长期的地质找矿工作积累了大量的地质、遥感、物探和化探等资料，它们都从不同的侧面反映了地质体或地质现象的某些特征。将多源综合信息用于成矿预测，更加深入地揭示其本质特征，是当前地质工作面临的一个重要问题。传统的评价建模方法有根据已知的实际资料，利用数理统计方法建立各种评，并进而对研究区进行评价预测。由于矿产资源预测要涉及许多复杂的过程，而且己知样本数据并不一定满足统计方法的假设条件，在实际的地质问题中较难实现；另外进行多源信息的综合和处理定量信息方面也存在着不足。人工神经网络是对人类智能的模拟，是在研究人脑神经活动机制过程中，受到启发而产生的一种计算机算法。神经网络由大量简单的处理单元连接而成，不需考虑具体的数学模型就可以通过对训练样本的学习来隐性的表达各变量间非线性的关系。在矿产资源评价中由于要求的数据种类多、差异性大和矿床赋存条件复杂等特点，不易用显性的数学模型来表达，利用神经网络能较好的解决以上问题。神经网络具有较强的学习能力，对含噪声和部分失真的信号有纠错的功能等特点，在地学领域已得到了广泛的应用。本文研究了人工神经网络的一般原理和算法，编写了ART、BP、HOPFIELD、RBF等几种神经网络的算法程序，并给出了应用实例。