大地热流是研究地球内部热传递和热储量的重要手段,但是由于大地热流只能进行单点测量,无法连续观测且测量成本较高,故可用数据分布极不均匀。早期使用的热流图大多是根据热流测点直接插值获得的,得到的热流图容易受数据分布不均的影响。热流测点密集的地方分辨率高,稀疏的地方分辨率低,导致数据稀疏的地区预测的热流不准确。而利用机器学习的方法,结合地质与地球物理特征进行预测,能够以相对较低的成本得到目标区域更高精度的热流图。本文综述了机器学习算法在大地热流预测中的应用,对现有算法进行了分类归纳,并探讨了数据处理、特征选择和模型评估的关键环节。本文明确了数据预处理、评估指标选择的重要性,指出了模型低估现象的挑战,并对机器学习在热流预测中的未来发展进行了展望,强调了算法创新和模型优化的必要性。综上利用机器学习进行热流预测对于指导后续的地热资源评估、地震预测、地质构造研究、油气成熟度评估等工作均有重要意义。