三维成矿预测是目前深部隐伏矿床找矿预测的重要途径之一。三维成矿预测方法通过三维地质建模、三维预测要素分析挖掘，三维预测信息融合等步骤，能够更加有效的融合多源多维数据，更好的圈定深部靶区，以降低找矿勘探风险，促进找矿突破。
机器学习方法多年来一直被广泛应用于三维预测信息融合研究。证据权重方法、逻辑回归方法、神经网络方法、随机森林方法等已被广泛应用。在长江中下游成矿带内的宁芜盆地钟姑矿田、安庆-贵池矿集区的月山矿田、南陵-宣城矿集区的研究和实践成果表明，机器学习方法能够较好的融合各类型三维预测信息，依托成矿有利程度圈定深部找矿靶区。
近年来，深度学习方法已被广泛应用于众多行业和领域。相较于传统的机器学习方法，其非线性、多层感知的特点可能更为适合应用于三维成矿预测工作。因此，研究基于三维卷积神经网络模型开展三维成矿预测研究，并基于宁芜盆地白象山铁矿床和南陵-宣城矿集区的茶亭地区的实际数据开展了三维成矿预测实践应用和方法验证。研究结果表明，三维卷积神经网络方法能够有效提升三维成矿预测能力，具有很好的研究前景和应用价值。

机器学习；三维；成矿预测