断裂构造的研究一直是地学领域中的重点。作为地质过程的重要形式之一,断裂在成矿过程中有着不可替代的作用,对矿产资源的研究离不开对断裂构造的研究。目前,随着大数据时代的到来,将其引入地学领域,将有利于处理复杂的地学信息,从而有助于下一步相关的工作。在地学领域中,虽然深度学习的方法已经有了较多的应用,但在断裂预测方面的研究较少。本文基于深度学习的方法,在以下3个方面进行了探讨。1.本文基于生成式对抗网络,根据从甘肃省西秦岭大桥、寨上地区的地质图中获取的断裂数据,通过处理得到断裂数据集,输入到模型中训练得到断裂预测模型,再根据该模型进行了预测实验,四张预测断裂图与原地质图像对比,能够进行断裂构造的预测,且预测效果良好;在此基础上,利用该模型对甘肃龙首山西段高台县臭泥墩—西小口子地区的地质图提取的断裂图像进行了预测试验,生成了该地区的断裂预测图像,通过对该地区的遥感影像进行断裂的遥感解译,同样得到了该地区的遥感断裂解译图。二者对比:预测断裂图中的断裂走向都是近EW向—NWW向,与地质图和遥感解译断裂的走向一致;预测断裂图能够产生新的断裂构造,且位置对比遥感断裂解译图位置大体相同。表明利用GAN预测模型得到的预测结果具有一定的有效性。2.基于生成式对抗网络,在甘肃北山20km~2的无人机航拍正射影像中进行了断裂解译的研究。通过试验断裂解译标志中错动的岩脉、地层,GAN网络模型具备良好的断裂解译效果,该方法在正射影像断裂解译中具备较好的应用效果。3.基于卷积神经网络模型进行了龙首山西段高台县臭泥墩—西小口子地区的铜矿找矿预测。根据地化和航磁数据得到的预测结果的预测面积为27.3%;根据地质、地化和航磁得到的预测结果的预测面积为12.1%;基于GAN网络模型生成的该地区的断裂预测图作为的地质数据,综合地化和航磁数据得到的预测结果的预测面积为19.7%,相对于地化和航磁数据的预测结果在第四系及新近系中的预测区范围缩小或消失,相对于地质、地化和航磁数据的预测结果在重点找矿区（盘头山）被重新圈定,更加具有可信度。