本文提出了一种融合因果推理与图注意力网络的三维成矿预测方法,旨在提升复杂地质环境下对深部隐伏矽卡岩型铜矿床的预测精度与效率。研究以长江中下游成矿带的安庆地区为例,基于地质图、钻孔资料和地球物理数据,采用显式与隐式相结合的建模方法,构建了涵盖地层、岩体、断层及矿体的高精度三维地质模型。在此基础上,利用基于非高斯假设的RESIT因果推理算法,对62类控矿要素进行分析,识别并构建因果图,最终筛选出14个核心控矿变量。随后,结合三维空间邻接关系构建预测数据集,并将因果结构引入GAT模型以进行矿化概率预测。对比实验结果表明,该方法在准确率、AUC值及成功率曲线等指标上均优于随机森林、支持向量机、图卷积网络和三维卷积网络等常用方法。基于模型预测,本文圈定了四个与闪长岩侵入体及三叠系碳酸盐岩接触带密切相关的深部高潜力成矿靶区。研究成果表明,因果推理与深度图学习的结合不仅能够提升预测性能,还增强了模型的地质可解释性,为深部矿产资源勘查提供了一条新的技术路径。