1.含约束SVM异常化学单元素分类方法，其特征在于：包括以下步骤：对待分类范围内的采样数据进行预处理得到训练数据集；对所述训练数据集加入约束条件得到含约束条件的训练数据集，所述约束条件包括地质单元分区约束条件及地质构造约束条件，其中，所述加入地质单元分区约束条件具体步骤包括：为训练数据集添加地质单元属性；根据所述地质单元属性将训练数据集中的元素分类；求取每一类元素的异常下限；所述异常下限成为判断元素类别的判定条件；对于异常下限不同的相邻分区，将相邻分区异常下限公共边界上的元素标记为非异常元素加入到所述训练数据集中以约束异常区不跨越边界线；判断所述边界线上的元素分布情况；若分布稀疏，则在稀疏的地方增加元素以保证约束效果；若分布稠密，则在稠密的地方抽稀以提高计算效率；对于异常下限相同的相邻分区不做任何处理；所述加入地质构造约束条件具体步骤包括：将增加的用于约束异常不能越界的边界元素属性赋值为0；获取同一采样线上的异常元素集；获取相邻采样线上的异常元素集；确定添加虚拟异常元素的区域；在所述区域内添加虚拟异常元素；获取添加虚拟异常元素的坐标位置和标识；对所述含约束条件的训练数据集进行归一化处理，归一化后的含约束条件的训练数据集用于训练SVM分类器；获取SVM分类器的最优核函数得到SVM最优分类器；以整个研究区为范围，构建规则网格预测元素；利用SVM分类器预测规则网格预测元素，得到网格元素的类别；将得到的网格预测元素构建成网格，以元素的类别表示元素的属性值，通过等值线追踪的方法，追踪外、中、内带异常分类线；使用线性分类后的结果生成完整的地球化学单元素异常图。

2.如权利要求1所述的含约束SVM异常化学单元素分类方法，其特征在于：所述核函数为RBF核函数；在确定最优SVM分类器的参数时，所述RBF核函数的gamma参数为指数级增长，惩罚因子为均匀步长增长；使用5折交叉验证和10折交叉验证来验证最优SVM分类器的分类准确率。

3.如权利要求1所述的含约束SVM异常化学单元素分类方法，其特征在于：所述使用所述SVM最优分类器对训练数据集进行线性分类具体包括：所述线性分类在高维空间中实现；

所述外带、中带及内带线性分类被转换到二维平面上显示。

4.如权利要求1所述的含约束SVM异常化学单元素分类方法，其特征在于：所述使用线性分类后的结果生成完整的地球化学单元素异常图包括：对所述外、中、内带异常分类线精细光滑处理和拓扑造区。