随着新一代人工智能技术的突破,深度学习为矿产资源预测提供了新的技术范式。传统找矿方法在处理海量多元异构地质数据时,会面临空间分布不均、非线性关系复杂、特征提取效率低等难题。以五龙沟地区为研究对象,提出一种基于CNN2D模型的智能找矿预测方法,旨在解决多源数据融合与非线性特征挖掘难题。该方法融合了地质、物探、化探3种多元异构数据,设计并训练了二维卷积神经网络金矿找矿预测模型。结果表明:融合地质、化探、物探3种数据的预测效果最优,模型的准确率较高;预测区面积占全区面积10.13%,圈定的P03预测区、P05预测区、P07预测区具有良好找矿条件,可作为找矿靶区进一步布设探矿工程。通过野外调查并对比前人研究成果,认为预测结果符合成矿规律,具有良好的找矿潜力,进一步证明了本方法的有效性。本研究实现了CNN2D模型在高原复杂构造区的找矿应用,为深部矿产预测提供了可解释性强、泛化能力强的智能解决方案。