباااين‌نصاافي‌خطااي‌تباااين‌امتااداد‌بيمتاال‌‬
‫‪8 4 8‬‬
‫‪‌0.729 pl‬والمتوسط‌الحسابي‌أعطق‌تباين‌امتاداد‌‌بيمتاة‌‪‌‌‌pl/18 = 0.0556pl‬وهاذ ‌بيماة‌تعاادل‌ثالثاة‌أربااع‌‬
‫‌والحالة‌هذ ‌أ ‌يعطي‌المتوسط‌الموزو ‌ببساطة‌تقديرا‌أسوأ‌منال‌فاي‌‬ ‫بيمة‌تباين‌االمتداد‌العلوي‪‌.‬إنل‌لمن‌الوا‬
‫حالة‌استخدام‌المتوسط‌الحسابي‪‌ ‌.‬‬

‫‌‬
‫‌‬
‫الشكل‌(‪‌:)2-1‬مطلو ‌تقدير‌بيمة‌الربعة‌من‌العينات‌الخمسة‌المبعثرة‪‌-‬مثال‌اليورانيوم‪‌ .‬‬
‫‌‬
‫وكمثال‌ثنائي‌االبعاد‪‌،‬دعونا‌نعود‌إلق‌مثال‌اليورانيوم‌المتاوفر‌والمباين‌فاي‌شاكل‌‪‌.1-2‬سانعطي‌أوزا ‌لكال‌عيناة‌‬
‫حسب‌بعدها‌عن‌مركز‌القطعة‌‪‌.A‬الجدول‌‪‌1-1‬يري‌حسا ‌مقلو ‌المسافة‌من‌مركز‌القطعة‌‪‌ ‌.A‬‬
‫‪102‬‬
 ‫‌‬
‫الجدول‪ :)1-5‬حساب أوزان مقلوب المسافة لمشكلة تقدير اليورانيوم الفرضي‪.‬‬
‫‌‬
‫الوز ‌‬ ‫مقلو ‌‌‬ ‫ربم‌ ‌‬
‫المسافة‌من‌المركز(بدم) ‌‬
‫‌المعدل‌‬ ‫المسافة ‌‬ ‫العينة ‌‬
‫‪0‬ز‪‌ 313‬‬ ‫‪‌0.0424‬‬ ‫‪‌ 21.41‬‬ ‫‪‌1‬‬
‫‪‌0.136‬‬ ‫‪‌0.0200‬‬ ‫‪‌ 10.00‬‬ ‫‪‌2‬‬
‫‪‌0.216‬‬ ‫‪‌0.0312‬‬ ‫‪‌ 31.22‬‬ ‫‪‌3‬‬
‫‪‌0.223‬‬ ‫‪‌0.0333‬‬ ‫‪‌ 30.00‬‬ ‫‪‌4‬‬
‫‪‌0.031‬‬ ‫‪‌0.0143‬‬ ‫‪‌ 60.00‬‬ ‫‪‌1‬‬
‫‪‌1.000‬‬ ‫‪‌0.1416‬‬ ‫‌‬ ‫المجموع‌‬
‫‌‬
‫التقدير‌‌‌*‪‌ T‬يصب ‪‌ :‬‬

‫‌‬
‫والمصطلحات‌الثالثة‌الداخلة‌في‌حسا ‌التباين‌هي‪‌:‬‬

‫‌‬
‫والقيم‌الفردية‌لـ‌ )‪‌  ( S1 , A‬هاي‌نفساها‌التاي‌تام‌تقييمهاا‌عنادما‌نابشانا‌تبااين‌االمتاداد‌وتسااوي‌ ‪356.7,‬‬
‫‪‌572.4, 456.9, 446.8, 696.1‬علااق‌التااوالي‪‌.‬بهااذا‌يساااوي‌المصااطل ‌األول‌فااي‌التباااين‌‪‌2ppm‌421.3‬‬
‫بالمقارنة‌مع‌القيمة‌‪‌ 2ppm‌101.1‬في‌تباين‌االمتداد‪‌.‬والمصطل ‌الثاني‌في‌تبااين‌االمتاداد‌يعاادل‌‪‌.2ppm‌441.2‬‬
‫وفي‌حالة‌االمتداد‌ساوت‌هذ ‌القيمة‌‪‌.2ppm‌104.6‬والمصطل ‌األخير‌في‌كاال‌التبااينين‌هاو‌‪‌2ppm‌344.0‬كماا‌‬
‫هاو‌معطاق‌بالدالااة‌المسااعدة‌)‪ ‌.F(l,b‬وبو ااع‌هاذ ‌االربااام‌ماع‌بع ااها‌نحصال‌علااق‌تبااين‌امتااداد‌لتقادير‌مقلااو ‌‬
‫المسااافة‌بقيمااة‌‪‌.2ppm‌131.2‬هااذا‌يعااادل‌"خطااأ‌معياااري"‌مقاادار ‌‪‌.ppm‌11.1‬بالتااالي‌إذا‌مااا‌اسااتخدمنا‌أوزا ‌‬
‫مقلاو ‌المساافة‌سنحصاال‌علاق‌تقادير‌مقاادار ‌‪‌U3O8‌362.1‬للربعاة‪‌،‬ونسااتطيع‌أ ‌نقاول‌أ ‌هاذا‌التقاادير‌لال‌خطااأ‌‬
‫معياري‌بيمتل‌‪‌ ppm‌11.1‬تم‌اشتقابها‌من‌معرفتنا‌بالمتباين‌النصفي‌لهذا‌التو ع‪‌.‬وإذا‌ما‌رغبنا‌في‌عمل‌فر ية‌‬
‫إ ااافية‌عاان‌طبيعيااة‌‪‌Normality‬األخطاااء‪‌.‬نسااتطيع‌أ ‌نقااول‌أ ‌حاادود‌ثقااة‌بمقاادار‌‪‌%31‬للقيمااة‌الفعليااة‌للربعااة‌‬
‫تتاراوي‌باين‌‪‌.ppm‌332-343‬هاذا‌يجاب‌مقارنتال‌ماع‌تقادير‌اإلمتاداد‌ ‪‌Extension Estimate‬ذو‌القيماة‌‪‌322‬‬
‫‪‌ppm‬والخطااأ‌المعياااري‌‪‌ppm‌12.1‬وحاادود‌ثقااة‌بمقاادار‌‪‌%31‬تتااراوي‌بااين‌‪‌ppm‌340‬و‌‪‌.ppm‌332‬ويمكاان‌‬
‫التمييز‌بسهولة‌أ ‌تقدير‌مقلو ‌المسافة‌يزودنا‌بنتائج‌أكثر‌دبة‌من‌المتوسط‌الحسابي‌–‌هذا‌يبدو‌منطقيا‌تماما‪‌‌.‬‬

‫‪103‬‬
 ‫‌‬
‫افترذ‌أننا‌غيرنا‌الموباع‌بلايال‪‌،‬وأ ‌العيناة‌(‪‌)3‬لام‌تكان‌فاي‌شامال‌الربعاة‌تماماا‌ولكان‌فاي‌الجناو ‌أي‌‬
‫‪‌ 2310‬شماال‌كما‌في‌شاكل‌‪‌.3-1‬أوزا ‌مقلاو ‌المساافة‌ال‌تتغيار‌ألنهاا‌تعتماد‌علاق‌المساافة‌باين‌العيناات‌ومركاز‌‬
‫الربعاة‪‌.‬علاق‌أياة‌حاال‌الخطاأ‌المعيااري‌للتقادير‌يازداد‌بحادة‌إلاق‌القيماة‌‪‌ppm‌14.3‬مشايرا‌باذل ‌إلاق‌خساارة‌فااي‌‬
‫الدبااة‪ ‌.‬والتغياار‌فااي‌تباااين‌التقاادير‌سااببل‌فقااط‌نقااص‌فااي‌بيمااة‌مصااطل ‌بااين‌العينااات‌وكميااة‌العينااات‌الم اامنة‌فااي‌‬
‫مجموعات‌العينات‪‌-‬أل ‌المصطلحين‌اآلخرين‌كالسابق‪‌.‬ربميا‌يقال‌المصاطل ‌مان‌‪‌2(ppm) ‌441.2‬إلاق‌‪‌362.2‬‬
‫)‪‌.2)‌ppm‬لذا‌ال‌يبدو‌منطقيا‌ ‌‬
‫‌‬
‫‌‬

‫‌‬
‫الشكل‌‪‌:3-1‬العينة‌‪‌3‬تقع‌اآل ‌جنو ‌الربعة‌المراد‌تقديرها ‪‌ .‬‬
‫‌‬
‫استخدام‌نفس‌األوزا ‌كما‌في‌الشكل‌‪‌3-1‬كما‌فعلنا‌فاي‌الشاكل‌‪‌2-1‬أل ‌العيناة‌‪‌3‬تعطيناا‌اآل ‌معلوماات‌أبال‌عماا‌‬
‫أعطتنا‌سابقا‪ ‌.‬وبنمكاننا‌أ ‌نقتري‌مجموعة‌من‌األوزا ‌وأ ‌نحسب‌تباين‌التقدير‪‌.‬واذا‌كا ‌أبل‌من‌تباين‌مجموعاة‌‬
‫أوزا ‌مقلو ‌المسافة‌بنمكاننا‌أ ‌نقاول‌أ ‌تقاديرنا‌الجدياد‌كاا ‌بناوع‌مان‌اإلدراك‌أبال‌مان‌تقادير‌مقلاو ‌المساافة‪‌.‬‬
‫وكبديل‌بنمكاننا‌أ ‌نستخدم‌طريقة‌أخرى‌إلنتاج‌األوزا ‪‌-‬مثل‌مقلو ‌مربع‌المسافة‪‌.‬كماا‌أنال‌يبادو‌محبباا‌أكثار‌أ ‌‬
‫نجد‌طريقة‌مباشرة‌إلنتاج‌أف ل‌تقدير‌إذا‌ما‌كنا‌علق‌علم‌بطبيعة‌التو ع‪‌.‬وبد‌بررناا‌أ ‌نساتخدم‌تقاديرا‌ذو‌ناوع‌‬
‫خطي‪‌-‬متوسطا‌موزونا‌من‌بيم‌العينات‪ ‌.‬ونعلم‌أنل‌تقدير‌غير‌منحاز‌إذا‌كا ‌مجموع‌األوزا ‌مساويا‌واحد‪‌.‬هنال ‌‬
‫عدد‌ال‌نهائي‌من‌مثل‌هذ ‌التقديرات‌الخطية‌غير‌المنحاز ‌لذل ‌سنبحث‌عن‌األف ال‪‌.‬وسانعرف‌"األف ال"‌علاق‌‬
‫انل‌ذو‌تباين‌التقدير‌األبال‪‌.‬والتعبيار‌عان‌تبااين‌التقادير‌يعتماد‌علاق‌ثالثاة‌أشاياء‪‌:‬هندساة‌العيناات‌والمسااحة‌الماراد‌‬
‫تقديرها‪‌،‬وشكل‌المتباين‌النصفي‌والوز ‌المعطق‌لكال‌عيناة‪ ‌.‬وبالنسابة‌ألي‌و اع‌يمكان‌تغييار‌التبااين‌بتغييار‌بايم‌‬
‫األوزا ‪‌.‬بهاذا‌نحان‌نرغاب‌فاي‌تقليال‌بيماة‌خطاأ‌التقادير‌بالنسابة‌لاألوزا ‪‌.‬ببسااطة‌التبااين‌دالاة‌لاألوزا ‪‌.‬وبالتااالي‌‬
‫لتقليلل‌يجب‌أ ‌نفا ل‌وأ ‌نجعل‌التفا ل‌مساويا‌للصفر‪‌ ‌.‬‬
‫‪ 2‬‬
‫‌‬ ‫بمعنق‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‪ 0 ‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌i=1, 2, 3, 4, … n‬‬
‫‪wi‬‬
‫هذا‌سيزودنا‌بعدد‌ ‪‌n‬لمن‌المعادالت‌وعدد‌ ‪‌‌n‬من‌المجاهيل‌‪‌.‌w1, w2, w3, w4, … wn‬وهذ ‌األوزا ‌‬
‫ستزودنا‌بتقدير‌لل‌أبل‌بيمة‌تباين‪‌‌.‬علق‌أية‌حال‌يمكن‌أ ‌ال‌يكو ‌مجماوع‌هاذ ‌األوزا ‌مسااويا‌‪‌1‬حياث‌ال‌يوجاد‌‬
‫في‌نظام‌المعادالت‌المشار‌إليل‌أعال ‌ما‌يقيد‌األوزا ‌بهذ ‌الطريقة‪‌.‬فعلياا‌نحتااج‌إلاق‌تحقياق‌شارط‌‪‌.‌  wi  1‬‬

