BP神经网络是一种具有代表意义的神经网络模型，已获得了广泛的应用。作为一种建模方法，它有很多优点，可以快速的实现多源数据信息的组合，将各种信息放在空间位置中进行分析，并给出定量化结果。本文从这个角度出发，将人工智能神经网络技术引入成矿预测领域，并在这一思想的指导下，探讨了加动量项BP人工神经网络在成矿预测应用中的研究。 本文首先介绍了人工神经网络发展历程，对加动量项的BP人工神经网络技术的研究和在成矿预测中的应用现状作了简单说明。 其次，本文介绍了BP神经网络算法思想，讨论了网络模型的构建，包括网络层数的选取、输入输出层的设计、隐含层节点数的确定，初始权值的选取、学习率、期望误差的选择原则和学习过程问题的数学描述，指出了网络算法容易陷入到局部极小值、收敛速度慢、网络结构和学习参数难以确定等存在的问题，并讨论了加动量项对其改进的方法。 以VC++平台在Windows XP系统下开发了人机交互界面，并对加动量项的BP网络功能模块设计进行了分析。随后，将上述带动量项的BP算法应用于XOR问题，与标准BP算法作比较分析了动量项的作用。实验证明它一定程度克服了网络陷入局部极小或发生振荡，加快了网络收敛速度，扩大了学习率的选择范围；对α参照η的合适选择范围以及不同隐含层节点数和学习率训练方案作了试探性研究。 最后，以云南个旧高松矿田为例，对研究区地质背景、地质控矿特征、地球化学特征包括化探原生晕异常下限提取及成矿元素组合作了详细分析，基于GIS进行信息提取、分析处理，在此基础上建立了加动量项BP神经网络找矿模型，通过BP神经网络自动进行联想和推理，得出预测结果，生成了矿产资源预测图，并对靶区作了简要评价。