在矿产资源勘查与评价中对矿体属性（品位、形态等）的描述至关重要，它直接体现在先前投入的工作是否有效，更是一个找矿成果的直接体现。目前，该项工作主要依靠钻探工程来了解矿床的贫富，但成本昂贵且费时费力。随着地质理论不断地发展，人们一直尝试着开展综合信息找矿理论的研究，建立了各种各样的矿产预测模型，但多数建立在统计学的理论之上，不但要求有海量的训练样本，而且预测精度远远不够。针对上述问题，本课题将传统的地质找矿方法与机器学习新技术结合起来,将全新的统计学习理论——支持向量机应用到矿产预测模型之中，其特有而坚实的理论基础（推广性的界、结构风险最小化、核函数、最优回归超平面）可有效地解决以往预测模型中要求大样本、过学习、局部极小、高维数等问题。目前，支持向量机在天气预报、含水层水量预测、交通事故等领域均取得成功的应用，受到了广大学者的认可。本研究课题依托于内蒙古自治区地质矿产勘查基金项目：《内蒙古自治区新巴尔虎右旗宝格德乌拉地区银多金属矿产整装勘查（试验）》，并借以其中的钨矿作为预测对象，开展基于支持向量机的物化探异常进行多金属矿产量化预测研究，建立了相应的预测模型。首先收集了大量国内外成矿预测方面的研究成果及支持向量机在相关领域的应用范例，分析研究了成矿预测的地质-地球物理-地球化学前提，详细阐述了统计学习理论及支持向量机的基本内容与框架。其次，对化探参量（面金属量）或矿体品位和物探参量（电阻率、极化率、磁性等）进行了相关分析，并选定与金属元素W相关性较强的参量作为预测模型的输入特征向量，建立以地下不同深度W的含量为输出预测量的金属矿产预测模型。通过深入研究有关支持向量机应用中的经验与技巧，确定了适合该预测模型所需的一些技术方法。采用循环实验的方法，选定了径向基核函数（RBF）作为本次预测模型的核函数；又通过交叉验证和网格搜索，得到了所需的最佳模型参数，建立了一套基于物化探异常信息进行成矿预测的模型，采用Visual C++6.0语言编程，完成了预测系统的编制。最后，将模型应用到宝格德乌拉区沙那根呼都格钼钨矿进行实例验证，并取得了较好的效果；在充分研究该区的地质条件后，总结了适合于该区的地质—地球物理—地球化学找矿模型。本研究课题的主要成果有：①首次将支持向量机用于基于地面物化探异常的成矿预测中，实现了不带先知条件的对地下矿体的定量预测。②在充分总结沙那根呼都格成矿规律的基础上，建立了该区的地质-地球物理-地球化学找矿模型。