‫لذل ‌للحصول‌علق"‌أف ل‌تقدير‌خطي‌غيار‌منحااز"‌يجاب‌أ ‌نحقاق‌عادد‌‪‌1+‌n‬مان‌المعاادالت‪‌.‬علاق‌أياة‌حاال‪‌،‬‬

‫‪104‬‬
‫لدينا‌لغاية‌اآل ‌عدد‌‪‌n‬من‌المجاهيل‪‌.‬وهذا‌و ع‌غير‌مرغو ‌فيل‌ولتصحي ‌ذل ‌يجاب‌أ ‌ن ايف‌مجهاوال‌آخار‌‬
‫علق‌شكل‌م ارو ‌الغارانج‌'' ‪‌‌"‌Lagrange Multiplier‬لموازناة‌النظاام‪‌.‬لاذل ‌بادال‌مان‌تقليال‌تبااين‌التقادير‌‬
‫نحن‌نقلل‌فعليا ‌‬

‫‌‬
‫بالنسبة‌إلق‌‪‌  ‌،w1, w2, w3, w4, …, wn‬وهذا‌األخير‌ينتج‌المعادلة‌‪‌ wi – 1 = 0‬كما‌هو‌مطلو ‪‌.‬‬
‫‌‬
‫بعد‌أ ‌تمت‌عملية‌المفا لة‌وتغلبنا‌علق‌اعوبة‌المعادالت‌نتج‌لدينا‌النظام‌التالي‪:‬‬
‫‌‬

‫‌‬
‫علق‌الرغم‌من‌أ ‌هذا‌يبدو‌مرعبا‌في‌تعقيداتال‌إذا‌ماا‌نظارت‌إليال‌عان‌بار ‌ساتجد‌أ ‌معظام‌عنااار‌هاذا‌النظاام‌‬
‫(كما‌آمل)‌أابحت‌مألوفة‌لدي ‪‌.‬فمثال‌طرف‌المعادلة‌األولق‌األيمن‌يتطلب‌فقط‌بيمة‌متوساط‌المتبايناات‌النصافية‌‬
‫بين‌العينة‌‪‌1‬والمساحة‌المجهولاة‌‪‌.A‬والطارف‌األيسار‌يحتاوي‌‪‌1+n‬مان‌المجاهيال‪‌، wi ‌،  ‌،‬ومتوساط‌المتبااين‌‬

‫النصفي‌بين‌العينة‌‪ ‌ 1‬وجميع‌العينات‌كل‌بدورها‪‌،‬وجميع‌مصطلحات‌ ‪‌ ‬مطابقة‌لتلا ‌التاي‌نرغاب‌فاي‌أ ‌نعملهاا‌‬

‫للتقدير‌ولتباينل‪‌ .‬‬
‫‌‬
‫والمعادلة‌الثانية‌مطابقة‌لألولق‌سوى‌أنها‌تخص‌العينة‌‪‌2‬والممثلاة‌علاق‌طاول‌المعادلاة‪‌.‬والثالثاة‌تخاص‌‬
‫العينة‌‪‌ 3‬وهكذا‌دوالي ‌لغاية‌المعادلة‌‪‌n‬والتي‌تخاص‌العيناة‌‪‌.Sn‬وأخيارا‌لادينا‌الشارط‌ال اروري‌لمجماوع‌أوزا ‌‬
‫العينات‪‌.‬وحل‌ه ذ ‌المجموعة‌من‌المعادالت‌سينتج‌بطعا‌في‌النهاية‌مجموعة‌مان‌األوزا ‌لاـ"‌أف ال‌تقادير‌خطاي‌‬
‫غير‌منحاز‪‌.Best Linear Unbiased Estimator‬والذي‌يشار‌إليال‌باـ‌‪‌.BLUE‬أساميت‌هاذ ‌العملياة‌كاريجنج‌‬
‫‪‌Kriging‬من‌ببل‌ماثيرو ‌‪‌Matheron‬نسبة‌إلق‌داني‌كريج‌‪‌،‌Dane Krige‬والذي‌بام‌بأعمال‌تجريبياة‌رائعاة‌‬
‫علق‌المتوسط‌الموزو ‪‌.‬ولف ‌الكلمة‌مختلف‌عليل‪‌.‬والمؤلفة‌تف ل‌كريدجنج‌كماا‌فاي‌‌‪‌.Bridging‬ويسامق‌نظاام‌‬
‫المعاادالت‌بصاورة‌عاماة‌نظاام‌كاريجنج‌‪‌‌Kriging System‬والتقادير‌المناتج‌يسامق‌تقادير‌كاريجنج‌ ‪Kriging‬‬
‫‪‌.Estimator‬ويمكن‌إيجاد‌تباين‌تقدير‌الكريجنج‌باالتعويض‌عان‌جمياع‌األوزا ‌فاي‌المعادلاة‌العاماة‌لتبااين‌عملياة‌‬
‫التقدير‪‌.‬عموما‌يمكن‌إثبات‌أ ‌تباين‌تقدير‌الكريجنج‌يمكن‌كتابتل‌علق‌النحو‌التالي‪‌ :‬‬

‫‌‬
‫‌‬

‫‪101‬‬
 ‫‪ 1-5‬أمثلة كريجنج ‪Kriging Examples‬‬
‫‌‬
‫فاااي‌بداياااة‌هاااذا‌الفصااال‌أخاااذنا‌الترتياااب‌الاااذي‌يمثلااال‌الشاااكل‌‪‌،1-1‬ومتبااااين‌نصااافي‌خطاااي‌علاااق‌شاااكل‌‬
‫‪‌،  (h)  ph‬وأعطينا‌أوزا ‌للعينات‌الثالثة‪‌.‬وبيناا‌أي اا‌أنال‌والحالاة‌هاذ ‌فان ‌تبااين‌التقادير‌كاا ‌‪‌.0.0729 pl‬‬
‫واآل ‌دعوناا‌نارى‌فيماا‌إذا‌كاا ‌بنمكانناا‌حساا ‌أحساان‌مجموعاة‌أوزا ‌باساتخدام‌نظاام‌الكاريجنج‪‌.‬وبماا‌أنال‌لاادينا‌‬
‫ثالثة‌أوزا ‌هنال ‌أربعة‌معادالت‌هي‌بصورة‌عامة‌علق‌شكل‪:‬‬

‫وسيكو ‌تباين‌الكريجنج‌هو‪‌ ‌:‬‬

‫‌‬
‫الطاارف‌األيماان‌ماان‌المعااادالت‌هااي‌المصااطلحات‌ )‪‌.  ( S1 , A) ،  (S 2 , A) ‌،  ( S 3 , A‬و )‪  ( S1 , A‬وهااي‌‌باايم‌‬

‫متوسط‌المتباينات‌النصفية‌بين‌الخط‌الذي‌طولل‌‪‌l‬ونقطة‌علق‌طرفل‪‌.‬وهذا‌هو‌تعريف‌ )‪‌X(l‬وكاذل ‌ )‪‌  ( S 3 , A‬‬

‫‪‌.‬و )‪ ‌  (S 2 , A‬هومتوسط‌المتباينات‌النصفية‌بين‌الخط‌‌ونقطة‌في‌‌منتصفل‪ ‌.‬هذا‌المثال‌تمت‌معالجتل‌فاي‌الفصال‌‬

‫الرابع‌ووجد‌علق‌أنل‌يساوي‌)‪‌.x(l/2‬بذل ‌لدينا‌الطرف‌األيمان‌مان‌المعاادالت‌ومعظام‌التبااين‪‌.‬والطارف‌األيسار‌‬
‫من‌المعادالت‌هي‌المصطلحات‌الفردية‌ما‌بين‌عينة‌وعينة‪ ‌‌.‬وبما‌أ ‌جميع‌العينات‌في‌هذ ‌الحالاة‌هاي‌نقااط‌‌فان ‌‬
‫كاال‌هااذ ‌العالبااات‌فااي‌الطاارف‌األيساار‌تعطااق‌بنمااوذج‌المتباااين‌النصاافي‪‌.‬بقااي‌أ ‌نحسااب‌المسااافات‌بااين‌أزواج‌‬
‫العينااااااااااات‪‌.‬وأ ‌نسااااااااااتخدم‌النمااااااااااوذج‌إلنتاااااااااااج‌المصااااااااااطلحات‪‌.‬المصااااااااااطلحات‌القطريااااااااااة‌‌ ) ‪‌،  ( S1 , S1‬‬

‫) ‪‌  (S 2 , S 2 )  ( S 3 , S 3‬كلهااااااا‌تساااااااوي‌ااااااافر‪‌،‬أل ‌ ‪  (0)  0‬حسااااااب‌التعريااااااف‪‌،‬و ) ‪‌  ( S1 , S 2‬يساااااااوي‌‌‬

