20世纪50～60年代，苏联在哈萨克斯坦编制了基于构造岩浆建造分析的成矿预测图，M.阿莱斯^[注]等在阿尔及利亚开展区域矿产资源评价，都为编制综合信息矿产预测图提供了最早的方法模型与实践经验。70～90年代，美国、加拿大、苏联和中国普遍开展矿产资源潜力评价，综合信息矿产预测图在技术上、质量上和效果上都有很大提高。进入21世纪，随着计算机技术的迅速发展，新的数据挖掘与知识发现模型的涌现，综合信息矿产预测图的编制更趋交互式、智能化、可视化和实用化。

综合信息矿产预测图的预测过程包含矿床模型、数据库、预测算法和计算机软件4个组成部分。矿床模型提供预测的地质学思路，中国、美国、加拿大、俄罗斯等国都建立了面向潜在矿产资源评价的矿床模型系统。数据库存放用于预测的地质、地球物理、地球化学和遥感数据，通常是以GIS空间数据的方式存储。预测算法提供预测的数学工具，在20世纪70～80年代使用最多的是多元统计方法，21世纪后，以人工神经网络为代表的计算方法成为矿产预测方法的主流。预测算法的基本思路是从众多的地质、地球物理、地球化学和遥感（图中的诸e）数据中提取矿化信息，生成矿化有利度指标（图中的R）。最后通过计算机软件实现预测过程并获取预测结果，将矿化有利度指标与其他辅助空间信息制成综合预测图件。

早期综合信息矿产预测图的预测过程中的计算机输入是数字，需要进行取数、转换等复杂程序，准备工作量很大。现代综合信息预测是在GIS支持下进行的，输入的数据是图层，处理的对象是图层，输出的预测结果也是图层，大大提高了预测效率；在预测效果和可视性方面，也有大幅度提高。

综合信息矿产预测图是一个区域矿产资源潜力的展示，对于国家的资源勘查开发规划具有重要意义。自20世纪70年代以来，美国、加拿大、苏联、中国均开展了多轮矿产资源潜力评价，提供大量综合信息矿产预测图，在发现新的矿产地方面起到了重要作用。

综合信息矿产预测图