中国南岭地区分布着大量铅锌矿产资源，但随着矿产勘查方向逐渐由浅层易识别矿转变为隐蔽难识别矿，找矿难度在不断增加，近年来寻找大型矿床的工作未取得较大突破。主要原因包括：研究区内的重点矿集区布设有较为精细的区调地质调查工作，而非矿集区则没有，致使区域地质调查工作在整体上看来十分不平衡；此外，传统工作主要针对典型矿床的研究，缺乏区域内系统的勘查地球化学分析和矿产资源定量化评价工作。
本文结合南岭地区地球化学、断裂构造和地球物理信息，提出一种统计和相关性分析聚合的机器学习方法，具体来说，统计断层及花岗岩分布特征与规律，进行地球物理异常、断层缓冲区和花岗岩边界识别，归纳成矿元素统计特征、元素组合特征。将融合处理后的多维数据用于机器学习模型训练和矿产资源预测，圈定南岭成矿带铅锌矿产资源远景区。
通过多种评价指标的对比，本文提出的方法的模型拟合结果优于使用单一矿床作为样本的实验，可以更好的缓解过拟合。同时，预测得出的高潜力区域保留了绝大多数的含矿点，矿化比例高。成矿潜力预测图突出了已知的Pb-Zn元素异常和新的远景区，为今后南岭地区的矿产资源勘查和开发提供了重要指导。

铅锌矿,南岭地区,成矿预测,机器学习