‫) ‪‌  ( S 2 , S1‬يساوي )‪‌.  (l / 2‬وكذل ‌ ) ‪‌  ( S 2 , S 3‬و ) ‪‌.  ( S 3 , S 2‬و ) ‪‌  ( S1 , S 3‬هاو‌ ) ‪‌  (l‬مثال‌ ) ‪‌.  ( S 3 , S1‬‬

‫أخيرا‪  ( A, A) ‌،‬هو‌)‪‌F(l‬حسب‌التعريف‪‌.‬و ع‌هذ ‌المصطلحات‌مع‌بع ها‌ينتج‪‌‌:‬‬

‫)‪w2 γ(l/2‬‬ ‫)‪+ w3 γ(l‬‬ ‫‪+‬‬ ‫=‬ ‫)‪(l‬‬
‫)‪w1 γ(l/2‬‬ ‫)‪+W3γ(l/2‬‬ ‫‪+‬‬ ‫=‬ ‫)‪(l/2‬‬
‫)‪w1 γ(l‬‬ ‫)‪+ w2 γ(l/2‬‬ ‫‪+‬‬ ‫=‬ ‫)‪(l‬‬
‫‪w1‬‬ ‫‪+ w2‬‬ ‫‪+ w3‬‬ ‫=‬ ‫‪1‬‬
‫‌‬
‫وتباين‌الكريجنج‪:‬‬

‫‌‬

‫‪102‬‬
 ‫لغاية‌هذ ‌اللحظة‌ال‌يعتمد‌النظام‌علق‌النموذج‌الفعلي‌للمتباين‌النصفي‌والنموذج‌ ‪‌  (h)  ph‬ولهذا‌المثال‌‬
‫‪‌‌x(l)‌=‌‌pl/2‬لذل ‌‌في‌هذ ‌الحالة ‌‪‌.X(l)= 2l‬بنفس‌الطريقة‌‌‬ ‫سنأخذ‌‪‌.p = 4‬وللمتباين‌النصفي‌الخطي‪‌،‬‬
‫‪،‌F(l)=4l/3‬بالتعويض‌في‌النظام‌السابق‪‌:‬‬
‫‪2lw2‬‬ ‫‪+ 4lw2‬‬ ‫‪+‬‬ ‫=‬ ‫‪2l‬‬ ‫)‪(1‬‬
‫‪2lw1‬‬ ‫‪+ 2lw2‬‬ ‫‪+‬‬ ‫=‬ ‫‪l‬‬ ‫)‪(2‬‬
‫‪4lw1‬‬ ‫‪+ 2lw2‬‬ ‫‪+‬‬ ‫=‬ ‫‪2l‬‬ ‫)‪(3‬‬
‫‪w1‬‬ ‫‪+ w2‬‬ ‫‪+ w3‬‬ ‫=‬ ‫‪1‬‬ ‫)‪(4‬‬
‫‪4‬‬
‫‪‌  k  2lw1  lw2  2lw3   ‬‬
‫‪2‬‬
‫و‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌ ‪l‬‬
‫‪3‬‬
‫بن افة‌معادلة‌‪‌1‬إلق‌‪‌3‬ينتج‌‬

‫‌‬
‫بينما‌معادلة‌‪‌4‬تعطي ‌‬

‫‌‬
‫هاتااا ‌المعادلتااا ‌تبينااا ‌أ ‌بيمااة‌ ‪‌.   0‬لااذل ‌بنمكاننااا‌حااذف ‪‌ ‬ماان‌المعااادالت‌الثالثااة‌األولااق‌وأ ‌‬
‫نقسمها‌جميعا‌علق‌‪ ‌.l‬هذا‌يوحي‌بأ ‌النتاائج‪‌،‬أي‌بايم‌لاألوزا ‪‌،‬ال‌تعتماد‌علاق‌الطاول‌الماراد‌تقادير ‪‌.‬بهاذا‌نحصال‌‬
‫علق‌‪‌‌:‬‬
‫‌‬
‫‪2w2‬‬ ‫‪+ 4w3‬‬ ‫=‬ ‫‪2‬‬ ‫)‪(5‬‬
‫‪2w1‬‬ ‫‪+ 2w3‬‬ ‫=‬ ‫‪1‬‬ ‫)‪(6‬‬
‫‪4w1‬‬ ‫‪+ 2w2‬‬ ‫=‬ ‫‪2‬‬ ‫)‪(7‬‬
‫‌‬
‫وبطري‌معادلة‌‪‌1‬من‌معادلة‌‪‌6‬ينتج‪‌‌:‬‬

‫‌‬
‫بحيث‌أ ‌معادلة‌‪‌2‬تعطي‪‌ :‬‬

‫‌‬
‫‪1 1 1‬‬ ‫‪1‬‬ ‫‪1‬‬
‫لااذل ‌‪‌ =w3‬و‌‪‌. =w2‬والمجموعااة‌المثلااق‌لااألوزا ‌لهااذ ‌المشااكلة‌الممثلااة‌فااي‌شااكل‌‪‌1-1‬هااي‌ ‪‌  , , ‬‬
‫‪4 2 4‬‬ ‫‪2‬‬ ‫‪4‬‬
‫وتباين‌الكريجنج‌‪‌ :‬‬

‫‌‬
‫والنتيجة‌النهائية‌تبعا‌لذل ‪‌ :‬‬
‫‪1 1 1‬‬
‫متوسط‌كريجنج‌‪‌BLUE‬لل‌األوزا ‌ ‪‌  , , ‬وتباين‌الكريجنج ‪‌‌.l/6‬‬
‫‪4 2 4‬‬
‫‌‬
‫‪106‬‬
‫في‌دراساتنا‌الساابقة‌لهاذا‌الترتياب‌الخااص‌وجادنا‌أ ‌المتوساط‌الحساابي‌باد‌أناتج‌لناا‌تبااين‌تقادير‌مقادار ‌‬
‫‪1 3 1‬‬
‫‪‌pl/18‬وأ ‌مجموعااة‌األوزا ‪‌  , , ‬أعطاات‌‪‌.7pl/96‬وللمطابقااة‌مااع‌المثااال‌أعااال ‌ال‌بااد‌ماان‌جعاال‌‪‌،p=4‬‬
‫‪8 4 8‬‬
‫بحيث‌تصب ‌ا‌لمتباينات‌مساوية‌لـ‌‪‌2l/9‬و‌‪‌7l/24‬علق‌التوالي‪‌.‬لقد‌حسنت‌طريقة‌الكريجنج‌‌التقادير‌بقيماة‌‪‌%21‬‬
‫بالمقارنة‌ماع‌المتوساط‌الحساابي‪‌،‬وهاذا‌هاو‌الفارق‌فاي‌مقادار‌تبااين‌المتوساط‌الحساابي‌وتبااين‌متوساط‌الكاريجنج‪‌.‬‬
‫ومجموعاة‌األوزا ‌الزائفااة‌التااي‌اساتخدمناها‌فااي‌بدايااة‌هااذا‌الفصال‌كااا ‌لهااا‌تباااين‌يعاادل‌ ااعف‌تباااين‌الكااريجنج‌‬
‫المثالي‪ ‌.‬الح ‌‌فاي‌هاذ ‌الحالاة‪‌،‬أ ‌مجموعاة‌األوزا ‌مساتقلة‌عان‌الطاول‌الاذي‌تام‌تقادير ‌كونناا‌اساتخدمنا‌متبااين‌‬
‫نصفي‌خطي‪‌،‬ولكن‌التباين‌متناسب‌ماع‌الطاول‪ ‌.‬وكتمارين‪‌‌،‬أنظار‌فيماا‌إذا‌كانات‌مجموعاة‌األوزا ‌مساتقلة‌أي اا‌‬
‫عن‌ميل‌المتباين‌النصفي‌‪‌،‌p‬وانظر‌أي ا‌فيما‌إذا‌كا ‌التباين‌متناسبا‌مع‌الميل‌‪‌p‬والذي‌يبدو‌منطقيا‪‌‌‌.‬‬
‫‌‬
‫‪ 2-5‬مثال ثنائي األبعاد‬

‫‌في‌الشكل‌‪‌.2-1‬موابع‌العينات‌وإحاداثياتها‌وبيمهاا‌معطااة‌‬ ‫دعونا‌نعود‌اآل ‌إلق‌مثال‌اليورانيوم‌الشهير‌والمو‬

‫في‌الجدول‌‪‌.1-4‬لدينا‌‪‌1‬عينات‌بالتالي‌سايكو ‌هنالا ‌‪‌2‬معاادالت‌فاي‌نظاام‌الكاريجنج‪‌.‬مصاطلحات‌ ) ‪‌  ( S i , S j‬‬

‫في‌الطرف‌األيسر‌من‌المعادالت‌تمثل‌عالبات‌نقطة‌مع‌نقطة‌ويمكن‌تقيمها‌مباشرة‌من‌نموذج‌المتبااين‌النصافي‪‌.‬‬
‫كا ‌النموذج‌كرويا‌بمدى‌تأثير‌‪‌100‬بدم‌وعتبة‌مقدارها‌‪‌2(ppm)‌600‬وظاهرة‌تشذر‌مقدارها‌‪‌.‌2(ppm)‌‌100‬‬
‫ومصطلحات‌ )‪‌  ( S i , A‬‬
‫كلهااا‌تااري‌عالبااات‌نقطااة‌مااع‌الربعااة‌بالتااالي‌هااي‌توليفااات‌سااهلة‌ماان‌الدالااة‌المساااعدة‌)‪‌.H(l,b‬أمااا‌المصااطل ‌‬
‫)‪‌  ( A, A‬فهو‌)‪‌ .F(l,b‬‬
‫بذل ‌يصب ‌نظام‌الكريجنج‪‌ :‬‬

‫‌‬
‫وتباين‌الكريجنج‌يصب ‪‌ :‬‬

‫‌‬
‫وحل‌نظام‌المعادالت‌هذا‌(باستخدام‌الحاسو )‌يعطي‪‌ :‬‬

‫‪101‬‬
 ‫‌‬
‫االنحاراف‌المعياااري‌للكاريجنج‌‌‪‌Kriging Standard Deviation‬يقااار ‌االنحااراف‌المعيااري‌الااذي‌نحصاال‌‬
‫عليال‌‌مان‌أوزا ‌مقلاو ‌المساافة‪‌.‬والفاارق‌الرئيساي‌فاي‌عملياة‌الاوز ‌يباادو‌مفاجئاا‌مان‌النظارة‌األولاق‪‌.‬فالعينااة‌‪‌2‬‬
‫وزنها‌بريب‌من‌الصفر‪‌.‬وفي‌حقيقة‌الحال‌نصيبها‌من‌الوز ‌المعطق‌للعينة‌‪‌‌،1‬والتاي‌تعتبار‌بعيادة‌نوعاا‌ماا‌عان‌‬
‫مركاز‌الربعااة‪‌،‬يصاال‌إلاق‌‪ ‌.%20‬هااذا‌أل ‌نظااام‌الكااريجنج‌يأخاذ‌بعااين‌االعتبااار‌بصاورة‌أوتوماتيكيااة‌العالبااة‌بااين‌‬
‫العينات‪‌.‬فالعينة‌‪‌ 2‬تقدم‌بلايال‌مان‌المعلوماات‌عان‌الربعاة‌بوجاود‌العيناة‌‪‌،1‬وبدرجاة‌أبال‌العيناات‌‪‌.3،4‬لمزياد‌مان‌‬
‫التو ي ‌لهذ ‌النقطة‪‌،‬دعونا‌‌‌نأخذ‌بعين‌االعتبار‌الو ع‌الذي‌يو احل‌الشاكل‌‪‌3-1‬حياث‌أزيحات‌العيناة‌‌‪‌3‬إلاق‌‬
‫جنو ‌الربعة‪‌.‬بذل ‌يصب ‌نظام‌الكريجنج‪‌ :‬‬

