證據權方法是一中綜合各種證據來支援一種假設的定量方法。該方法最初是一種非空間應用的方法，主要用在對醫療診斷的支援上，其中的證據由一系列的症狀組成，假設是“這名病人已經患×病”。對於每一個症狀，都有一組權重計算，一種是存在這種症狀得病的機率，一種是不存在這種症狀得病的機率。這種症狀的權重值就取決於被調查的所有已知被確診患有該種疾病的病人群體中有這種症狀的比例。得到的權重可以被用來估計一個新的病人在存在或缺乏該種症狀的情況下會得到這種疾病的機率。證據權方法在20世紀80年代後期被應用於礦產資源潛力製圖與地理資訊系統。在這種情況下，證據包括一個勘探地球資料集（圖層組），並假設是“這個位置是有利於×型別礦床的發生”。權重就從用來預測的證據圖層中已有的發現的礦床和礦床大小規模來估計。該假設會利用計算得到得權重反覆評估可能有利成礦區域，然後利用各證據圖層來得到一個礦產資源潛力圖。該方法屬於一種多準則決策方法。
類似多元迴歸統計方法，證據權模型中對證據的綜合包含有自變數（礦藏的有利出現區域）和預測變數（地圖形式的勘查資料集）。證據權方法術語在各種出版物有所不同。在本文中下列術語將會被頻繁使用。
（1）證據層。這是一個用來預測（礦點）點物件的地圖或面圖層（向量或柵格格式 – shape或者grid檔案）。多邊形或柵格證據圖層的包含兩種或多種值（類值）。例如，地質圖，可能有兩個或多個值代表存在的類別（地圖單位）。雖然最初的證據權重被定義為二值化的證據曾（也有出版物稱為二值化模式），但它也可以被應用到的包含有兩個以上類別的物件。通常情況下，多類證據物件一般透過分類被簡化數量相對少的幾個值，以利於解釋。
（2）訓練點。這是一個由已發現礦點組成的點層的物件，包含了礦點的位置資訊。因此，在礦產勘探領域中，這些點就是礦點（已開採的，發現的，等等），這些礦點以前由探礦，製圖或勘探公司所發現。但在其他研究中 ，這些點物件可能包括地震活動地點，故障路口，泉水的位置，以及其他點型別。這一系列的點的位置是用於計算每個證據圖層的權重，每個類別一個權重，計算中使用的是訓練點的位置與不同類別證據圖層值的拓撲關係（這裡指的是證據圖層內的類別物件與證據點包含，相鄰，穿越等一系列關係，根據不同的關係賦予不同的權重值，如定義包含為最佳，可以給包含有證據點的物件給予最高權重值----翻譯者補充）。訓練點的資訊被儲存在一個屬性表裡。點的子集可以點的屬性來選擇，諸如儲量規模，礦床型別等。然而，訓練點只能是存在或是不存在與證據圖層的某個類別裡，但是不能由礦點的屬性來附加計算權重，例如礦點的儲量。（這裡應該是一個簡單的證據權應用軟體的說明，該軟體不包含這種方法，證據全最新的研究已經能夠使用例如證據礦點的規模來增加包含其的有利證據的權重----翻譯者補充）。
（3）單元格。每個訓練點被假定佔用一個單位面積，命名為單元格。為了計算一個點出現的機率，包含該點的單元格機率必須選擇。證據權方法的輸出是一張後驗機率圖，該圖顯示的是每個單元格會出現礦點的機率。因此機率值會隨著單元格單位面積的變化而變化。單元格必須在計算機運算前提前設定好，並且所有的訓練點和證據圖層必須使用相同的單元格。計算用的單元格的面積和實際點的尺寸和影響沒有關係，也獨立於柵格資料集中的單元格大小。如果是計算單元面積足夠小的話，每個單元的權重值是和單元面積獨立的。
（4）結果圖。這是一個輸出的機率圖，表示一個單位面積包含一個點機率，綜合了的預測變數（證據圖層）的權重估計。結果圖通常被分類為少數幾種值以便於更方便被描述。如果訓練點是一個特殊型別礦床，結果圖就是該礦產的潛力估計。
（5）勘查資料集。在這裡，經常被使用的包括數字化地質圖，地球物理影象，地球勘察化學資料和遙感影象等。在預測過程中，總有一個從原始資料集中提取證據的過程，而這個過程取決於被使用的勘探模型。
（6）勘探模型。已經有數量龐大的針對不同礦床型別的勘察模型。礦床模型可以幫助分類和識別新出現的礦點，提升對礦床結構的理解，從而為勘察提供幫助。然而，這種模型通常是根據礦床的特點和周圍環境，而這種其中所需要的許多特徵都無法從原始的勘查資料庫中獲取。從另一方面來說，勘察模型就是指在勘察過程中從原始勘查資料中找出特定礦床型別的特點。重要的是要注意的是，不存在的證據和存在的證據同等重要，但那些和已知礦床負相關的資料卻被記錄的很少。
（7）研究區（柵格）。研究區是一個二值化的物件，它定義感興趣區域。它的作用是定義一個掩模和區域，在該區域外的證據層和訓練點將在權重的計算和輸出的結果圖中被忽略。
