基于深度学习的地质找矿信息挖掘与集成已经成为数学地球科学的前沿领域 .深度学习作为一种具有多级非线性变换的层级机器学习算法，在地质找矿大数据挖掘与集成中仍处于探索阶段，还有一系列问题亟需解决 . 以卷积神经网络为例，探讨了基于深度学习的地质找矿大数据挖掘与集成过程中两大挑战：训练样本不足和深度学习网络模型构建困难，重点分析了基于复制和添加噪声的地质找矿数据增强技术并开展了多组对比实验，构建了适用于地质找矿大数据挖掘与集成的训练样本和卷积神经网络模型 . 该模型对闽西南铁多金属成矿区的地质、地球物理和地球化学等多源数据进行了特征提取与集成融合，圈定了找矿远景区，为该区进一步找矿提供了科学依据 .