‫‌‬
‫الحا ‌أ ‌الفارق‌الوحيااد‌بااين‌هااذا‌النظااام‌وسااابقل‌هااو‌فااي‌السااطر‌‪‌3‬والعمااود‌‪‌3‬فااي‌الطاارف‌األيساار‌ماان‌‬
‫المعادلة‪‌.‬الطرف‌األيمن‌لم‌يتغير‌ألننا‌لم‌نغير‌العالبة‌بين‌العينات‌والربعة‪‌.‬واألوزا ‌الجديدة‌هي‪‌ :‬‬

‫‌‬
‫ووز ‌العينااة‌‪‌3‬اآل ‌أباال‌ماان‌وز ‌العينااة‌‪‌.2‬والتغياار‌فااي‌الااوز ‌هااو‌فااي‌اتجااا ‌العينااات‌الشاامالية‌‪‌،1‌،2‌،1‬علااق‌‬
‫الرغم‌من‌أ ‌أكبر‌زيادة‌هي‌طبعا‌في‌عينة‌‪ ‌.1‬والتغير‌الحقيقي‌الملماوس‌هاو‌فاي‌بيماة‌التقادير‌والتاي‌بلات‌بمقادار‌‬
‫‪‌ ‌.ppm‌16‬‬
‫‌‬

‫‪103‬‬
‫وكمثاال‌ثالااث‪‌،‬دعونااا‌نأخااذ‌بعاين‌االعتبااار‌و ااع‌عمليااة‌المعاينااة‌كالساابق‌ولكاان‌مااع‌تاادوير‌الربعااة‌‪‌30‬‬
‫درجة‌كما‌في‌شكل‌‪‌ ‌.4-1‬‬
‫‌‬

‫‌‬
‫الشكل‌‪‌:4-1‬تم‌تدوير‌الربعة‌المراد‌تقديرها‌‪‌30‬درجة‪‌.‬‬
‫‌‬
‫نظام‌الكريجنج‌لهذا‌الو ع‌لال‌نفاس‌الطارف‌األيسار‌كماا‌فاي‌الشاكل‌‪‌.2-1‬علاق‌أياة‌حاال‌جمياع‌المصاطلحات‌فاي‌‬
‫الطرف‌األيمن‌تغيرت‪‌:‬‬

‫‌‬
‫واألوزا ‌المحسوبة‌للعينات‌تغيرت‌هي‌األخرى‌بشكل‌ملموس‪‌ :‬‬
‫‌‬

‫‌‬
‫والتقدير‌*‪‌T‬أابحت‌بيمتل‌‪‌ppm‌361.3‬ولال‌انحاراف‌معيااري‌‪‌.ppm‌10.6‬والعيناة‌‪‌2‬تام‌ا اعاف‌بيمتهاا‌مان‌‬
‫العينة‌‪‌.1‬كما‌بل‌تأثير‌العينة‌‪‌ 1‬نوعا‌ما‪‌.‬والمفاجأة‌الكبرى‌هي‌أ ‌العينة‌‪‌1‬لم‌يعد‌لها‌نفس‌األهمية‌التاي‌كانات‌لهاا‌‬
‫في‌المثالين‌السابقين‪ ‌.‬من‌هنا‌ال‌توجد‌أي‌طريقة‌مثل‌الكريجنج‌يمكن‌فيها‌حسا ‌واستخدام‌هذا‌التغير‌الحادث‌فاي‌‬
‫"بيمة‌المعلومات"‪‌ .‬‬
‫‌‬

‫‪110‬‬
 ‫‪ 3-5‬ملخص أهم النقاط‬
‫‌‬
‫‪ .1‬بنمكاننا‌تقييم‌دبة‌أي‌تقدير‌خطي‌إذا‌كا ‌لدينا‌متباين‌نصفي‪‌.‬‬
‫‪ .2‬بنمكاننااا‌أ ‌ننااتج‌أباال‌تباااين‌لتقاادير‌خطااق‌غياار‌منحاااز‌باسااتخدام‌تقنيااة‌الكااريجنج‌‌إذا‌كااا ‌لاادينا‌نمااوذج‌‌‬
‫للمتباين‌النصفي‪‌.‬وما‌يردد ‌المبتهلو ‌عن‌فوائد‌‌الكريجنج‌‌‌يمكن‌أ ‌نجد ‌في‌العديد‌من‌األبحاث‪.‬‬
‫‌‬
‫و‌النقاط‌ذات‌األهميل‌الكبرى‌هي‌‪‌ :‬‬
‫(أ)‌علاق‌افتاراذ‌أساساي‌أنال‌ال‌يوجاد‌توجال‌وأ ‌هنالا ‌نموذجااا‌للمتبااين‌النصافي‌باساتمرار‪‌‌،‬يناتج‌لنااا‌‬
‫نظام‌الكريجنج‌‌أف ل‌تقدير‌خطي‌غير‌منحاز‪‌ ‌.‬‬
‫( )‌ إذا‌استخدمت‌الموديالت‌المالئمل‌للمتباين‌النصفي‪‌،‬وتم‌بناء‌نظام‌الكريجنج‌‌بصور ‌دبيقل‌سايكو ‌‬
‫هنال ‌وباستمرار‌حل‌فريد‌لنظام‌الكريجنج‌‌ ‌‬
‫(ج)‌ اذا‌ما‌حاولت‌تقدير‌القيم‌في‌موابع‌جرت‌معاينتها‪‌،‬فن ‌نظام‌الكريجنج‌‌سينتج‌لنا‌نفس‌القايم‌الفعليال‌‬
‫للعينات‪‌.‬وسينتج‌اي ا‌تباين‌كريجنج‌بيمتل‌تساوي‌افر‪‌.‬بكلمات‌أخارى‪‌‌،‬انات‌تعلام‌مسابقاا‌هاذ ‌القيمال‪‌‌.‬‬
‫وهذا‌يشار‌إليل‌عادة‌علق‌أنل‌المولد‌الدبيق‌‪‌ .Exact Interpolator‬‬
‫(د)‌ اذا‌كانت‌عملية‌المعاينل‌منتظمل‌وبالتالي‌لدينا‌نفس‌الترتيب‌في‌الربع‌المختلفل‌‌داخل‌الخام‌فننل‌ليس‌‬
‫رورياا‌إعادة‌حسا ‌نظام‌الكريجنج‌في‌كل‌مر ‪‌ ‌.‬‬
‫‌‬
‫‪ 0-5‬مثال خام الحديد الوهمي‬
‫‌‬
‫لتلخيص‌هذا‌الفصل‪ ‌،‬دعونا‌نعود‌إلق‌تو ع‌خام‌الحديد‌الوهمي‌والمذكور‌فاي‌نهاياة‌الفصال‌الراباع‪‌.‬تام‌‬
‫أخااذ‌مجمااوعتين‌ماان‌العينااات‪‌،‬مجموعااة‌الخمسااين‌عينااة‌العشااوائية‌والمبينااة‌فااي‌شااكل‌‪‌،14-4‬والمجموعااة‌الثانيااة‌‬
‫والمأخوذة‌علق‌شبكة‌منتظمة‌كما‌في‌الشكل‌‪‌ .16-4‬‬
‫‌‬
‫‪‌2‬‬
‫وتشمل‌الشبكة‌المنتظمة‌‪‌41‬عينة‪‌.‬وكالسابق‌مساحة‌ال‌‪‌400‬م تم‌تقسيمها‌إلق‌بطع‌(رباع)‌مسااحة‌كال‌‬
‫منها‌‌‪‌ 10‬م‪‌.‌‌2‬ولكن ‌في‌هذ ‌المرة‌تم‌تقدير‌بيم‌القطع‌بطريقة‌الكريجنج‪‌.‬مدى‌تأثير‌المتباين‌النصفي‌للخام‌يسااوي‌‬
‫‪‌ 100‬م‪‌،‬لذل ‌جميع‌العينات‌في‌هذا‌المدى‌ منت‌في‌التقدير‪‌،‬والنتائج‌مبينة‌في‌الشكل‌‪‌،1-1‬و‌مرة‌أخارى‌الاربم‌‬
‫العلوي‌في‌كل‌ربعة‌هو‌القيمة‌المقادرة‌بينماا‌الاربم‌السافلي‌هاو‌انحاراف‌الكاريجنج‌المعيااري‌أو‌الخطاأ‌المعيااري‪‌.‬‬
‫للمقارنة‪‌،‬يري‌الشكل‌‪‌2-1‬حل‌الكريجنج‌للحالة‌حيث‌المساحة‌مقسمة‌إلق‌رباع‌أبعاد‌كال‌منهاا‌‪‌100‬م‪‌.2‬الحا ‌أ ‌‬
‫انحرافات‌الكريجن ‌المعيارية‌في‌جميع‌الحاالت‌أدق‌منها‌في‌حالة‌القطع‌الخمسينية‪‌ .‬‬
‫‌‬
‫وهذا‌يت من‌مرة‌أخرى‌مبدأ‌سهولة‌تقدير‌المساحات‌الكبيرة‌مقارنة‌بالمساحات‌الصغيرة‪‌.‬يري‌الشاكل‌‪‌6-1‬القايم‌‬
‫المقدرة‌للقطع‌‪‌Blocks‬عندما‌تستخدم‌بيم‌العينات‌الماأخوذة‌مان‌الشابكة‌المنتظماة‪‌.‬االنحاراف‌المعيااري‌الكريجاي‌‬
‫لكل‌القطع‌يساوي‌‪ ‌.Fe‌%2.4‬وهاذا‌ال‌يختلاف‌بطريقاة‌وا احة‌عان‌اإلنحاراف‌المعيااري‌للتقادير‌والباالغ‌‪‌%2.1‬‬
‫‪‌.Fe‬ربما‌يجب‌أ ‌يكو ‌استنتاجنا‌هنا‌أنال‌بشابكة‌منتظماة‌بهاذا‌الحجام‪‌،‬يعتبار‌المتوساط‌الحساابي‌للعيناات‌الزاوياة‌‬