證據權方法是一中綜合各種證據來支援一種假設的定量方法。該方法最初是一種非空間應用的方法，主要用在對醫療診斷的支援上，其中的證據由一系列的症狀組成，假設是“這名病人已經患×病”。對於每一個症狀，都有一組權重計算，一種是存在這種症狀得病的機率，一種是不存在這種症狀得病的機率。這種症狀的權重值就取決於被調查的所有已知被確診患有該種疾病的病人群體中有這種症狀的比例。得到的權重可以被用來估計一個新的病人在存在或缺乏該種症狀的情況下會得到這種疾病的機率。證據權方法在20世紀80年代後期被應用於礦產資源潛力製圖與地理資訊系統。在這種情況下，證據包括一個勘探地球資料集（圖層組），並假設是“這個位置是有利於×型別礦床的發生”。權重就從用來預測的證據圖層中已有的發現的礦床和礦床大小規模來估計。該假設會利用計算得到得權重反覆評估可能有利成礦區域，然後利用各證據圖層來得到一個礦產資源潛力圖。該方法屬於一種多準則決策方法。
類似多元迴歸統計方法，證據權模型中對證據的綜合包含有自變數（礦藏的有利出現區域）和預測變數（地圖形式的勘查資料集）。證據權方法術語在各種出版物有所不同。在本文中下列術語將會被頻繁使用。
（1）證據層。這是一個用來預測（礦點）點物件的地圖或面圖層（向量或柵格格式 – shape或者grid檔案）。多邊形或柵格證據圖層的包含兩種或多種值（類值）。例如，地質圖，可能有兩個或多個值代表存在的類別（地圖單位）。雖然最初的證據權重被定義為二值化的證據曾（也有出版物稱為二值化模式），但它也可以被應用到的包含有兩個以上類別的物件。通常情況下，多類證據物件一般透過分類被簡化數量相對少的幾個值，以利於解釋。
（2）訓練點。這是一個由已發現礦點組成的點層的物件，包含了礦點的位置資訊。因此，在礦產勘探領域中，這些點就是礦點（已開採的，發現的，等等），這些礦點以前由探礦，製圖或勘探公司所發現。但在其他研究中 ，這些點物件可能包括地震活動地點，故障路口，泉水的位置，以及其他點型別。這一系列的點的位置是用於計算每個證據圖層的權重，每個類別一個權重，計算中使用的是訓練點的位置與不同類別證據圖層值的拓撲關係（這裡指的是證據圖層內的類別物件與證據點包含，相鄰，穿越等一系列關係，根據不同的關係賦予不同的權重值，如定義包含為最佳，可以給包含有證據點的物件給予最高權重值----翻譯者補充）。訓練點的資訊被儲存在一個屬性表裡。點的子集可以點的屬性來選擇，諸如儲量規模，礦床型別等。然而，訓練點只能是存在或是不存在與證據圖層的某個類別裡，但是不能由礦點的屬性來附加計算權重，例如礦點的儲量。（這裡應該是一個簡單的證據權應用軟體的說明，該軟體不包含這種方法，證據全最新的研究已經能夠使用例如證據礦點的規模來增加包含其的有利證據的權重----翻譯者補充）。
（3）單元格。每個訓練點被假定佔用一個單位面積，命名為單元格。為了計算一個點出現的機率，包含該點的單元格機率必須選擇。證據權方法的輸出是一張後驗機率圖，該圖顯示的是每個單元格會出現礦點的機率。因此機率值會隨著單元格單位面積的變化而變化。單元格必須在計算機運算前提前設定好，並且所有的訓練點和證據圖層必須使用相同的單元格。計算用的單元格的面積和實際點的尺寸和影響沒有關係，也獨立於柵格資料集中的單元格大小。如果是計算單元面積足夠小的話，每個單元的權重值是和單元面積獨立的。
（4）結果圖。這是一個輸出的機率圖，表示一個單位面積包含一個點機率，綜合了的預測變數（證據圖層）的權重估計。結果圖通常被分類為少數幾種值以便於更方便被描述。如果訓練點是一個特殊型別礦床，結果圖就是該礦產的潛力估計。
（5）勘查資料集。在這裡，經常被使用的包括數字化地質圖，地球物理影象，地球勘察化學資料和遙感影象等。在預測過程中，總有一個從原始資料集中提取證據的過程，而這個過程取決於被使用的勘探模型。
（6）勘探模型。已經有數量龐大的針對不同礦床型別的勘察模型。礦床模型可以幫助分類和識別新出現的礦點，提升對礦床結構的理解，從而為勘察提供幫助。然而，這種模型通常是根據礦床的特點和周圍環境，而這種其中所需要的許多特徵都無法從原始的勘查資料庫中獲取。從另一方面來說，勘察模型就是指在勘察過程中從原始勘查資料中找出特定礦床型別的特點。重要的是要注意的是，不存在的證據和存在的證據同等重要，但那些和已知礦床負相關的資料卻被記錄的很少。
（7）研究區（柵格）。研究區是一個二值化的物件，它定義感興趣區域。它的作用是定義一個掩模和區域，在該區域外的證據層和訓練點將在權重的計算和輸出的結果圖中被忽略。