Блочная модель является основой для проектирования и планирования горных работ, а также может служить надежным инструментом для оценки ресурсов и подсчета запасов месторождения. Соответственно, результат использования модели будет напрямую зависеть от ее качества. Качество, то есть степень полезности блочной модели в основном определяется тем, насколько модель соответствует реальности. Чтобы убедиться, что модель достоверна с допустимой степенью погрешности, необходимо провести ее заверку.

Валидация блочных моделей в первую очередь направлена на получение следующих результатов:

• несмещенная оценка;
• минимизация локальных отклонений;
• контроль степени сглаживания оценки.

Заметим, что, говоря о заверке блочной модели, мы предполагаем, что исходные данные для создания модели являются достоверными. Верификацию базы данных необходимо провести заранее. Функционал современных ГГИС позволяет проводить автоматическую заверку на предмет таких ошибок, как перекрытие интервалов опробования, глубина скважины меньше глубины опробования и др.

В процессе создания блочной модели и присвоения качественных показателей могут возникнуть следующие ошибки:

1. Случайные. Такие ошибки могут возникнуть при обработке данных, например, при привязке растров, интерпретации рудных тел и т.д., а также могут быть вызваны компьютерным сбоем.
2. Систематические. Эти ошибки могут появиться в результате некорректной работы с БД (например, при отсечении ураганных содержаний или создании композитов), выбора неоптимальных параметров блочной модели, либо использования неверных алгоритмов интерполяции.

Для исключения случайных ошибок необходимо проводить заверку на каждом этапе подготовительных работ:

1. Проверка обоснованности геологической интерпретации на основании имеющихся исходных данных.
2. Сопоставление объема каркасов рудных тел и тоннажа и сопоставление с размерами рудного тела
3. Проверка корректности кодировки блочной модели доменами (сверка объемов, визуальная проверка)
4. Сопоставление длин и содержаний композитных интервалов с интервалами опробования.

И т.д.

Для выявления возможных ошибок блочной модели, возникших в процессе присвоения качественных показателей (интерполяции), а также для оценки ее точности, существует широкий набор методов. Мы рассмотрим основные из них.

Основные методы заверки блочной модели:

1. Визуальная заверка
2. Сравнение базовой статистики и гистограмм
3. Построение swath plot
4. Сравнение с фактическими данными отработки.

Метод предполагает вывод на просмотр среза блочной модели и исходных данных и сравнение их между собой в планах и на разрезах как по всей модели, так и раздельно по доменам. Визуальная заверка выявляет отклонения и видимые ошибки в распределении содержаний, которые могли возникнуть из-за процедуры интерполяции. Стоит обратить внимание на корректность экстраполяции высоких содержаний и адекватность степени сглаживания. Для удобства сопоставления данных рекомендуется использовать единую цветовую кодировку для отображения блоков и композитов. Корректно выполнять анализ по наиболее точно оцененным блокам, например, блокам, попадающие в категории measured и indicated.

Предполагаемый результат визуальной заверки:

• Направление распределения содержаний в блоках соответствует ожидаемому для морфологии рудных тел.
• Хорошая сходимость в распределении содержаний в блоках и композитах.

Визуальная оценка качества модели субъективна, но полезна для выявления грубых ошибок, например, связанных с завышением или занижением содержаний, с определением степени анизотропии и др.). Стоит отметить, что значение содержания в ячейке блочной модели должны быть близкими, но не равными значению пробы, попавшей в блок.

Для выявления возможных ошибок блочной модели, возникших в процессе присвоения качественных показателей (интерполяции), а также для оценки ее точности, существует широкий набор методов. Мы рассмотрим основные из них.

Основная цель данного метода - убедиться, что оценка является глобально несмещенной. Заверка предполагает проведение базового статистического анализа исходных данных (композитов) и блочной модели и сопоставление результатов.

При применении метода стоит учитывать следующие особенности:

• Сравнение выполняется по доменам (в пределах 1 популяции)
• Если проводилось ограничение ураганных содержаний, сопоставление проводится по усеченным содержаниям.
• В сопоставлении участвуют декластеризованные данные.
• Средние содержания по модели должны быть либо взвешены на объем блока, либо браться только по материнским блокам.

Принято, что глобальная допустимая погрешность оценки блочной модели - менее 5%. В отдельных случаях, например, при высокой дисперсии содержаний, либо редкой сети опробования, возможны отклонения до 10%. Однако любое отклонение заслуживает внимания и стоит установить причины и критичность таких отклонений.

Дисперсия средних значений по блочной модели должна быть ниже, чем по композитным пробам.

При корректной блочной модели результат сравнения гистограмм предполагает, что их формы должны быть сходными.

График заверки блочной модели (swath plot) является отображением результата сравнения трендов данных (композитов) и рассчитанных значений в блоках модели. Он служит инструментом для подтверждения правильности общей оценки интерполяции качественных показателей.  Процесс создания swath plot заключается в усреднении данных опробования в определённом пространственном срезе и сравнении их с усреднёнными расчётными данными (в блочной модели) в том же самом срезе.

Современные ГГИС позволяют использовать функцию создания графики заверки блочных моделей для сравнения нескольких атрибутов блочной модели с несколькими типами композитов (проб). Также можно выбрать направление срезов для анализа: по широте, долготе или высотной отметке. Рекомендуемое направление - вкрест простирания рудного тела.

В идеальном случае кривые содержаний по исходным данным и расчетных значений должны полностью совпадать. В реальности – должны проходить максимально близко друг от друга и не иметь систематических завышений или занижений.

На рисунке выше представлен график заверки модели железорудного месторождения. Сопоставлены содержания железа в композитах (синим цветом), содержания в блоках, полученное в результате интерполяции методом кригинга (зеленым цветом) и методом обратных расстояний (желтым цветом). Красным цветом показано количество проб в каждом срезе. На графике видно, что стабильного завышения или занижения рассчитанных содержаний относительно исходных данных нет. Однако заметно, что расхождения в значениях увеличиваются в правой части графика, что закономерно коррелирует с количеством проб.

Для заверки составляется отчет по отработанным блокам (по содержаниям, объемам и массе). В качестве ограничителей при создании справки применяются две поверхности на интересующие периоды.

Далее проводится сравнение плановых и фактических показателей по отработанному пространству с детализацией по горизонтам, блокам и т.д. Движение горной массы по руднику, а также содержания по фабрике должны соответствовать данным по блочной модели.

Кроме вышеописанных методов заверки блочных моделей существуют и другие, например, кривая тоннаж-содержание, анализ чувствительности, оценка эффективности кригинга, линия регрессии, сравнение результатов оценок с результатами при использовании других методов, в т.ч. традиционных.