现代工业的发展对矿产资源的需求日益增大。埋藏较浅、开采难度较低的矿床已接近枯竭;埋藏较深、不易辨别、不易开发和利用的矿床已成为新的勘探和开发目标。而在方法上,传统的直接采矿方法已经很难适应当今矿产资源的赋存环境,因此,数字矿山、智能矿山等间接找矿方法已经逐渐取代人力矿山、机械矿山等直接找矿方法。这些间接找矿方法显著地提升了找矿效率,但是仍然存在灵活度较低、扩展性不强、不能很好地重用新的结果等问题。案例推理作为人工智能的一个分支,已广泛应用于各个领域。案例推理只需对案例进行特征提取,然后将未知案例和历史已知案例进行一一比较,用获得的相似案例结果,来对未知案例进行求解。案例推理无需构建精确领域模型,对于模糊性、非线性和规则提取困难的问题非常有效。论文将案例推理思想引入区域矿产资源潜力预测中,结合地理信息技术,利用多源地质空间数据,充分挖掘隐含在成矿单元与控矿因素之间的空间邻近度,构建了有别于传统案例表达模型的,将属性特征与空间邻近度特征集成表达的成矿案例模型,并在此基础上构建了成矿案例推理模型。进一步,开发了成矿案例推理原型系统,并以青海东昆仑地区为研究区域,针对金矿进行了成矿案例推理实验。实验结果表明:相比于仅采用属性特征的传统案例推理,论文提出的同时采用属性特征与空间邻近度特征集成表达的成矿案例推理模型获得了更好的金矿预测精度,在第一组对比实验中,前者高潜力预测精度为:85.81%,高潜力加中潜力为:89.19%,后者分别为:85.81%和89.86%;第二组对比实验前者高潜力预测精度为:88.24%,高潜力加中潜力为:98.53%,后者分别为:91.18%和98.53%。而与经典数学地质方法证据权模型相比,成矿案例推理模型也获得了更好的预测精度,前者高潜力加中潜力预测精度仅为:74.40%。通过研究与实验,论文得出以下结论:(1)相比于只针对属性特征的传统案例推理模型,论文提出的融合空间邻近度的成矿案例推理模型对金矿资源潜力的预测获得了更高的精度,说明充分挖掘隐含于成矿单元与控矿因素之间的空间邻近度,构建集成属性特征与空间邻近度特征的成矿案例表达模型并进而进行成矿案例推理是更加有效的。(2)相比于证据权模型,论文提出的成矿案例推理模型对金矿资源潜力的预测获得了更为显著的预测效果,初步说明成矿案例推理模型用于金矿资源潜力的预测是比较可行的。