传统的成矿评价和预测模型多以某种统计学假设为前提，但在实际应用中完全符合这样假设的地质事件往往是不存在的。由于成矿是多种地质因素耦合作用的结果，各种地质因素与成矿作用间为非线性关系。因此基于统计学的数学模型不能很好体现成矿作用过程的客观数值模拟。近年来以动态搜索最优结构模型取代静态统计分析模型，将建模预测与空间数据挖掘结合，将非线性科学与矿产资源评价相结合，提高其客观性和智能化程度是矿产资源评价及预测的重要发展方向。 2001年由葡萄牙科学家Candida Ferreira在遗传算法和遗传程序设计基础上提出的基因表达式编程(Gene Expression Programming，简称GEP)是遗传算法家族的新成员，在演化建模和函数发现方面，GEP不要求事先确定模型结构，不需要任何先验知识，根据生物遗传机制，随机构造一组模型表达式，通过基因复制、杂交和变异算子对模型结构进行调整组合，从而得到一组优化的模型。特别是当所寻找的函数本身比较复杂时，GEP演化建模能够在更大的函数空间内进行模型搜索，因此和现有建模方法相比，GEP演化建模具有建模过程智能化与自动化、模型结构灵活多样、数据拟合和预测精度高等优点。 在地学数据挖掘中，地质数据不但数据维度高，数据间存在很强的空间相关性，而且经常有数据缺失的现象发生。由于演化建模在复杂数据建模特别是所寻找的函数比较复杂时具有较明显的优势，因此论文拟针对成矿预测的特点，通过对以GEP为代表的演化建模技术新理论、新方法的研究，进行相关的空间数据自动建模技术研究，并以云南个旧锡铜多金属矿床为研究对象进行基于GEP的空间回归建模算法和基于GEP的空间分类算法研究，以挖掘出用户感兴趣的空间特征与模式。论文还针对实际建模过程中出现的复杂数据预测精度不高、所建模式系数难以明确含义等问题对算法进行了改进。 论文在详细介绍基因表达式编程技术、编码方式、算法基本结构以及关键实现技术的基础上，结合地学空间结构分析的常用方法，探讨了基于GEP的空间回归建模算法。由于地球化学元素的空间分布随采样点位置的不同发生随机、不确定和不规则的变化，其拟合方程是复杂的非线性函数。论文利用GEP在多维函数空间上较强的函数发现能力描述地球化学元素值区域性变化的趋势并突出局部异常，以云南个旧锡铜多金属矿床地球化学元素作为研究对象挖掘元素的空间分布特征，选取BP神经网络模型进行模型对比研究。实验结果表明GEP算法能够较好地描述地球化学元素的一维空间分布趋势，模型得到的拟合结果较好地逼近已知解。 采用GEP演化建模发现地球化学元素空间分布函数，证明了模型的有效性。但是算法在二维空间分布函数的演化建模中也出现适应度值不高、拟合结果误差较大等问题。论文以空间自相关理论为基础，借鉴克里格法的插值思想，在基于GEP的空间回归建模算法基础上，首次提出基于邻近点输入的GEP空间回归建模思想，以充分利用地质变量局部空间结构信息，增强信息空间分布的描述能力，弱化样本数据噪音的影响。实验结果表明，模型的拟合、检验精度均有明显提高。对训练样本的逼近能力明显优于标准GEP算法。该方法是对GEP算法的改进和创新，也是对传统Kriging估值的有益补充。 GEP演化建模过程中，由于GEP染色体的组合、交配、繁殖都是随机的，适应度函数总是倾向于选择适应度较高的个体保存，所以在进化达到一定代数以后，整个种群会出现向高适应度个体集中的趋势，破坏种群的多样性，陷入局部最优。另外复杂数据的演化建模，计算量过大，也影响了GEP演化建模的效果。为进一步提高空间回归建模精度，增强GEP算法的学习能力，论文在基于邻近点输入的GEP空间回归建模算法基础上首次引入二次演化建模算法，算法利用原始数据与所建模型的残差对原模型进行修正，实验结果表明该算法在复杂数据的演化建模中，模型得到的拟合结果能够很好地逼近已知解，在化探数据处理中有助于提高估值精度并发现一些特异值。 论文在系统阐述和比较目前多种遗传分类器算法的基础上，给出GEP分类器的基本算法，探讨了采用GEP分类器挖掘成矿预测分类规则的设计流程。对云南个旧锡铜多金属矿床的地球化学数据、地质线元数据等进行了分类规则挖掘实验，并选择决策树C4.5算法、朴素贝叶斯网络分类算法等进行了模型对比研究，实验结果表明，与其它分类算法相比，GEP分类器能在分类规则搜索中寻找出有效的分类模型，具有更高的预测精度，能够挖掘出多源地学数据与成矿之间存在的复杂非线性关系。 在地学空间分类规则挖掘方面，由于空间数据存在数据不一致、不完整和噪声等问题，现有的空间分类算法如基于C4.5的决策树算法并不适合处理不完整信息，基于粗糙集的空间分类方法算法虽然准确度较高，但算法的时间复杂度较高，属性约简方法不完备。结合GEP在复杂数据建模方面的优势，论文采用空间谓词形式化表示地学知识以及空间关系，通过空间连续数据离散化、属性概化等操作，采用GEP挖掘空间分类规则。并以云南个旧锡铜多金属矿床为研究对象，进行了基于空间属性的空间分类和基于非空间属性的空间分类研究。 由于GEP分类规则挖掘算法所建模式存在各系数难以明确含义，晦涩难懂等问题，论文在深入研究GEP和决策树两种算法的基础上，改进现有的GEP分类器，提供可理解的分类规则，并应用到空间分类规则挖掘中。实验结果表明，采用基于GEP的决策树分类算法可以提供可理解的空间分类规则，能够挖掘出如断裂方位、岩体出露与成矿有利度之间的关系并提供可理解的空间分类规则，表达形式直观明确，适合空间分类知识模式的挖掘。