如何判断小体重数据质量的合格性
陈 源
在资源量估算过程中，小体重数据是重要影响变量之一，小体重数据的质量是非合格直接影响资源量估算的精度。如何判断小体重数据的质量呢？
小体重数据的精度至少为小数点后一位，那么测试时，其数据精度就需要精确到小数点数据后二位，即1%。行业内，通常要求小体重数据的精度为小数点后二位，即测试精度为小数点后三位，即1。
小体重数据的测定通常采用封蜡法，样品通常重100-300克，蜡重1克左右。在小体重数据的测试过程中，重（质）量测定是最关键步骤。实验室通常配备1/1万克到1/1百万克精度的电子天平。在野外，机械天平的最小砝码通常为1克。显然，用最小砝码为1克的机械天平来测定小体重数据，其质量是不被认可的。
在小体重数据测试过程中，还涉及到湿度、孔隙度和品位等问题，其中，湿度是强制需要测试的数据。湿度是指是否在烘干状态下测定，资源量估算结果原则上是干重数据。我国规范通常规定，湿度大于3%时要进行体重数据校正，湿重小体重数据也允许用来估算资源量。澳洲JORC规范要求至少要提供湿度方面的数据，并说明资源量的估算是湿重还是干重。孔隙度数据主要涉及部分强烈氧化后的氧化矿石，孔隙度数据的测定主要通过气体孔隙度仪、或液体饱和法等来测定。品位数据主要涉及部分样品的小体重数据受品位影响，如铁矿的小体重数据与全铁品位明显正相关，小体重数据值随全铁品位增高而增高。此种情况下，不可以用小体重数据的平均值来估算资源量。
在资源量估算之前，需要评估测试小体重数据的代表性。一个矿床的不同矿石类型通常会对小体重数据产生影响，如岩金矿的氧化矿和原生矿。当确定存在不同矿石类型对小体重数据产生影响时，小体重数据的代表性主要针对不同的矿石类型。通常要求至少30件有效的小体重数据是分别针对不同的矿石类型，即对一个氧化矿矿石类型明显影响小体重数据的矿床来说，总的有效小体重数据至少在60件以上。30件的要求来自统计学理论，即30件的数据是样本最小代表性数据。
考虑到上述因素后，如何评估30件数据的代表性呢？这就要通过频率分布图来说明，即在同一测试精度水平下如果没有人为采样因素和不合格的测试误差因素，30件小体重数据的频率分布图一定为正态分布图，即算术平均值与众数相同。如果频率分布图呈负偏分布，即算术平均值明显大于众数，则说明部分测试数据明显偏高，应查明原因，多数情况来自人为因素。或者，频率分布图呈正偏分布，即算术平均值明显小于众数，则说明部分测试数据存在某种原因导致偏低。明显的正偏和负偏频率分布的小体重数据均是不合格数据，即算术平均值与中数之间的相对误差不得大于3%。
理论上，可以用大体重数据来校正小体重数据，但是，大体重数据同样存在代表性问题。不能用不具代表性的大体重数量来校正小体重数据。
