智能找矿预测是数字地质科学的前沿研究领域,大量的机器学习方法已广泛应用于矿产预测模型的建立中。当下众多研究方法主要通过将各类地质数据绘制为地质图像,并对其进行分割得到训练单元,通过训练单元内是否有已知矿点作为标签进行学习与预测。然而,这种方式存在训练数据不足、模型较为复杂和无法清晰判别假异常区等问题。本研究旨在利用区域化探数据信息与地质成矿要素构建多源化矿产预测模型,以四川南部地区金矿为例,采用卷积神经网络对地质源数据直接处理,划分距离区间作为标签进行有监督学习,应用于距已知矿点距离较远的空白区域圈定找矿远景区。模型结果最终得到7处找矿远景区,表明卷积神经网络能够很好的将已知金矿周边特征进行提取,有效挖掘初始数据信息。本研究,在提高金矿潜在找矿远景区预测精度的同时,为空白区找矿提供了新的解决方法,为机器学习在矿产勘查领域的应用提供了一种新的试验方式。