在地质勘探过程中,由于技术、设备的客观条件限制,造成了部分基础地质数据的缺失,这使得矿床建模时地质数据不够完整准确,直接影响了矿体形态及储量估值的精度。为了向矿床模型的构建环节提供完整且可信的基础地质数据,首先研究了地质缺失数据的产生机制,并通过对比分析期望—极大化算法(EM算法)、马尔可夫—蒙特卡洛方法(MCMC方法)以及BP神经网络等数据插补方法的特点及适用条件,提出了基于BP神经网络的地质缺失数据处理方法,构建了地质缺失数据处理的BP神经网络模型,并在山东某金矿进行了实际应用与模型验证。结果表明,模型可以实现地质缺失数据的部分插补,插补结果可信,可以有效解决因基础资料缺失所带来的地质数据不完整问题。