张士红，林子瑜

（1.河北工程大学 地球科学与工程学院，河北 邯郸 056038；2.东华理工大学，江西 抚州 344000）

矿产资源是社会经济可持续发展的重要物质基础。铀资源作为一种重要的战略资源，涉及到我国的国防安全和能源安全；发展核能亦是国际“温室气体”减排和能源可持续发展的有效途径。

在矿产勘查逐渐走向“绿地”、深部和“覆盖区”的大背景下［1］，找矿目标已经或即将转向那些深部隐伏矿，而这意味着找矿难度的加大和找矿勘探成本的提高。我国铀资源勘查开发战略面向国内、国际两个战场，如何合理规划战略选区、精准定向重点靶区，迫切需要矿产资源预测新理论、新技术和新方法。

“成矿预测是实现科学找矿勘探的重要途径和方法。由于矿床类型的多样性，矿床成因的复杂性，控矿因素的隐蔽性和找矿信息的多解性，成矿预测结果具有不确定性并常常因人而异。探索成矿预测过程客观化、定量化和精确化一直是成矿预测学的前沿课题”［2］。

随着信息技术和互联网技术的飞速发展，大数据时代已然来临。大数据的核心就是预测，大数据的“相关性”思维为突破人类知识和思维的局限提供了可能，大数据正在成为科学发现的新引擎，驱动地球科学创新发展［3］；而机器学习尤其是深度学习则是大数据分析和知识发现切实有效的工具。

地球科学属于数据密集型科学［4］，地质大数据包括地-物-化-遥和探矿工程等数据［5］。对这些数据进行深层次找矿信息挖掘和集成融合，将有助于深入探讨地学规律，为覆盖区深部找矿带来机遇。……