‫‪111‬‬
‫(‪‌)Corner‬تقديرا‌موزنا‌جيدا‌لكل‌العينات‌ من‌بطع‌المائة‌متر‪‌.‬ربما‌تبدو‌العينات‌الخارجية‌والحالة‌هذ ‌زائدة‪‌.‬‬
‫هذ ‌‌النتيجة‌ال‌تصل ‌في‌حالة‌المعاينة‌المنتظمة‌والتي‌ينتج‌عنها‌تحسينات‌كبيرة‌في‌دبة‌النتائج‌عناد‌تطبياق‌تقنياة‌‬
‫الكريجنج‪‌ ‌.‬‬

‫‌‬
‫‌‬
‫الشكل‌‪‌:1-1‬تو ع‌خام‌الحديد‌الوهمي‪‌-‬متوسطات‌الكريجنج‌لكل‌ربعة‌من‌مجموعة‌العينات‌العشوائية‌وما‌‬
‫يناظرها‌من‌انحرافات‌الكريجنج‌المعيارية‪‌-‬الربع‌ذات‌أبعاد‌‪‌10‬م‪‌.‬‬
‫‌ والمطلو ‌العادي‌في‌تقدير‌احتياط‌الخام‌هو‌حسا ‌بايم‌القطاع‪‌.‬علاق‌أياة‌حاال‪‌،‬فاي‌كثيار‌مان‌تطبيقاات‌‬
‫الكااريجنج‌المحتملاااة‪‌-‬مثااال‌الجيوكيميائيااة‌والهيدرولوجياااة‪‌-‬التقااادير‌المطلااو ‌علاااق‌شاااكل‌باايم‌نقطياااة‌أو‌خارطاااة‌‬
‫كونتورية‌للمتغير‌ذو‌األهمية‪‌ .‬‬

‫‌‬
‫الشكل‌‪‌:2-1‬تو ع‌خام‌الحديد‌الوهمي‪‌-‬متوسطات‌الكريجنج‌للقطع‌مأخوذة‌من‌مجموعة‌العينات‌العشوائية‌‬
‫ونظيراتها‌اإلنحرافات‌المعيارية‌الكريجية‪‌-‬بطع‌المائة‌(‪‌)100‬م‪‌ .‬‬

‫‪112‬‬
 ‫‌‬
‫‌‬
‫الشكل‌‪‌:6-1‬تو ع‌خام‌الحديد‌الوهمي‪‌-‬متوسطات‌الكريجنج‌محسوبة‌من‌مجموعة‌العينات‌المنتظمة‪‌-‬بطع‌‪‌10‬‬
‫متر‪‌ .‬‬
‫ويمكان‌اساتخدام‌طريقاة‌الكااريجنج‌إلنتااج‌شابكة‌ماان‌القايم‌المتقارباة‌وال ارورية‌لرساام‌الخارطاة‌الكونتورياة‪‌.‬فااي‌‬
‫حقيقة‌الحال‪‌،‬هذا‌أكثر‌سهولة‌من‌تقدير‌مساحات‌أل ‌جميع‌بايم‌متوساط‌المتبااين‌النصافي‌تختازل‌إلاق‌بايم‌‌‌بسايطة‌‬
‫لنموذج‌التمباين‌النصفي‌نفسل‪‌.‬وأل ‌جميع‌المشااهدات‌معمولاة‌فاي‌مواباع‌محاددة‪‌،‬فان ‌الطارف‌األيسار‌مان‌نظاام‌‬
‫الكريجنج‌هي‌بيم‌متباينات‌نصفية‌تمثل‌نقطة‌مع‌نقطة‪‌.‬وأل ‌القيمة‌التي‌سيجري‌تقديرها‌هي‌أي ا‌لنقطاة‌ماا‌فان ‌‬
‫الطرف‌األيمن‌هو‌أي ا‌بيم‌متباينات‌نصفية‌لنقطة‌مع‌نقطاة‪‌.‬ياري‌الشاكل‌‪‌1-1‬الخارطاة‌الكونتورياة‌المنتجاة‌مان‌‬
‫استخدام‌الخمسين‌(‪‌)10‬عينة‌المختارة‌عشوائيا‪‌،‬والمنطقة‌المظللة‌باألسود‌فاي‌أعلاق‌الخارطاة‌خارجاة‌عان‌نطااق‌‬
‫مدى‌التأثير‌ألية‌عينة‌وبالتالي‌ال‌يمكن‌تقديرها ‌‬
‫‌‌‬

‫‌‬
‫‌‬
‫الشكل‌‪‌:1-1‬تو ع‌خام‌الحديد‌الوهمي‪‌-‬خارطو‌كونتورية‌كريجية‌من‌عينات‌عشوائية‪‌ .‬‬
‫‌‬
‫‪‌.‬‬

‫‪113‬‬
‫ماان‌فوائااد‌عمليااة‌الكريجنااع‌كتقنيااة‌مولاادة‌لألربااام‌‪‌Interpolation Technique‬أ ‌كاال‌تقاادير‌يواكباال‌‬
‫انحراف‌معياري‌كريجاي‌بالتاالي‌فننال‌ألي‌خارطاة‌بايم‌كونتورياة‌يمكان‌التازود‌بخارطاة‌مصادابية‪‌.‬هاذا‌مباين‌فاي‌‬
‫الشكل‌‪‌.3-1‬موابع‌العينات‌يمكن‌رؤيتها‌بسهولة‌بتركيزات‌خطوط‌الكونتور‌ذات‌القيم‌المنخف ة‌في‌الشاكل‌‪‌3-1‬‬
‫هي‌‌خطوط‌الكونتور‌‪‌Fe%1‬و‌‪‌.Fe ‌%2‬أكبر‌بيمة‌كونتور‌هي‌‌ ‪‌.Fe ‌%6.06‌=‌ 5 2‬‬
‫‌‬

‫‌‬
‫‌‬
‫الشكل‌‪‌:3-1‬تو ع‌خام‌حديد‌وهمي‪‌-‬خارطة‌انحرافات‌معيارية‌كريجية‌للخارطة‌الكونتورية‌الكريجية‌المأخوذة‌‬
‫من‌العينات‌العشوائية‪‌ .‬‬
‫والتي‌تمثل‌الحدود‌حول‌ ‌المنطقة‌السوداء‪ ‌.‬وهذ ‌تتعلق‌بمحاولة‌تقدير‌بيم‌عند‌نقاط‌بعيدة‌بمقادار‌مادى‌التاأثير‌مان‌‬
‫أباار ‌عينااة‪‌.‬المناااطق‌غياار‌ذات‌المصاادابية‌مبينااة‌بو ااوي‌بخااط‌الكونتااور‌‪(‌Fe%1‬إنحااراف‌العينااة‌المعياااري)‪‌.‬‬
‫والخطااأ‌المعياااري‌األكباار‌ماان‌انحااراف‌العينااة‌المعياااري‌يشااير‌إلااق‌عمليااة‌تنبااؤ‌غي ار‌ذات‌مصاادابية‪‌.‬هنال ا ‌فائاادة‌‬
‫إ افية‌لعملية‌الكريجنج‌كتقنية‌تقدير‌أ ‌الخرائط‌وحسابات‌األخطااء‌المعيارياة‌يمكان‌انتاجهاا‌بادو ‌أ ‌نأخاذ‌فعاال‌‬
‫عينات‪ ‌ ‌،‬فعلق‌سبيل‌المثال‌لو‌ابتاري‌عملياات‌حفار‌ا اافية‌لملائ‌المواباع‌الفارغاة‌فاي‌الشابكة‌المنظماة‪‌‌،‬فنناة‌مان‌‬
‫الو وي‌بمكا ‌من‌الشكل‌‪‌11-1‬أين‌يجب‌أ ‌تتم‌عملية‌الحفر‌ألخذ‌العينات‪‌.‬ولو‌اتخذ‌القرار‌باختزال‌الشبكة‌إلق‌‬
‫‪10‬م‌–‌أي‌و ع‌حفرة‌في‌منتصف‌كل‌كونتور‌بقيمة‌‪‌‌،Fe‌%4‬فن ‌خارطة‌كاملة‌جديدة‌مان‌األخطااء‌المعيارياة‌‬
‫يمكن‌رسمها‌ببل‌أ ‌تطأ‌بدمنا‌أرذ‌الميدا ‪‌.‬الشكل‌‪‌‌10-1‬يباين‌الخارطاة‌الكونتورياة‌المولادة‌باساتخدام‌العيناات‌‬
‫المنتظمة‪‌ ،‬والشكل‌‪‌11-1‬يري‌االنحراف‌المعياري‌الكريجي‌المقابل‪‌.‬الحا ‌أنال‌علاق‌الارغم‌مان‌أ ‌ماا‌يتاوفر‌‪‌41‬‬
‫عينة‌مأخوذة‌حتق‌علق‌شبكة‌كبيرة‪‌‌،‬إال‌أ ‌أعلق‌بيمة‌كونتورية‌في‌شكل‌‪‌11-1‬هي‌‪‌ .Fe‌%4‬‬
‫‌‬

‫‪114‬‬
 ‫‌‬
‫الشكل‌‪‌:10-1‬خام‌حديد‌وهمي‪‌-‬خارطة‌كريجنج‌كونتورية‌من‌عينات‌منتظمة‪‌ .‬‬
‫‌‬

‫‌‬
‫الشكل‌‪‌:11-1‬تو ع‌خام‌الحديد‌الوهمي‪‌-‬خارطة‌اإلنحراف‌المعيارية‌الكريجية‌للخارطة‌الكريجية‌النتجة‌من‌‬
‫العينات‌المنتظمة‪‌ .‬‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬
‫‌‬

