勘查地球化学找矿是矿产资源勘查的一种重要手段，勘查地球化学数据处理方法是决定异常圈定正确与否的关键之一。以往的勘查地球化学数据处理方法通常是基于正态总体的统计方法，这类方法得到了广泛应用并取得了大量成果，但是常规的数据处理方法有其不可回避的缺陷，对于不满足线性特征的数据，必然会导致信息的压制和人为的信息丢失。成矿是一个复杂的过程，原生环境和次生演化的复杂性使得地球化学的分散模式呈现出错综复杂的特性，地球化学单元素的空间分布规律对于矿床的定位必然片面、局限。故而，元素的组合特征和综合特征成为了矿产预测的重要指标，提取组合异常和综合异常的新技术、新方法就显得尤为重要，以往确定元素组合或元素综合的方法多以在深入研究成矿机理的基础上采用因子分析、主成分分析等常规统计方法。近年来，地球化学数据的非线性特征越来越被业界重视，随之而来的是混沌、分形和智能神经网络等非线性方法的广泛应用。注重地质成矿规律的作用，准确的确定综合异常能够正确识别出与成矿有关的矿化信息，因此，本文力争为地球化学勘查提供新的、有效的数据分析方法。数据融合方法是近年来数据分析领域的研究热点之一，其在信号和图像处理方法的应用中取得了很大的成功，信息融合是对来自多个传感器的数据进行多级别、多方面、多层次的处理，从而产生新的有意义的信息，而这种新信息是任何单一传感器所无法获得的。Kalman滤波是一种线性、无偏、以误差方差最小为准则的最优估计算法，采用基于Kalman滤波的数据融合方法处理地球化学数据并提取综合信息具备理论基础、是可行性的。支持向量机的理论基础是统计学习，支持向量机以结构风险最小化为准则，可以有效的解决机器学习的过学习问题，具有泛化性，理论上一定存在全局最优解，不会陷入局部最优；同时采取核函数方法，在降低维数向高维空间映射时不增加运算的复杂度，本文基于支持向量机理论，通过分类的思想分解背景与异常。总之，本文基于Kalman滤波的数据融合和支持向量机的优势，将二者结合分析，利用Kalman滤波的数据融合技术提取地球化学综合异常信息，利用支持向量机算法对融合数据进行异常分离，并圈定异常区域。通过对西藏自治区谢通门县雄村铜金矿区的土壤地球化学测量数据的分析，比较客观和全面的反映了实际矿化情况，综合异常与实际相符，异常下限的选择比较合理，所圈定异常区域与矿区实际相符，表明结合基于Kalman滤波的数据融合和支持向量机的方法处理地球化学数据，并提取综合异常是可靠有效的。