澳大利亚多金属铁氧化物角砾杂岩型(IOCG型)铀矿床已探明铀资源量为242.0万t U,主要分布于南澳高勒地盾北东缘,以奥林匹克坝和卡拉帕提娜矿床为代表,具有非常大的找矿潜力。深度学习作为人工智能的前沿技术,对于实现“智慧找矿”及“大数据找矿”有着得天独厚的优势,可以为深部找矿及圈定远景成矿区提供有力的技术支撑。本文利用研究区多元地学大数据开展基于深度学习的高勒IOCG型铀矿成矿预测,圈定远景成矿区,以期为后续找矿工作提供理论及技术参考,所取得的成果包括以下几个方面:(1)建立了高勒地盾多源地学空间数据库。本文收集了高勒地盾多元地学数据,包括沉积盖层厚度、变质结晶基底高程、重力、磁力、航放等数据,并在此基础上进行数据处理与分析,建立了高勒地盾多源地学空间数据库,为深度学习与成矿预测的研究奠定了基础。(2)筛选出重要的预测变量,构建了窗口样本数据集。对研究区成矿预测要素进行处理,通过主成分分析及ROC分析,筛选出对研究区铀矿化具有良好甄别性能的主分量;以研究区具有代表性的两个矿床的矿化平面投影范围进行网格化处理,并缓冲两个单元格,经过窗口数据剪裁和矩阵线性变换,形成研究区2844个矿化窗口样本(正样本),并随机抽取同等数量的非矿窗口样本(负样本),共同构建了研究区可用于卷积神经网络训练的窗口样本数据集。(3)建立CNN成矿预测模型,圈定找矿远景区。将深度学习引入南澳IOCG型铀矿成矿预测中,设计深度卷积神经网络架构,并利用上述窗口样本集进行训练,建立基于深度学习的成矿预测模型,得到该地区铀成矿有利度图,结合研究区地质因素对其进行分析,对该地区IOCG型铀矿进行矿产资源定量预测,圈定了Roxby异常片(I)和Woomera异常片(II)两个找矿远景区。