一直以来地球化学元素异常下限的确定是勘察地球化学的一个基本问题,数十年来人们一直在寻求一种既能体现地球化学元素含量分布特点,又能快速、准确地确定地球化学异常下限的简便方法。而异常梯度变化对异常研究又有着重要的作用,因为通过异常梯度能够迅速的获得不同强度的异常区域。在我国的西部复杂的地质地貌区,如何通过快速准确的方法确定地球化学元素异常下限,并通过有效的方法对大片地球化学异常区进行分解,缩小异常面积,寻找异常浓度中心,以实现提高找矿效率的目的具有重要的现实意义。传统方法在求地球化学元素异常下限时需要对特高品位进行剔除,这样做会影响结果的准确性和客观性。基于峭度的级联神经网络盲提取算法在对化探数据进行处理时不需要剔除特高值,同时也能够避免漏掉一些有价值的异常。结合分形含量梯度法能够更准确的圈定异常浓度中心。应用这两种结合的方法对西藏墨竹工卡县甲玛工作区的1:5万水系沉淀物地球化学测量数据进行了处理,以Cu元素为研究对象,确定了Cu元素的异常下限,采用分形插值原理绘制出分形插值曲面图,并圈定了异常浓度中心,圈闭的异常形态清晰,异常强度大。从实际的效果来看,该方法圈定的异常范围客观而全面的反映了甲玛铜多金属矿铜的矿化范围,而且与矿点的吻合度高,由此可以说明基于峭度的级联神经网络盲提取算法和分形含量梯度法的结合是实用而有效的,在地球化学异常圈定的工作中值得推广。