人工神经网络是近几十年来迅速发展起来的信息处理技术之一,BP神经网络是人工神经网络模式中应用最为广泛的一种模式,而应用BP神经网络进行矿产资源预测也已成为矿产识别中的一种重要手段,本文研究了人工神经网络的理论基础、模式设计以及算法实现过程,指出常规BP神经网络在算法上存在的局部极小收敛、学习速度慢、计算精度低等问题,针对BP网络存在的这些问题,本文引入了一种新的非线性优化理论,即同伦优化理论,并将这种全局寻优的、收敛速度快的优化理论应用于BP神经网络误差反算学习阶段,该方法克服了传统的多层前向神经网络算法中容易陷入局部极小、收敛速度慢的问题.论文还探讨了神经网络在模式设计中一些方法和经验公式.论文编程实现了同伦BP神经网络系统,具体的探讨了BP神经网络中的梯度迭代算法,指出这种方法在迭代过程中容易陷入局部极小的原因.并探讨了应用Li-Yorke算法跟踪单个零点同伦曲线的方法,从理论上说明了应用同伦优化理论跟踪零点曲线不会陷入局部极小的问题;探讨了在应用龙格库特方法和牛顿迭代法求解零点的过程中,迭代方向、迭代步长的判断方法.给出了应用Li-Yorke求解网络权值的算法实现方法.并应用异或问题和鲁西地区金刚石预测的实例说明了同伦优化理论应用于神经网络反算过程中的有效性和优越性.鲁西地区是中国金刚石原生矿区之一,具有大量的重砂和物化探资料.根据前人对该区的研究分析,从这些资料中提取了20个特征.本文应用同伦BP神经网络对山东常马矿区以及其外围的3个已知异常进行学习,然后对七个未知异常进行分类识别,预测了该区的1个含矿异常.对西峪矿区8个已知异常进行了学习,对10个未知异常进行分类识别,预测了其中4个含矿异常.