本书共6章，第1章介绍ArcGIs软件安装、Python集成开发环境安装和环境配置相关步骤；第2章介绍ArcGIs软件的基本操作，包括数据可视化、数据插值和缓冲区分析等；第3章介绍数据准备，包括数据格式转换和数据读取等；第4章介绍基于随机森林算法开展矿产资源潜力评价的具体实施步骤；第5章介绍基于卷积神经网络算法开展矿产资源潜力评价的具体实施步骤；第6章介绍基于ArcMPM软件开展矿产资源潜力评价的使用说明。 本书的目的在于加强学生及地质技术人员基于人工智能开展矿产资源大数据深度挖掘及智能评价的实验技术训练，提高其基本操作技能和实际动手能力，使其掌握智能矿产资源潜力评价的原理、逻辑实现、设计方法及模型构建与评价流程。

第1章 软件安装与环境配置
1.1 ArcGIS
1.2 Python
1.3 TensorFlow
1.3.1 Anaconda安装
1.3.2 TensorFlow环境配置
1.3.3 常用工具包
1.4 集成开发环境
第2章 ArcGIS基本操作
2.1 数据可视化
2.1.1 矢量数据可视化
2.1.2 结果数据可视化
2.2 数据插值
2.3 缓冲区分析
第3章 数据准备
3.1 MapGIS格式数据转ArcGlS格式数据
3.2 正负样本标签制作
3.3 Python数据读取
3.4 地球化学成分数据转换
第4章 随机森林
4.1 算法原理
4.2 样本制作
4.3 参数优化
4.4 模型输入
4.5 模型训练及预测
4.6 结果评价
第5章 卷积神经网络
5.1 算法原理
5.2 样本制作
5.3 模型输入
5.4 模型结构及参数
5.5 模型训练及输出
5.6 结果评价
第6章 ArcMPM基本操作
6.1 软件介绍
6.2 安装与卸载
6.2.1 软件运行条件
6.2.2 软件安装过程
6.2.3 软件卸载
6.3 软件界面
6.4 样本制作
6.5 矿产资源潜力评价
6.5.1 随机森林
6.5.2 卷积神经网络
主要参考文献
附录
附录1 随机森林样本制作代码
附录2 随机森林参数优化代码
附录3 基于随机森林的矿产资源潜力评价代码
附录4 卷积神经网络样本制作代码
附录5 基于卷积神经网络的矿产资源潜力评价代码