矿产资源是国家经济持续发展的基础之一，随着危机矿山的不断增多，亟需发现新的矿产资源。随着地球科学的发展，为矿产资源评价提供了丰富的地学数据。由于地学数据具有大量、高维、不完全、有噪声、模糊的特征，给传统的资源评价方法带来一定的困难，在这种情况下，数据挖掘技术提供了一个有效解决问题的途径。传统的地球化学找矿方法是根据采样区域内每个采样点、每一种化学元素含量值绘制等值线图，然后对所有元素的等值线图进行分析与比对。这样工作量大、效率较低，评价结果受人为的主观因素影响较大。本文与传统的地球化学找矿不同的是：引入数据挖掘技术中的聚类分析算法，对数据进行聚类，确定资源赋存靶区；然后利用数据挖掘技术中的关联分析确定靶区赋存的资源类型，为矿产资源评价提供了新的理论方法。首先，将地球化学采样点作为数据对象，测量的16种元素作为数据对象属性，运用K-means算法和Cluster算法分别对采样点进行聚类，研究和分析了采样区内地球化学元素的分布特征。在研究区域内，聚类分析结果发现地球化学元素组合特征相一致（数据对象属性变化特征相同）的2个采样区域。通过将聚类结果与区域地质数据的叠加和分析对比，确定出了矿产资源赋存靶区。其中一个靶区位于钾长花岗岩、花岗斑岩分布区域；另外一个靶区位于安山玄武岩、安山岩夹玄武安山岩分布区域。然后，利用数据挖掘技术中的关联分析进一步分析与研究了矿产资源赋存靶区内地球化学元素间的关联关系（地球化学元素的共生与组合特征），即第一个靶区中W与Bi关联，Sb与As关联，Cu与Co、Co与Ni、Ni与Cu关联，Zn与Cd、Cd与Ag关联；第二个靶区中As、Sb、Hg、Mo关联，Pb、Cd关联，W、Ni关联。根据地球化学理论知识，推断出第一个靶区是寻找银、铜、铅、锌多金属矿的有利地段；第二个靶区是寻找金、银、铅、锌矿的有利地段。通过相关文献查阅，本文评价与推断结果和目前已知的本区域研究成果基本一致，表明了数据挖掘技术能够有效的应用到矿产资源评价中，可以大大提高工作效率，并且能够取得良好的评价结果。