我国的矿产资源丰富,大力开展国内矿产资源评价是促进矿产资源可持续供应的重要举措。地理信息系统(GIS)技术的发展为矿产资源的的评价提供了有力工具,而支持向量机(Support Vector Machine, SVM)是近几年在统计学习理论的基础上发展起来的一种新的模式识别方法,它在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势,己广泛地用于趋势分析和模式识别以及遥感图像的分类。本文将GIS技术和SVM技术相结合应用于矿产资源的评价中。本文数据来源于四川省科技厅国际合作与交流项目《基于SAPE公司意义的四川丹巴地区Cu-Ni-Pt族矿产资源经济评价及相关政策体系研究》项目,目的是建立适当的资源评价模型对丹巴地区Cu-Ni-Pt族矿产资源进行评价,为企业与地方经济发展策略的制定提供一定的参考。四川丹巴地区Cu-Ni-Pt族元素矿床,属基性、超基性岩型Cu-Ni-Pt矿床,包括杨柳坪、正子岩、打枪岩、红旗岭等矿体多个。对这类岩浆型Cu-Ni-Pt族元素矿床的矿石学研究,已较为深入,研究资料十分丰富。本文以丹巴杨柳坪地区的地质资料为研究对象,采用了GIS技术和支持向量机相结合的方法对杨柳坪地区的Cu-Ni-Pt族资源进行预测和评价。从地质空间数据库的建立,到评价指标的选取,图层的栅格化处理、利用SVM法对成矿信息进行分类,最后进行综合评价,最终得到成矿有利区和成矿远景区的圈定。从本文的评价结果来看,该方法对矿产资源进行评价是合理可行的,可以有效的为有矿靶区圈定、矿床预测、矿产资源评价等方面提供参考。