‫‪111‬‬
 ‫الفصل السادس‬
‫‌‬
‫الممارسة‬
‫‌‬
‫أل ‌النية‌كانت‌منعقادة‌أ ‌يكاو ‌هاذا‌الكتاا ‌مقدماة‌أولياة‌لمو اوع‌الجيوإحصااء‪‌،‬مالات‌‬
‫األمثلة‌والحاالت‌التي‌تمات‌منابشاتها‌أل ‌تكاو ‌مبساطة‪‌.‬وهنالا ‌العدياد‌مان‌تو اعات‌الخاماات‪‌-‬‬
‫وتطبيقاات‌أخارى‪‌-‬يمكان‌معالجتهااا‌باالطرق‌التاي‌تاام‌واافها‪.‬علاق‌أياة‌حااال‌هنالا ‌خاماات‌أخاارى‌‬
‫وحاالت‌ال‌يمكن‌معالجتها‌بنفس‌الكيفية‌بسبب‌وجود‌واحد‌أو‌أكثر‌من‌العوامل‌المعقادة‪‌.‬وفاي‌هاذا‌‬
‫الفصل‌أرغب‌أ ‌أذكر‌باختصاار‌بع اا‌مان‌هاذ ‌المشاكالت‌وا ‌أشاير‌ربماا‪‌،‬إلاق‌كياف‌يجاب‌أ ‌‬
‫تعالج‪‌.‬والترتيب‌الذي‌عر ت‌فيل‌هذ ‌المشكالت‌ال‌يحمل‌أي‌مغزى‌ألهميتها‌النسبية‪‌.‬‬
‫‌‬
‫‪ 1-8‬بناء المتباينات النصفية باستخدام بيانات غير منتظمة‬
‫‌‬
‫اعتمد‌كل‌النقاش‌في‌الفصل‌الثاني‌علق‌كيفية‌بناء‌المتباينات‌النصافية‌مان‌العيناات‌التاي‌تبعاد‌عان‌‬
‫بع ها‌مسافات‌منتظمة‌فاي‌جسام‌الخاام‪‌.‬وبعاض‌الشابكات‌كاا ‌بهاا‌عيناات‌مفقاودة‪‌،‬ولكان‌هاذا‌ال‌‬
‫يمثاال‌أي‌مشااكلة‪‌.‬وإ ‌كاناات‌العينااات‌غياار‌مااأخوذة‌علااق‌أبعاااد‌متساااوية‌ال‌بااد‌ماان‌إدخااال‌بعااض‌‬
‫التعديالت‌في‌الحسا ‪‌.‬افترذ‌أنناا‌نرغاب‌فاي‌حساا ‌بيماة‌المتبااين‌النصافي‌علاق‌مساافة‌‪‌h‬فاي‌‬
‫اتجا ‌محادد‌(‌بال‌شامالي‪‌-‬شاربي)‪‌.‬إ ‌فرااة‌إيجااد‌أزواج‌مان‌العيناات‌علاق‌أبعااد‌مسااوية‌لاـ‌‪‌h‬‬
‫وبنفس‌األتجا ‌بليلة‌جدا‪‌.‬لذل ‌نتساهل‌في‌كل‌موااافة‌(أو‌بناد‌خااص)‪‌،‬فماثال‌نبحاث‌عان‌عيناات‌‬
‫تبعاد‌عان‌بع اها‌تقريباا‌‌مساافة‌‌‪ ( h‬امن‌ ‪ h‬معيناة)‌وتقريباا‌بانفس‌اإلتجاا ‌(‌ امن‌ ‪‌،)‌± ‬‬
‫انظر‌شكل‌‪‌1-2‬للتو ي ‪‌.‬وبيماة‌التسااهل‌‪‌‌Tolerance‬تعتماد‌بشاكل‌كبيار‌علاق‌بنائياة‌التو اع‪‌.‬‬
‫وهااذا‌و ااع‌مثياار‌للجاادل‌ألننااا‌ال‌نعلاام‌بنائيااة‌الخااام‌إال‌إذا‌بمنااا‌ببناااء‌المتباااين‌النصاافي‪‌.‬وإذا‌كااا ‌‬
‫التو ع‌غير‌متماثل‪‌،‬سيكو ‌‌المتباين‌النصفي‌أكثر‌حساساية‌للتسااهل‌المحادد‌فاي‌زاوياة‌البحاث‪‌.‬‬
‫والممارسة‌الساليمة‌هاي‌عمال‌عادة‌محااوالت‌بقايم‌‌ ‪‌‌‌ ‬متعاددة‌وبنطااق‌ ايق‌لقايم‌ ‪‌.‌ h ‌، ‬‬
‫ويجب‌أ ‌تكو ‌ ‪‌ h‬دائما‌اغيرة‌بالنسبة‌للمسافة‌المختارة‌بين‌العينات‪‌.‬وحسب‌التجرباة‌بامكانا ‌‬
‫أ ‌تحاول‌بـ‌ ‪‌‌41‌،20‌،10‌،1‌=‌ ‬و‌ ‪‌%10‌= ‬من‌المسافة‌المأخوذ ‌بين‌العينات‪‌.‬‬
‫‌‬

‫‪112‬‬
 ‫‌‬
‫‌‬
‫الشكل‌‪‌:1-2‬منطقاة‌البحاث‌ ُ‌م َ‌عر‌فاة‌‌بالتسااهل‌فاي‌الزاوياة‌‌ ‪‌‌ ‬والمساافة‌باين‌أزواج‌العيناات‌فاي‌‬
‫المتباين‌النصفي‪‌.‬‬
‫‌‬
‫‪‌2-2‬أخطاء‌المعاينة‌‬
‫‌‬
‫هااذا‌حقاال‌يااتم‌التاازلج‌ماان‌فوباال‌فااي‌كثياار‌ماان‌األطروحااات‌الجيوإحصااائية‌وأنااا‌أنااوي‌أ ‌‬
‫أحاكي‌أسالفي‪ ‌.‬واألخطاء‌العشوائية‌المدخلة‌خالل‌عملية‌المعاينة‌ستساهم‌في‌ظااهرة‌التشاذر‌فاي‌‬
‫س‌تُري‌زيادة‌في‌بيمة‌ال ُ‌م َ‌رك‌بة‌غير‌المتوبعة‪‌.‬بنفس‌الكيفية‌ما‌فقد‌مان‌‬
‫المتباين‌النصفي‪‌،‬بمعنق‌أنها‌ َ‌‬
‫العينات‌اللبية‌سيساهم‌أي ‌ا ا‌في‌ظاهرة‌التشذر‪‌.‬والمساهمو ‌المحتملاو ‌فاي‌الخطاأ‌باإل اافة‌إلاق‌‬
‫التم عد ‌نفسل‌هنالا ‌األخطااء‌التحليلياة‌فاي‌معالجاة‌العيناة‌وفاي‌بيااس‌التراكياز‪‌.‬علاق‌أياة‌حاال‌ال‌‬
‫يجب‌المبالغة‌في‌إسهامات‌األخطاء‌السالفة‌الذكر‪‌.‬ففي‌مثال‌زن ‌منطقاة‌كاورنيش‌‪‌Cornish tin‬‬
‫بمنا‌بعمل‌خطة‌معاينة‌بهدف‌حسا ‌خطأ‌فني‌المختبرخالل‌تجهيز‌العينات‌وتحليلها‪‌.‬وبد‌تبين‌أ ‌‬
‫الخطاأ‌ال‌يتعادى‌‪‌%3‬ماان‌بيماة‌ظاااهرة‌التشاذر‪‌.‬والاـ‌‪‌%36‬البابيااة‌مردهاا‌إلااق‌الطبيعاة‌العشااوائية‌‬
‫للتمعد ‪‌.‬‬
‫‌‬
‫والخطااأ‌الماانظم‌فااي‌المعاينااة‌والتحلياال‌وخالفاال‌لاان‌يقااوم‌الجيوإحصااائي‌باسااتثنائل‌وساايتم‌‬
‫ت مينل‌في‌أية‌تقديرات‌يتم‌عملها‪‌.‬‬
‫‌‬
‫‌‬

‫‪116‬‬
 ‫‪ 3-8‬التوجهات ‪‌ Trends‬‬
‫‌‬
‫بينا‌في‌الفصل‌الثاني‌كيف‌يمكن‌تحري‌توجل‌ذو‌مغزى‌في‌جسم‌التو ع‪‌.‬وإذا‌بمنا‌ببناء‌‬
‫المتباين‌النصفي‌مفتر ين‌عدم‌وجود‌توجل‌فن ‌ال ُ‌م َ‌رك‌بَِِ‌ةََِ‌‌المهملاة‌ساتظهر‌فاي‌الشاكل‪‌.‬فانذا‌‬
‫كا ‌التوجل‌دورياا‌سايظهر‌علاق‌شاكل‌إرتفااع‌‌وإنخفااذ‌مناتظم‌فاي‌المتبااين‌النصافي‪‌.‬واذا‌كاا ‌‬
‫التوجل‌متعدد‌المتغيرات‌سيظهر‌علق‌شكل‌بطع‌مكافئ‌في‌المتباين‌النصفي‌باإل افة‌إلق‌ما‌مار‪‌.‬‬
‫وهنالا ‌حااالت‌يوجاد‌فيهاا‌توجال‌يمكان‌تجاهلال‌بطريقاة‌آمنال‌كماا‌هاو‌الحاال‌فاي‌مثاال‌الف اة‌فاي‌‬
‫الفصاال‌الثاااني‪‌.‬علااق‌أيااة‌حااال‪‌،‬هنال ا ‌حاااالت‌أخاارى‌غياار‌مشااابهة‌مثاال‌مثااال‌الهطااول‪‌.‬وعمليااة‌‬
‫الكااريجنج‌والحالااة‌هاااذ ‌ال‌يمكاان‌اسااتخدامها‌بوجاااود‌توجاال‌بااوي‪‌.‬حياااث‌سااتعطي‌نتااائج‌خاطئاااة‌‬
‫ومنحااازة‪‌.‬وهنالااا ‌تقنياااات‌أخاارى‌مثااال‌الكاااريجنج‌العااالمي‌‪‌،Universal Kriging‬أو‌التبااااين‌‬
‫المشاترك‌المعمام‌‪‌Generalized Covariance‬يتوجاب‌اساتخدامها‌إذا‌ماا‌أاار‌المساتخدم‌علاق‌‬
‫تطبيق‌الجيوإحصاء‪‌.‬وبصراحة‪‌،‬خبرتي‌في‌تطبيق‌الجيوإحصاء‌بوجود‌توجل‌غير‌موجود ‪‌.‬‬
‫‌‬
‫‪ 0-8‬عدم التماثل ‪Anisotropy‬‬

‫ربما‌تكو ‌هذ ‌أسهل‌المشكالت‌معالجةا‌‪‌.‬فعلق‌األغلب‌يتجلق‌عدم‌التماثل‌في‌أمدية‌تاأثير‌‬

