铝土矿作为战略性紧缺资源,亟需推进其找矿勘查工作。针对传统找矿方法在效率和精度上的局限性,本文以桂西平果地区喀斯特型铝土矿为研究对象,提出了一种基于多源数据融合的深度学习找矿预测方法。研究基于U-Net基准模型,重点探讨滑动窗口技术构建多源地学数据训练集和网络架构参数优化对模型性能的影响,并通过引入综合得分S(由交并比IoU、F1分数、归一化训练时间Tn加权组成)定量评估模型性能,进而构建深度学习找矿预测模型。研究发现:(1)使用滑动窗口技术构建数据集时,75%重叠率的S值较0重叠率显著提高了71.04%,表明该设置能实现数据增强并显著提升模型性能;(2)进一步优化网络架构(采用64基础通道数、replicate卷积填充、添加SE+模块、ELU激活函数及交叉熵+Dice的组合损失函数),使模型S值再提升8.72%,显著增强了复杂地质特征的表达能力。最后,在预测区开展找矿预测并结合多源数据,成功圈定5个找矿靶区。多源数据与深度学习技术的结合,丰富了喀斯特型铝土矿找矿预测理论,为该类型矿产勘查提供了科学依据。