矿产资源在国家经济和社会的快速发展进程中,具有极其重要的地位。随着矿产勘查工作由浅部矿向深部隐伏矿、由易识别矿向难识别矿进军,找矿难度日益增大,地质专家越来越重视新理论、新方法、新技术的应用。深度学习作为人工智能的前沿领域/技术,对于“处理海量多元化地质数据,高效智能地分析地质数据本身的空间关联性,识别地质要素的空间特征,深层次提取和挖掘成矿异常信息,实现矿产资源预测智能化预测评价”具有得天独厚的优势。甘肃大桥重点研究区位于甘肃省境内,研究区内矿床以大桥金矿床为代表,成矿地质条件优越,找矿潜力较好。本文在充分搜集整理甘肃大桥重点研究区多元地质资料的基础上,应用深度学习网络模型进行找矿预测,取得如下成果和认识:(1)提出了基于深度学习进行智能找矿预测的关键方法和流程针对传统方法对成矿要素条件独立性有严格要求并且受主观因素影响较大问题,本研究提出了基于深度学习分类模型与深度学习回归模型进行智能找矿预测的方法和流程。本论文研究过程中发现,分类模型在区域预测大类别划分上有优势,而回归模型在细节预测上更精准更收敛,结合找矿预测逐层深入递进的思想,将二者结合,实现区域上远景区划分至靶区圈定的良好过渡。提出方法具有很强的泛化能力,具有自动化、智能化程度高等特点,可以提高找矿预测效率。(2)创建了基于领域专家知识的成矿预测要素深度学习样本集成矿要素既有定量的地球化学元素值也有地质、重力异常线环构造解译等定性信息。为了解决基于人工智能方法利用综合信息成矿预测,将定性数据定量化以满足计算机输入要求。本研究结合传统方法,根据证据权法中不同图层权值以及各定性预测变量与已知典型矿床的空间关系,合理地给赋值。根据金成矿模式,以重力推断构造带为中心线构建缓冲区,通过计算缓冲区内采样点与中心线之间的距离量化重力对成矿影响。在此基础上,根据专家经验建立样本对应真值,从而实现构建具有领域知识的全要素训练样本集,为利用综合信息进行智能找矿预测奠定了基础。(3)开展了矿产资源定量预测与评价在构建领域专家知识深度学习样本集前提下,利用一维卷积神经网络分类成矿预测模型划分了9处中高潜力成矿远景区。在成矿远景区基础上,利用深度学习回归模型预测了高概率成矿有利区域,根据已知典型矿床位置以及与传统证据权预测靶区结果对比验证,共圈定了8处高概率找矿靶区,并分别对靶区的找矿潜力进行了定量预测与评价。