云南个旧地区作为大型的锡铜多金属矿集区经过数十年的勘探开发,多数的矿山面临着储量不足的问题,导致个旧经济发展受到严重制约。所以目前急需解决的问题是如何在个旧区域发现新的具有价值的锡铜多金属矿床。因此本文通过对个旧区域的地质背景、典型矿床的成因特征以及成矿模式的研究下,建立了个旧区域的锡铜多金属找矿模型,并对地球化学、地球物理、地质资料等多源信息,以ArcGIS与GeoDAS平台为基础,通过空间分析技术（Spatial Analysis）、非线性分形模型（如浓度-面积分形模型（C-A）、能谱密度-面积分形模型（S-A））以及监督学习和半监督学习进行多源找矿信息的挖掘以及成矿预测的定量研究。主要研究内容以及成果如下:（1）在多源找矿信息挖掘方面,将个旧地区的数字高程（DEM）数据生成的山体阴影图和地貌渲染图与已有的断裂构造数据叠加,进行了断裂构造的补充解译。对个旧矿区的1:20万地球化学数据,区别于传统的专家知识,通过接收者操作特征曲线（Receiver Operating Characteristic Curve,简称 ROC）选取了 Ag、As、Bi、Cu、Sn、Zn、Au、Pb 为矿化指示元素,使结果更具客观性。利用稳健主成分代替经典主成分提取了矿化元素的组合信息,成矿有利度拟合曲线图与散点图表明稳健主成分的效果明显优于经典主成分。并在此基础上,通过S-A分析将背景与异常进行了分离。对研究区1:20万的重力数据通过空间延拓和匹配滤波等方法提取布格重力异常与剩余重力异常,并结合地球化学主量元素,通过随机森林方法对矿区内的花岗岩体进行推测。结果显示,矿区内出露的花岗岩体与推断的岩体在空间上存在极强的吻合度,此外在未出露的区域也有异常显示,指示这些区域可能有隐伏岩体存在,为之后的成矿预测提供了更为准确的预测要素。（2）在矿产定量预测方面,为解决监督学习过程中负样本数量较少或负样本选取方式上带来的负样本标记是否可信的问题引入正及无标签学习（PU）方法,结果显示PU方法不仅在保证准确性的同时,还缩小了预测面积,减少了不必要的勘查成本,此外从ROC曲线与成矿有利度拟合曲线的定量分析下,PU方法明显也优于监督学习的支持向量机与随机森林。并在此基础上共圈定了 A级远景区4个,B级远景区2个,C级远景区4个。