由于矿产勘查工作逐渐由浅部矿、易识别矿向隐伏矿、难识别矿转变,找矿难度日益增大,矿产勘查工作的成功率越来越重视新理论、新技术方法的应用。积极研究新的更有效的矿产资源预测评价方法,从而提高找矿效率受到当前矿产勘查行业的高度重视。近年来,随着地质大数据时代的到来,其隐含的巨大社会、经济、科研价值已引起了各行各业的高度重视,大数据应用让“智慧找矿”的实现成为可能。因此,充分整合集成海量的地学数据,利用大数据深度挖掘和知识发现方法,实现矿产资源的智能预测评价,提高矿产预测的效果是矿产预测未来发展的方向。内蒙古浩布高地区位于黄岗-甘珠尔庙成矿带的北东端,区内矿床以浩布高铅锌多金属矿床为代表,还包括劳根坝铅锌矿床、敖脑达坝银锡多金属矿床、乌兰坝铅锌矿床及其他多金属矿(化)点多处,成矿地质条件优越,有较好的找矿潜力。充分利用研究区内的多元地学资料,应用机器学习等智能预测评价技术进行综合信息矿产预测,对于该地区的矿产勘查工作具有重要的实践意义。本文在充分收集整理浩布高地区多元地学资料的基础上,对成矿地质信息和地球化学异常信息进行了分析、提取;以综合信息成矿预测理论为指导,建立了研究区铅锌多金属矿综合信息找矿模型,综合利用多种机器学习算法进行了矿产预测,并对不同模型的预测效果进行了定量评价。研究工作主要取得了以下主要成果及认识:(1)将空间自相关方法用于地球化学弱缓异常提取,综合利用全局空间自相关和局部空间自相关的Moran’s Ⅰ指数识别地球化学数据的局部聚集和异常模式,根据高值聚类和高低值异常提取地球化学异常。实验结果表明,空间自相关提取的弱缓异常和多维分形奇异性指数法提取的弱缓异常有较好的吻合,为地理学传统空间统计方法在地球化学数据处理中的应用提供了很好的思路。(2)将半监督学习算法用于矿产预测,探讨在已知矿(化)点较少的情况下,结合未标记样本提高矿产预测效率的方法。采用协同训练模型,分别利用支持向量机和随机森林作为基分类器进行迭代训练预测,利用总体分类精度、Kappa系数等指标对预测结果进行评价。实验结果表明,协同训练模型在一定程度上提高了监督模型的分类精度。(3)考虑到地质要素的空间异质性,提出了一种融合空间统计方法和机器学习算法的矿产预测模型。首先利用空间聚类分析方法对研究区分类,划分子空间,提高子空间样本的可分性。然后利用随机森林模型对各个子空间进行建模预测。实验结果表明,从分类精度、AUC面积、预测度等评价指标上看,空间划分随机森林的预测效率都是最好的。(4)基于空间划分,利用RF-RFE法对找矿模型的十个因子进行了重要性评估。结果显示,找矿因子在各个子空间的重要性程度各不相同,反映了找矿因子存在的空间尺度效应,对找矿实践具有重要的指导作用。(5)利用空间划分随机森林的预测结果,结合区域地质背景、成矿条件极其地球化学异常特征,在浩布高地区圈定了 2个Ⅰ级找矿靶区和4个Ⅱ级找矿靶区,分别为Ⅰ-1蒙和乌拉一乌兰哈达、Ⅰ-2浩布高外围;Ⅱ-1新浩特、Ⅱ-2格日查干罕山、Ⅱ-3楚鲁达巴西部、Ⅱ-4特尼格尔图。