‫‪‌Ranges of influence‬مختلفاة‌فاي‌اتجاهاات‌متعاددة‪‌.‬فعلاق‌سابيل‌المثاال‪‌،‬تو اع‌الموليبادنوم‌‬
‫الباورفيري‌يمكان‌أ ‌يكاو ‌لال‌مادى‌تاأثير‌مقادار ‌‪60‬م‌باتجاا ‌عماودي‌علاق‌التو اع‌و‪310‬م‌فاي‌‬
‫جمياع‌األتجاهاات‌األفقياة‪‌.‬هاذا‌يمكان‌معالجتال‌بمنتهاق‌الساهولة‌بتغييار‌وحادات‌المقيااس‌باتجاا ‌مااا‌‬
‫بحيااث‌تباادو‌أمديااة‌التااأثير‌‌متساااوية‪‌.‬وفااي‌المثااال‌المستشااهد‌باال‌بنمكاننااا‌أ ‌نغي ار‌جميااع‌القياسااات‌‬
‫األفقية‌بحيث‌تبدو‌علق‌أنها‌ناتج‌ ار ‌فاي‌‪1‬م‌بادال‌مان‌‪‌.1‬هاذا‌يعطاي‌مادى‌تاأثير‌مقادار ‌‪60‬م‪‌.‬‬
‫وعندما‌نقوم‌بتقدير‌القطعة‌يجب‌أ ‌نتذكر‌أ ‌المسافات‌األفقية‌يجب‌أ ‌يتم‌التعبير‌عنهاا‌بوحادات‌‬
‫م روبة‌في‌‪‌.1‬فعلق‌سبيل‌المثال‪‌،‬القطعة‌المعرفة‌بـ‌‪‌20*10*10‬يتم‌تقديرها‌علق‌أنهاا‌وحادات‌‬
‫‪‌.10*10*20‬بنفس‌الطريقة‌المسافة‌بين‌العيناات‌يجاب‌تصاحيحها‌بحياث‌تتوافاق‌ماع‌هاذا‌النظاام‪‌.‬‬
‫والطريقااة‌األساااهل‌لمعالجاااة‌المو اااوع‌هاااي‌تعاااديل‌جميااع‌القياساااات‌ببااال‌البااادء‌بعملياااة‌التقااادير‪‌.‬‬
‫التقديرات‌النهائية‌واألخطاء‌المعيارية‌ستكو ‌كما‌يجب‌أ ‌تكو ‌وال‌داعي‌للتعديل‪‌.‬‬
‫‌‬
‫‌‬
‫‌‬

‫‪111‬‬
 ‫‪ 5-8‬األنفاق والقطع ذات األشكال غير المنتظمة‬
‫‌‬
‫كانت‌الربع‌ ‪‌Panels‬والقطع‌‪‌Blocks‬في‌مشاكل‌التقدير‌التي‌تمت‌منابشاتها‌علاق‌شاكل‌‬
‫مستطيالت‪‌.‬والدوال‌المساعدة‌لها‌مغزى‌فقط‌لمثل‌هذ ‌الربع‌وبالتاالي‌ال‌يمكان‌اساتخدامها‌ألنفااق‌‬
‫في‌ربعة‌كتل ‌التي‌يظهرها‌الشكل‌‪‌.2-2‬هذ ‌األشاكال‌يمكان‌معالجتهاا‌بوجاود‌حاساو ‌باساتخدام‌‬
‫التقريبااات‌العدديااة‌‪‌.Numerical Approximations‬ومباادأ‌التقريااب‌هااو‌نفساال‌المسااتخدم‌فااي‌‬
‫حسا ‌الدالاة‌الثالثياة‌األبعااد‌فاي‌فصال‌‪‌.3‬فبادال‌مان‌أ ‌نأخاذ‌بعاين‌األعتباار‌العادد‌الالنهاائي‌مان‌‬
‫النقاط‌في‌داخل‌النفق‌نستخدم‌شبكة‌محددة‌من‌النقاط‌الممثلة‪‌.‬وعدد‌النقاط‌هو‌مثار‌تساؤل‪‌،‬ولكان‌‬
‫التوافاق‌بشااكل‌عاام‌يقااع‌فااي‌المادى‌ماان‌‪‌.100-24‬هاذا‌يعنااي‌أ ‌بيمااا‌مثال‌ )‪‌‌  (S , A‬هااي‌متوسااط‌‬
‫متباينات‌نصافية‌باين‌العيناة‌وكال‌نقطاة‌فاي‌شابكة‌‪‌‌Grid‬النفاق‪‌.‬وسايقوم‌برناامج‌الحاساو ‌بتقيايم‌‬
‫بيمة‌نموذج‌المتباين‌النصفي‌باين‌كال‌زوج‌مان‌النقااط‌وبيماة‌متوساط‌المتبااين‌النصافي‌الموجاود‪‌.‬‬
‫هذا‌المبدأ‌ينطبق‌أي ا‌علق‌األشكال‌غير‌المنتظمة‌ثالثية‌االتجاهات‪‌.‬‬
‫‌‬

‫‌‬
‫الشكل‌‪‌:2-2‬تقدير‌أنفاق‌ذات‌أشكال‌غير‌منتظمة‪‌.‬‬
‫‌‬
‫‪ 8-8‬كريجنج ثالثي األبعاد‬

‫يقودنا‌هذا‌بشاكل‌رائاع‌إلاق‌واحاد‌مان‌خياول‌هاوايتي‌–‌عمال‌تقادير‌كريجاي‌بثالثاة‌اتجاهاات‪‌.‬‬
‫وعاااادة‌ماااا‌نواجااال‌هاااذ ‌المشاااكلة‌فاااي‌التخطااايط‌لمااانجم‌ساااطحي‌‪‌Open Pit‬مااان‌نتاااائج‌اآلباااار‌‬
‫‪‌ .Borehole‬والتقنية‌العيارية‌هاي‌أ ‌نعمال‌تقاديرا‌كماا‌تام‌واافل‌فاي‌بناد‌‪‌1‬أعاال ‪‌.‬هنالا ‌باديال‌‬
‫مقترحا‌يستهل ‌وبت‌حاسو ‌أبل‌علق‌النحو‌التالي‪‌‌:‬‬
‫‪ .1‬بَطع‌الخام‌إلق‌مصاطب‌‪.Benches‬‬
‫‪ .2‬مثل‌كل‌بطعة‌علق‌أنها‌ربعة‌في‌مستوي‌في‌منتصف‌‌المصطبة‪.‬‬
‫‪ .3‬بر ‌هذ ‌القطعة‌بشبكة‌من‌النقاط‌في‌اتجاهين‪.‬‬

‫‪113‬‬
‫‪ .4‬خذ‌تقاطع‌كل‌حفرة‌(بئر)‌مع‌المصطبة‌‪‌Bench‬وسم‌هذ ‌النقطة‌نقطاة‌منتصاف‌المساافة‌‬
‫إلق‌أعلق‌في‌المصطبة‪.‬‬
‫‪ .1‬أعد‌جميع‌الشرائ ‌إلق‌و عها‌وبم‌بعملية‌الكريجنج‪.‬‬
‫‌‬
‫والمتباين‌النصفي‌المفترذ‌استخدامل‌هاو‌المبناي‌مان‌مركباات‌المصاطبة‪‌‌،‬يعناي‌المبناي‌مان‌‬
‫بطع‌بطول‌معادل‌الرتفاع‌المصطبة‪‌.‬هذ ‌التقنية‌مالئمة‌لو‌أ ‌جميع‌االبار‌مكتملاة‌و‌لاو‌أنهاا‌تبادأ‌‬
‫وتنتهااي‌علااق‌مسااتويات‌متساااوية‪‌.‬علااق‌أيااة‌حااال‌هنال ا ‌أو اااع‌أخاارى‌يصااعب‌تمثيلهااا‌بطريقااة‌‬
‫مالئمة‪‌.‬والشاكل‌‪‌3-2‬ياري‌بع اا‌منهاا‪‌.‬جمياع‌اآلباار‌سايتم‌أخاذ‌متوساطها‌فاوق‌المصاطبة‌وسايتم‌‬
‫و عها‌في‌منتصف‌المصطبة‌وسيعطق‌لها‌طول‌يعادل‌إرتفاع‌المصطبة‪‌.‬‬

