Assimilation de données de sources multiples pour améliorer les modèles géologiques et de teneurs

La mise en marché d’une mine ainsi que la planification de l’exploitation de ses ressources requièrent une modélisation numérique en trois dimensions de la géologie et des teneurs en minéraux économiques des zones minéralisées. Les méthodes conventionnelles de modélisation géologiques et des teneurs en minéraux économiques des gisements ne sont basées que sur les mesures acquises sur les carottes de forages et le modèle conceptuel des géologues de la mine. Or, il existe de nombreuses mesures indirectes acquises à la surface et en forages qui permettraient d’avoir un meilleur contrôle sur le modèle numérique en dehors des forages. Ces mesures consistent pour la plupart en des mesures géophysiques de surface et en forages (diagraphies). Il est reconnu que les mesures en surface n’ont pas la résolution intrinsèque nécessaire afin d’y inférer des paramètres physiques corrélables avec les mesures géologiques en forages. En effet, le processus algorithmique permettant d’inférer les propriétés physiques à partir des mesures géophysiques de surface (inversion) à l’effet de sur estimer la moyenne et de sous-estimer les valeurs extrêmes. Or ce sont les valeurs extrêmes qui sont recherchées. Il fallait donc développer une nouvelle méthode de travail afin d’assimiler l’ensemble des données et des connaissances afin de générer des modèles possibles de la distribution spatiale de la géologie et des teneurs en minéraux économiques.

Les travaux effectués dans le cadre de ce programme de recherche ont permis de développer une méthodologie d’intégration et d’assimilation de données géophysiques, géochimiques et géologiques donnant accès à des modèles numériques tri-dimensionnels de la géologie et des teneurs en minéraux économiques des gisements plus précis ainsi qu’à l’incertitude de ces paramètres. Les résultats ont plusieurs impacts:

1- Les modèles numériques générés grâce aux approches développées permettent une meilleure planification minière et permettent de réinterpréter les contextes géologiques et miniers. Cette méthode donnera un avantage économique aux compagnies qui l’utiliseront. En effet, une meilleure compréhension de la distribution spatiale de la zone minéralisée permet de mieux planifier l’exploitation de la mine, de réduire la dilution, c’est à dire mieux différencier les zones minéralisées des zones de gangue et de réduire l’impact sur l’environnement en réduisant la haldes à stérile.

2- Les méthodologies développées ont permis à six étudiants de l’inrs de créer deux startups (goldspot et geolearn) en assimilation de données pour le domaine minier.

3- Les aspects théoriques et scientifiques de ce projet ont été divulgués dans de nombreuses revues scientifiques et plusieurs conférences provinciales (Québec Mines, CONSOREM), nationales (PDAC, exploration 2017, …) et internationales (EAGE, SEG).