我国矿产资源短缺，很多未发现矿产资源地处西部偏远山区，勘查成本高。利用已有海量地质空间数据，结合地理信息、人工智能等现代信息技术，构建高效的矿产资源潜力预测方法，并在研究程度较低区域进行示范应用，为矿产勘查提供找矿靶区，降低矿产资源勘查成本，具有重要的科学意义和实际应用价值。论文针对当前矿产资源潜力预测与评价方法存在空间关系欠考虑、缺乏智能性等问题，提出两种新的矿产资源潜力预测方法，并以中国西部典型成矿带——青海东昆仑成矿带为例，进行详细的示范应用。论文的主要研究工作和成果包括：（1）构建了融合C4.5决策树、证据权和m-branch概率平滑的区域矿产资源潜力预测方法。该方法将传统的证据权模型用于各个成矿专题图层的重要性排序和最优缓冲距离选择，C4.5决策树算法用于对样本集合进行分类，构造决策树分类器，m-branch概率平滑技术则用于将决策树转换为概率预测树（ProbabilisticEstimation Trees，PET）。该方法不需要条件独立性假设，适合应用在类似矿产资源潜力预测的类不平衡数据集，具有易理解、准确和高效的优点。（2）构建了组合空间场景相似性和案例推理的区域矿产资源潜力预测方法。该方法中，空间场景相似性理论用于度量已知案例与未知案例之间的空间场景和空间关系的相似性表达。该方法突破了基于单一成矿专题属性的矿产资源潜力预测方法的思路，充分考虑了空间关系和空间场景。（3）应用融合C4.5决策树、证据权和m-branch概率平滑的区域矿产资源潜力预测方法，对青海省东昆仑成矿带矿产资源（铁矿、金矿、铜铅锌多金属矿）潜力进行了详细预测实验，整体预测效果较传统的证据权方法好。其中，金矿的预测效果最好，拟合优度测试AUC值（theArea Under ROC Curve；ROC，ReceiverOperating Characteristic Curve）达到99.62%，十折交叉验证测试达到94.29%。对矿点落入潜力区进行统计，在拟合优度测试，83.72%矿点落入高潜力区（总面积的9.78%），9.30%落入中潜力区（总面积的13.96%），6.98%落入低潜力区（总面积的76.26%）；在交叉验证测试，76.74%矿点落入高潜力区（总面积的9.56%），13.95%落入中潜力区（总面积的15.40%），9.31%落入低潜力区（总面积的75.04%）。（4）应用组合空间场景相似性和案例推理的区域矿产资源潜力预测方法，对青海省东昆仑成矿带矿产资源（铁矿、金矿、铜铅锌多金属矿）潜力进行了详细预测实验，整体预测效果也较C4.5方法提高。其中，铁矿的预测效果最好，该方法比C4.5方法拟合优度测试和交叉验证测试具有更好的预测效果，79.01%的矿点落入高潜力区（总面积的9.99%），17.28%落入在中潜力区（总面积的10.29%），3.71%落入在低潜力区（总面积的79.72%）。并且，只选取了3个成矿专题图层，而C4.5方法选择了10个图层，即该方法用更少的成矿专题图层得到了更好的预测效果。