当代矿产资源评价是复杂高维非线性系统的建模与评价过程，研究工作的主要目的是识别和提取地、物、化、遥等多源地学观测数据中的综合致矿地质异常信息，并以此为依据进行成矿预测。成矿预测是在科学预测理论的指导下，应用地质成矿理论和数理统计方法综合研究地质、地球物理、地球化学和遥感等方面的地质找矿信息，剖析成矿地质条件，总结成矿规律，建立综合信息成矿预测模型，圈定和评价成矿远景区，为区域找矿工作部署和矿产资源开发利用的统筹规划提供科学依据。单一信息的找矿模型不可避免地存在一定的局限性和片面性，只有将各种找矿方法获取的矿化信息进行综合，才能更好的区分矿与非矿信息、推断隐伏矿床或盲矿床存在的可能性大小，更好地指导找矿工作。遥感地质信息和地球化学异常是综合成矿信息的重要组成部分，随着遥感数据空间分辨率和波谱分辨率的提高，遥感技术在详细勘查及找矿过程中的应用潜力越来越大；地球化学异常的研究对象都是地表（或近地表）的表生异常，由于成矿元素分散的介质的多样性以及元素迁移的距离可以很大，使地球化学找矿法对寻找隐伏矿体和盲矿十分有效。因此，在现代矿产勘查的新战略中，利用遥感技术和地球化学结合探矿是战略性与战术性寻找大型和超大型矿床的有效手段之一。随着计算机技术飞速发展，地质信息数字化日益普及，促使数学方法在成矿预测中的应用越来越广泛。非线性矿产资源预测方法是利用数理统计方法对物探、化探、遥感等信息不断地进行挖掘，侧重于信息提取过程的研究，能够真正认识元素在成矿过程中的富集和亏损的奇异性规律，具有先进性和精确性。将非线性方法应用于矿产资源预测，旨在分析复杂地质条件下如何高效利用地物化遥信息，实现成矿远景区预测过程的自动化和智能化。本文以青海省西部的拉陵灶火地区为研究区，在充分研究工作区基础地质资料和已知矿床成矿条件的基础上，结合现有资料，对遥感地质信息和地球化学异常信息的提取方法进行分析和研究；以成矿预测理论为指导，基于选取的综合成矿信息，采用不同的非线性矿产资源预测模型进行成矿预测，划分成矿远景区，并对不同模型的预测效果和可靠性进行评价。通过分析得到的主要研究成果如下：1、将ETM+影像和高空间分辨率的资源一号02C影像配合使用，利用ETM+影像进行了全区中大级别线性构造解译，利用资源一号02C数据对区内重点成矿区域的小型次级线性构造进行了解译。在研究区线性构造解译的基础上，对解译的线性构造的长度与频度数进行统计分析，并通过构造密度分布图对其空间展布规律进行研究；利用资源一号02C数据，结合已有的地质图，对区内与成矿有关的地质体的岩性进行了补充和修改；在充分分析研究区成矿条件以及已知矿物波谱特征的基础上，以Aster多光谱遥感数据为数据源，利用比值法、主成分分析法以及光谱角法对区内矿化信息进行了提取，将不同的方法提取的蚀变信息进行综合，结合已知地质资料优选出有明确找矿意义的蚀变信息。2、基于研究区1：5万水系沉积物地球化学测量成果，分别利用传统的迭代法和趋势面分析法进行各化学元素异常值下限的计算，此外，本次研究中将医学上常用的评价筛查试验真实性方法的约登指数，引入到异常下限的计算中。对约登指数进行了重新定义，应用约登指数计算最优异常下限，利用计算的异常下限进行地球化学异常的圈定，结果表明，圈定结果与已知矿点分布吻合度较高。在各元素异常下限计算的基础上，基于聚类分析原理，采用系统聚类方法对地球化学元素的组合异常进行圈定，揭示了研究区地球化学异常的空间分布规律。3、基于GIS软件平台，针对研究区实际情况，将提取的不同类别的成矿信息进行网格化，并把网格化后的信息变量进行叠加和融合，构建综合成矿信息。结合已知矿点分布资料，利用证据权模型的正负权反差度量各成矿信息与矿床产出状态之间的关联性强弱，进行成矿信息的优选。4、本次研究将逻辑斯蒂（Logistic）回归模型和约束玻尔兹曼机模型（RBM）引入到矿产资源预测研究中，分别介绍了证据权模型、Logistic回归模型以及RBM模型的原理，应用三种模型进行了研究区成矿预测研究。在模型建立过程中，为了寻求Logistic回归和RBM模型建模的最优效果，试验分析了Logistic回归和RBM模型的不同模型参数的成矿预测效果。结果表明迭代次数和训练次数对Logisti回归模型和RBM模型的预测效果有很大的影响，但都不是次数越多越好。为了提高RBM模型的学习性能，基于训练后的RBM模型，定义了两种成矿预测指标ASC和ASE，并通过ROC曲线分析进行评价，结果表明利用ASE来定义RBM模型训练的重构误差，模型性能更加优越。5、ROC曲线分析方法是目前机器学习领域模型分类效果评价的常用方法之一。本文将ROC曲线分析方法应用于成矿预测模型的效果评价，详细分析了ROC曲线基本原理以及计算ROC曲线下方面积（AUC）的方法。AUC可以作为成矿预测模型效果评价的综合性指标，其取值范围0.5～1.0。取值为0.5时，模型预测结果等同于随机模型；取值为1.0时，预测效果最佳。计算了三种成矿预测模型预测结果对应的AUC值并通过AUC值的大小对模型的性能进行对比分析，本次选用的成矿预测模型预测结果的AUC值均大于0.7，说明三种模型的预测结果较好。根据AUC值的大小可以看出：Logistic回归模型的预测效果最好，其次是证据加权模型，然后是RBM模型。基于三种模型的预测结果，绘制了研究区成矿远景分布图，预测远景区的分布范围和空间展布趋势具有很高的相似性，并且和已知的成矿区域范围基本吻合，符合研究区的地质和成矿特征条件。