煤炭是我国的主要能源,在煤炭的生产过程中,深受矿井突水的危害。在突水发生后,及时准确的识别突水水源对煤矿安全生产意义重大。水源识别最本质的特征是对水化学数据的分析与处理,而水化学数据的实时获取则是当前的一个难题。虽然当今的科学技术在飞速发展,但现有的突水监测系统还不能完成矿井水源的实时在线式检测,这就导致无法实时、准确的掌握矿井水的水质变化特征,从而不能及时地预测突水的发生。一旦突水发生,如何快速准确的识别突水水源,对涌水量的预判以及采取相关的救援行动有着重大的意义。针对煤矿井下突水事故频发,结合电化学传感器的发展,本文提出了将电化学传感器应用于矿井水质的在线式检测,并提出了将遗传算法优化的支持向量机参数寻优算法应用于矿井突水水源的识别上。本文首先分析了矿井水害的相关背景、水源识别的意义以及国内外的研究现状。其次,对突水相关的理论进行了概述,详细分析了我国矿井水害的区域分布特征,以及矿井水害的类型及特点,介绍了几种常用的矿井突水水源识别模型,对采用水化学数据应用于水源识别进行了可行性分析,结果表明,将煤矿井下水质的水化学特征用于突水水源的识别是可行的。基于遗传算法和支持向量机的基本原理,采用交叉验证的思想作为遗传算法的适应度函数,提出了将遗传算法优化的支持向量机参数寻优算法应用于突水水源的识别上,并对算法的性能进行了对比验证。最后,设计了矿井突水水压及围岩应力监测系统,搭建了矿井突水模型,分析了单种离子以及多种混合离子水源的识别,模拟配制了三种水质数据,利用MATLAB软件对本文提出的算法应用于突水水源的识别进行了验证。仿真结果表明,该算法对突水水源的识别有较高的准确率,相比于传统的水源识别算法对于相似含水层识别率低的问题,本文改进的算法对其有较高的识别率,能够用于矿井突水的水源识别。