‫‌‬
‫الشكل‌‪‌:3-2‬بعض‌األمثلة‌بنهج‌مبسط‌لطرق‌الكريجنج‌الثالثي‌األبعاد‪‌.‬‬
‫‌‬
‫فالبئر‌‪‌A‬لها‌جزء‌مفقود‌من‌اللب‌في‌داخال‌المصاطبة‌والبئار‌‪‌B‬مائلاة‌ومركباتهاا‌يمكان‌أ ‌تكاو ‌‬
‫أطااول‌ممااا‌يجااب‌والبئاار‌‪‌C‬تتوبااف‌بباال‌أ ‌تصاال‌إلااق‌باااع‌المصااطبة‌والبئاار‌‪‌D‬ال‌تباادأ‌إال‌ماان‌‬
‫منتصف‌المصطبة‪ ‌.‬جميع‌هذ ‌الحااالت‌يمكان‌معالجتهاا‌بسالوك‌نهاج‌ثالثاي‌األبعااد‌لحال‌المشاكلة‪‌.‬‬
‫والباارامج‌الحاسااوبية‌متااوفرة‌اآل ‌فااي‌األسااواق‌للطريقااة‌المواااوفة‌أعااال ‪‌،‬ولطريقااة‌التقريااب‌‬
‫النقطي‌والنهج‌الثالثي‌األبعاد‌الذي‌دعوت‌لل‌في‌أبحاثي‪‌.‬‬
‫‌‬
‫‌‬
‫‪ 7-8‬األنحياز في منحنيات التركيز والطنية‬
‫‌‬
‫بعد‌أ ‌يتم‌تقدير‌منجم‌علق‌أساس‌بطاعي‌مان‌الطبيعاي‌بنااء‌ماا‌يسامق‌منحنياات‌التركياز‌‬
‫والطنية‪‌.‬من‌سوء‌الح ‪‌،‬وحتق‌مع‌عمل‌أف ل‌التقديرات‌المحتملة‌(‌الكاريجنج)‌ساتبقق‌منحنياات‌‬
‫‪120‬‬
‫الطنية‌والتركيز‌منحازة‪‌.‬هنال ‌عامال ‌يسااهما ‌فاي‌هاذا‌االنحيااز‪‌.‬والعامال‌األول‌هاو‌أ ‌معياار‌‬
‫اختياار‌بايم‌الحاد‌األدنااق‌للتركياز‌‪‌Cutoff‬ياتم‌اسااتخدامل‌لتقادير‌تركياز‌القطعااة‪‌.‬ومهماا‌كانات‌دبااة‌‬
‫التقدير‌فلن‌يساوي‌تماما‌القيمة‌الفعلية‌للقطعة‪‌.‬لذل ‌إذا‌تم‌تقدير‌بطعة‌بقيماة‌أبال‌مان‌الحاد‌األدناق‌‬
‫للتركيز‪‌،‬هنال ‌احتمالية‌محدودة‌أ ‌يكو ‌التركيز‌أعلق‌من‌الحد‌األدناق‪‌.‬وهاذا‌سايعامل‌علاق‌أنال‌‬
‫عادم‌‪ ‌.Waste‬ومن‌ناحية‌أخرى‌فهنال ‌بطع‌بدرت‌علق‌أنها‌أعلق‌من‌الحد‌األدنق‌بينما‌هي‌فاي‌‬
‫حقيقة‌الحال‌أبل‌منل‪‌.‬وهذ ‌ستعامل‌علق‌أنها‌خام‪‌.‬بذل ‌سيكو ‌لدينا‌بطع‌اعتبرت‌علق‌أنها‌عاادم‌‬
‫وبطااع‌اعتباارت‌علااق‌أنهااا‌خااام‪‌.‬وهااذا‌سااينتج‌عناال‌أربااام‌انتاااج‌مختلفااة‌عمااا‌تاام‌التنبااؤ‌باال‌بواسااطة‌‬
‫حسابات‌منحنيات‌التركيز‌والطنية‪‌.‬وستخفض‌الفروبات‌في‌‌تركيزات‌الخاام‌المطحاو ‌ ‪Milled‬‬
‫‪‌.Ore‬‬
‫‌‬
‫واالنحياز‌الثاني‌في‌منحنق‌التركيز‌والطنية‌هو‌ذل ‌الذي‌تدخلل‌عالبات‌التباين‌والحجام‪‌.‬‬
‫فتقديرات‌بيم‌القطع‌لن‌يكو ‌لها‌نفس‌التباين‌كتباين‌بيم‌القطع‌الفعلياة‪‌.‬يمكان‌أ ‌نتاذكر‌أنناا‌نابشانا‌‬
‫هذ ‌المساألة‌عناد‌منابشاتنا‌مثاال‌بصادير‌كاورنيش‌فاي‌الفصال‌الثالاث‪‌.‬هنالا ‌كاا ‌التقادير‌متوساط‌‬
‫التركيز‌ألشرطة‌‪‌Strips‬بطول‌‪‌121‬بدم‌بينما‌كانت‌الربعة‌بأبعاد‌‪‌100*121‬بدم‪‌.‬وتبااين‌هااتين‌‬
‫الكميتين‌لن‌يكاو ‌متسااويا‪‌.‬فاي‌كثيار‌مان‌الحااالت‌–‌بنساتثناء‌الكاريجنج‌النقطاي‌–‌سايكو ‌تبااين‌‬
‫التقاادير‌أكباار‌ماان‌تباينااات‌القطااع‌الفعليااة‪‌.‬لااذل ‌سااتكو ‌منحنيااات‌التركيااز‌والطنيااة‌‌والمبنيااة‌علااق‌‬
‫تقديرات‌القطع‌منحازة‌نحو‌طنية‌أبل‌ومتوساط‌تركياز‌أكثار‌تفااؤال‪‌.‬هاذ ‌المشاكلة‌تجاري‌دراساتها‌‬
‫حاليا‌من‌ببل‌الباحثين‌في‌فونتين‌بلاو‌ ‪‌Fontainebleau‬تحات‌عناوا ‌‪‌.Disjunctive Kriging‬‬
‫كما‌أ ‌هنال ‌تقنية‌أكثر‌بساطة‌ومبررة‌تجريبيا‌لتعديل‌االنحراف‌يجري‌بحثها‌حاليا‌في‌المدرساة‌‬
‫الملكية‌للمناجم‌‪‌.Royal School of Mines‬‬
‫‪ 6 -8‬ملخص‬
‫‌‬
‫علاق‌وجال‌التحديااد‪‌،‬هاذا‌ملخااص‌للكتاا ‌أكثاار‌منال‌للفصال‪‌.‬ولقااد‌ساعيت‌أل ‌أباادم‌عر ااا‌مبسااطا‌‬
‫لنظرية‌وممارسة‌تقنياة‌التقادير‌المعروفاة‌باسام‌كاريجنج‪‌.‬ونقتاري‌‌علاق‌القاراء‌الاذين‌يجادو ‌هاذا‌‬
‫النهج‌ممال‌اللجاوء‌إلاق‌األعماال‌األكثار‌جزمااا‌(وبهاا‌الكثيار‌مان‌الريا ابات)‌والمدوناة‌فاي‌بائماة‌‬
‫المراجع‪ ‌.‬ولقد‌سعيت‌لتذليل‌الصعوبات‌العملية‌الناجمة‌عن‌تطبياق‌التقنياة‌وابتاراي‌بعاض‌الطارق‌‬
‫لتجاوزها‪‌.‬‬
‫‌‬
‫‌‬

‫‪121‬‬
 ‫قائمة المراجع‬
Bibliography

‌ ‫الهدف‌من‌بائمة‌المراجع‌هذ ‌هو‌التحدث‌بقليل‌من‌التفصيل‌عان‌بعاض‌األوراق‌والكتاب‌التاي‌يمكان‌أ‬
‌‫‌وباد‌تام‌تقسايمها‌تحاات‌عنااوين‌فرعياة‌إلعطاااء‬.‫تسااعد‌القاارم‌الجدياد‌فااي‌متابعاة‌نظرياة‌وتطبيقاات‌الجيوإحصاااء‬
‌‌.‫القارم‌فكرة‌عما‌يمكن‌أ ‌يحصل‌عليل‌منها‬

‫أبحاث تمهيدية جيدة‬.1

‌:‫وهذ ‌نادرة‌ومحصورة‌في‌جهود‌بعض‌المؤلفين‌مثل‬

P. I. Brooker `Robustness of geostatistical calculations: a case study', 1977. Proc.

Australasian Institution of Mining and Metallurgy, vol. 264, pp. 61-8. A. G. Royle
`Global estimates of ore reserves', 1977, vol. 86, pp. A9-17.
A. J. Sinclair `A geostatistical study of the Eagle copper vein, Northern British
Columbia', Canadian Inst. Min. Metall., 1974, vol. 67, no. 746, pp. 131-42.
A. J. Sinclair `Geostatistical investigation of the Kutcho Creek deposit, Northern
British Columbia', Mathematical Geology, 1978, vol. 10, no. 3, pp. 273-88.

‫ مراجع محددة‬.2

Matheron, G. The Theory of Regionalised Variables and its Applications, 1971,

Cahier No. 5, Centre de Morphologie Mathematique de Fontainebleau, 211 pp.
David, M. Geostatistical Ore Reserve Estimation, 1977, Elsevier, 364pp.
Guarascio, M., David, M. and Huijbregts, C. (Eds) Advanced Geostatistics in the
Mining Industry, 1976, D. Reidel, Dordrecht, Holland, 491 pp.
Journel, A. G. and Huijbregts, C. Mining Geostatistics, 1978, Academic
Press, 600pp.

‫ مراجع تمهيدية أخرى‬.3

Rendu, J-M. An Introduction to Geostatistical Methods of Mineral Evaluation,

Monograph of the South African Inst. Min. Metall, 1978, 100 pp.
Royle, A. G. A Practical Introduction to Geostatistics. Course Notes of the
122
University of Leeds, Dept. of Mining and Mineral Sciences, Leeds, 1971.

‫ تطبيقات أخرى‬.0

Clark, M. W. and Thornes, J. B. Forwards Estimation from Incomplete

Data by the Theory of Regionalised Variables, Non-Sequential Water Quality
Records Project: Working Paper No. 4, 1975, LSE, 9pp.

Delhomme, J. P. and Del¯ner, P. Application du krigeage a l'optimisation

d'une compagne pluviometrique en zone aride, Symposium on the Design
of Water Resources Projects with Inadequate Data, 1973, UNESCO-WHOIAHS,
Madrid, Spain, pp. 191-210.
Huijbregts, C. Courbes d'isovariance en cartographie automatique Colloque
sur la Visualisation, 1971, Nancy (Ecole National Superieure de Geologie),
11 pp.
Olea, R. A. `Optimal contour mapping using universal kriging', J. Geophys
Res, 1974, vol. 79, No. 5, pp. 696-702.
Poissonet, M., Millier, C. and Serra, J. Morphologie mathematique et silviculture,
1970, 3ieme Conference du groupe des Staticiens Forestiers, Paris. pp. 287-307.
‫ منظور تاريخي‬.5

de Wijs, H. J. `Method of successive diferences applied to mine sampling',

Trans. Inst. Min. Metall., 1972, vol. 81, No. 788, pp. A129-32.
Journel, A. G. `Geostatistics and sequential exploration', Mining Engineering, 1973,
vol. 25, No. 10, pp.44-8.
Krige, D. G. `A statistical approach to some basic mine valuation problems
on the Witwatersrand', J. Chem. Metall and Min. Soc. South Africa, 1951,
vol. 52, No. 6, pp. 119-39.
Matheron, G. `Principles of geostatistics', Economic Geology, 1963, vol. 58, pp.
1246-66.
Sichel, H. S. The estimation of means and associated confidence limits for
small samples from lognormal populations, Symposium on mathematical statistics
computer applications in ore valuation, S. Afr. Inst. Min. Metall, 1966, pp. 106-23.

123
 ‫ أوراق المؤلفة‬.8
‌
‌‫تم‌نشر‌هاذ ‌األوراق ‌لمسااعدة‌البااحثين‌الاذين‌يرغباو ‌فاي‌تطبياق‌الجيوإحصااء‌فاي‌مشاكالتهم‌الخاااة‬
‌ ‌.‫والذين‌يرغبو ‌في‌‌استعمال‌الحاسو ‌و\أو‌التقريب‌العددي‬

Clark, I. `Some auxiliary functions for the spherical model of geostatistics',

Computers and Geosciences, 1976, Vol. 1, No. 4, pp. 255-63.
Clark, I. 'Some practical computational aspects of mine planning', in Advanced
Geostatistics in the Mining Industry, ed. M. Guarascio et al., 1976, pp. 391-9, D.
Reidel, Dordrecht, Holland.
Clark, I. `Practical kriging in three dimensions', Computers and Geosciences, 1977,
Vol. 3, No. 1, pp. 173-80.
Clark, I. `Regularisation of a semi-variogram', Computers and Geosciences, 1977,
Vol. 3, No. 2, pp. 341-6.

.‫ بعض المجالت المفيدة للمشاهدة والمطالعة في الجيوإحصاء والتطبيقات األخرى‬.7

‌ ‫وما‌ينبغي‌إ افتل‌لهذ ‌القائمة‌النشرات‌الخااة‌ووبائع‌المؤتمرات‌لمعاهد‌المناجم‌واستخالص‌المعاد‬

‌ .‫كتل ‌الموجودة‌في‌المملكة‌المتحدة‌وكندا‌وجنو ‌افريقيا‌واستراليا‬
Mathematical Geology
Computers and Geosciences
Economic Geology
Water Resources Research
Engineering and Mining Journal
‌‫ومنشورات‌هيئة‌كانساس‌للمساحة‌الجيولوجية‬
Kansas Geological Survey,
Proceedings of the annual Applications of Computers in the Minerals Industry
(APCOM), various venues. Canadian Inst. Min. Metall. Special Volumes.
‌
‌
‌

124