花岗岩型铀矿是我国主要的铀矿来源之一,因此,厘定经济、可靠的铀矿含矿潜力评价方法对于推动我国铀矿事业的发展具有重要意义。然而,由于花岗岩型铀矿床成因复杂、控矿因素隐蔽,以及找矿信息的多解性,传统勘探方法在花岗岩型铀矿床探索中存在局限性。机器学习技术为解决这些问题提供了新的思路。基于此,本研究结合机器学习模型开展花岗岩型铀矿含矿潜力评价,在系统收集华南地区地球化学数据的基础上(1417条,不包含预测数据),通过多层感知机、随机森林以及梯度提升决策树机器学习算法分别构建花岗岩型铀矿含矿评价模型,同时结合遗传算法和五折交叉优化模型;最后利用混淆矩阵、精确率、召回率和受试者工作特征曲线等开展评价精度验证。结果表明,梯度提升决策树在本数据集中的表现最佳,其在测试集中的准确率达95.3%。基于此模型对湘中地区的关帝庙、沩山和白马山岩体进行了铀矿含矿潜力的预测。预测结果表明,关帝庙岩体和沩山岩体的含矿潜力较大,而白马山岩体的含矿可能性较小。本研究将机器学习应用于湘中地区的花岗岩型铀矿研究,为该地区的铀矿床勘探提供了新的视角,并探讨了不同地区的含矿潜力,为后续铀矿床勘探工作奠定了基础。