多源找矿信息挖掘与集成在矿产勘查实践中扮演着十分重要的角色,它被认为是确保成矿预测有效性的重要环节,直接影响着成矿预测的效果。因此,如何对地学数据进行深入挖掘与有效集成,以获取能够更好表达成矿潜力的综合信息,一直是成矿预测领域的重要研究内容。近年来,机器学习的前沿算法被引入成矿预测实践,并逐渐成为该领域的研究热点。与传统分析方法相比,机器学习方法对复杂、隐蔽的分布特征以及变量之间的关系拥有更强的刻画与提取能力,且大多数方法对数据的分布模式并不敏感,具有更广泛的适用性。鉴于此,本文以闽西南森林覆盖区为示范研究区,在已收集和整理的多源地学数据基础上,综合运用GIS空间分析、分形与多重分形理论和机器学习等方法开展了多源找矿信息挖掘与成矿预测相关研究,主要研究内容及取得的认识包括:（一）断裂构造解译与控矿作用分析基于1:20万区域航磁数据,运用地球物理场源边界信息增强方法开展了断裂构造解译,并结合DEM数据对区内缺失的断裂信息进行了补充完善。同时,借助GIS空间分析和局部奇异性分析方法定量评估了不同走向断裂构造对已知铜矿床（点）空间分布的控制作用。初步确定了区内广泛发育的NW向和NE向断裂为成矿有利要素,而SN向断裂与已知铜矿床（点）存在空间负相关关系。（二）矿化指示元素选取与综合异常信息提取基于水系沉积物化探数据开展了以下两方面研究:一方面考虑次生作用等因素影响,从地球化学元素空间分布与富集规律和地球化学元素与矿床空间耦合关系两个层面出发,综合运用多重分形谱函数和ROC曲线开展了矿化指示元素选取;另一方面由于研究区覆盖层的影响,异常信息会受到不同程度的屏蔽和衰减,形成弱缓信号而难以被识别和提取。因此,本次将深度自编码网络模型应用于深层次异常信息提取。结果表明,深度自编码网络模型不仅可接受高维地球化学数据进行融合,同时可借助深度网络的多层非线性变换特征有效的获取隐蔽异常信息,所提取的综合异常与已知铜矿床（点）具有很好的空间耦合关系,该方法有助于提升异常识别精度。（三）中酸性隐伏岩体推断由于覆盖与屏蔽作用,覆盖区往往缺少地质直接观察信息,难以获取完整的地学空间数据。因此,本次研究基于区域地球化学常量组分和航磁数据,运用逻辑回归模型开展了中酸性隐伏岩体推断。结果表明,出露的中酸性岩体与推断岩体具有较强的空间相关性,推断结果可为区域成矿预测提供新的中酸性隐伏岩体信息。（四）基于机器学习的多源找矿信息集成针对成矿预测中已知矿床（点）不足且大量无标记样本信息未能得到充分利用的问题,本次将半监督随机森林模型运用于多源找矿信息集成研究,并与传统随机森林模型进行了对比评价。结果表明,半监督随机森林模型在传统模型的基础上融入半监督的思想,可有效的挖掘未标记的样本信息用于辅助训练模型,有助于提升成矿预测精度,该方法可为在已发现矿床（点）较少的地区开展成矿预测提供借鉴。论文的主要贡献:（1）开展了致矿地质异常信息提取。综合应用航磁数据及DEM数据开展了断裂构造解译,共解译深部断裂20条。同时,基于区域地球化学主量元素和航磁数据开展了中酸性隐伏岩体的推断。以上研究可为闽西南植被覆盖区开展成矿预测提供新的深部找矿信息;（2）开展了矿化指示元素选取和深层次异常信息提取。综合运用多重分形谱函数与ROC曲线,筛选出Cu、Au、Ag、Pb、Zn、Fe₂O₃、W、Sn、Mo、Bi、P、MgO、Cd、Sr共14种矿化指示元素,为研究区铜多金属矿矿化指示元素选取提供了参考。同时,利用深度自编码网络模型提取了隐蔽异常信息,提升了化探异常识别精度和效率;（3）开展了成矿远景区预测。应用半监督的随机森林模型开展了多源找矿信息集成,并圈定A级成矿远景区4个、B级成矿远景区3个、C级成矿远景区2个,为研究区铜多金属矿进一步找矿勘查提供了科学依据。