找矿靶区优选的方法一般有经验类比法、综合信息法和数学模型等。在具体工作中,这三种方法通常结合在一起使用。
       A．经验类比法
       靶区优选总体上讲属于被选靶区与已知的矿床之间的相似类比以及被选靶区相互之间的优劣对比排序,这种优选在很大程度上是以已有的找矿经验为基础的,人的主观认识在整个优选过程中起着重要的作用。找矿经验是人们在长期找矿实践中知识的一种自然积累,其虽然形式上是一种思维上的直觉认识,但实质上在一定程度上却是客观规律在人的头脑中的反映。因此,利用经验类比对找矿靶区进行筛选和优劣排序具有一定的可靠性及可行性。经验类比法可分为地质类比法和人工智能法两种。
       地质类比法：
       是地质人员据不同靶区内的成矿地质条件、各种矿化信息的发育程度和所处的经济地理位置等方面的综合分析,结合与已知的矿床类比,对靶区进行相对的优劣分级排序,地质类比法也可以是直接借用已有的、比较成熟的成矿模式对靶区的成矿有利程度进行类比,并在结合考虑其它有关因素（如交通、地理等）的基础上完成靶区的优劣性对比及分类。
       人工智能法：
       是在地质类比法和模型法应用的基础上,结合计算机技术,将已有的专家经验和一定的矿床模型输入计算机,建立起专门性的专家系统,进而将欲研究地区的有关信息资料输入,进行对比评判,在此基础上对欲选靶区的优劣作出评价。人工智能法是一种典型的经验类比,建模时所选择的专家经验和矿床模型对所建立的专家系统的应用有效性具有至关重要的影响。国外已建立用于靶区评价和优选的专家系统如美国的斯坦福大学的Prospector、美国地质调查所的mu.PROSPECTOR系统等,国内有段中会研制的阿舍勒型多金属矿床预测评价专家系统、王世称的综合信息金矿预测专家系统、赵鹏大的大中比例尺矿床统计预测专家系统等。
        B．综合信息法
        综合信息法是将地质、遥感、地球物理、地球化学等不同方面获取的多源地学信息经进一步的优化、加工处理后,转化为相互关联的间接信息,进而对靶区的优劣性做出评判的方法。我国王世称教授等人在这方面进行了卓有成效的研究和实践尝试。详细内容：
       综合信息法的提出和应用是基于成矿作用是一个极其复杂的地质过程,矿床的形成则是这一过程中多种地质因素共同作用的最终结果,因而对未知矿床的预测,本身就是一项综合性很强、难度很大的技术工作,依靠单一的找矿方法而获取的信息对成矿前景的评价往往是片面的,再之,矿床这种特殊地质体本身就是一个和谐的统一体,不同找矿方法获取的地学信息,如地、物、化遥等,仅是其不同侧面的有关特征的反映,因此,只有综合各方面的信息资料,才能对靶区的优劣性做出正确的评估。
       综合信息法的具体应用应是在对成矿地质条件深入了解的基础上,尽可能全面地收集各方面的信息资料,在此基础上进行有关信息的相互关联、转换和合成工作,由直接信息转化为新的、具有机联系的间接信息,最后进行优劣性对比评价。综合信息法的应用成效如何取决于源信息的纯化及占有程度、信息的关联、提取、转换与合成是否合理、正确等环节。综合信息法对有关信息的研究成果形式,一般是建立起综合找矿模型,然后以此做为信息提取、评判标准对待选地段进行对比。
       C．数学模型法
       数学模型法是指在地质特征及成矿规律研究的基础上,通过对有关的地质变量,矿化信息特征与矿床成矿可能性大小及成矿规模在量值上的内在关系的分析,构置或选择一定的数学模型,进而利用数学模型对靶区（单元内）内可能形成的矿床数量及成矿的规模大小进行定量的估计,从而达到靶区优选的目的的方法。本类方法是以地质、成矿规律研究为基础,以数学为工具、以计算机为手段。数学模型法据其依据的数学原理和方法可分为矿床统计预测方法、灰色关联分析法、模糊数学方法、分形几何方法、地质统计方法、模式识别方法等。上述方法中以矿床统计预测方法发展最为成熟、实际应用最为普遍,其包括众多的具体方法,如找矿信息量分析法、回归分析、判别分析、条件概率分析法等,赵鹏大院士等人在这方面进行了大量卓有成效的研究及实践工作,具体有关方法的应用可参见赵鹏大院士等人编著的矿床统计预测一书