近年来,地学空间信息处理、机器学习等技术,促进了空间定量预测与评价方法的长足发展。AdaBoost作为机器学习算法的一种,它能够通过集成提升算法精度。成矿系统是一个多元、异构的复杂系统,成矿事件的起因、发展、结果在空间上都具有复杂的特征。因此,人们很难将某给定区域精确划为“有矿”或“无矿”,而是给出一个“有矿的概率”,这通常表示一个模糊的逻辑。Real Adaboost分类器是对传统的Discrete Adaboost分类器的扩展和提升。相比于传统弱分类器的二值输出,Real Adaboost的每个弱分类器输出的都是一个表示“属于某个类的概率”,并通过将0-1的概率值映射到实数域,这也是“Real”的含义,能够表达更为复杂的分类逻辑。本文的主要研究内容包括:(1)介绍了Boosting算法的提出和发展,对传统和Real AdaBoost算法的误差,进行了分析说明。(2)通过分析传统Adaboost算法,分类器权重计算公式也存在一些问题,例如:在分类错误率接近0时,分类器权重取值为正无穷,影响了最终强分类器精度;由于困难或异常样本存在,在样本权重更新过程中,多次被分错样本的权重过大,进而影响分类器的选择,使分类精度下降。针对以上问题,提出了一种基于传统AdaBoost算法分类器权加权参数公式的改进方法,在改进的计算公式中,统一了分类器权重,并较好抑制了样本整体中困难样本权重过大的现象,最终提升了预测精度。(3)在东天山成矿带开展了Real AdaBoost算法的铁矿资源的成矿预测应用示范研究,并得到较好的预测结果,拓展了该方法的应用领域,为研究区成矿预测工作提供了工作思路。本文将Boosting算法,特别是在其他科学领域已经具有一定研究基础的Adaboost和Real Adaboost算法应用于我国新疆东天山成矿带的铁矿成矿预测中。从而验证Adaboost相关方法在成矿预测应用中的有效性,并为相关领域的研究提供一定的依据。此外,该案例研究也进一步推广了AdaBoost算法及其变种算法在多元信息集成以及成矿预测中的应用。