矿井突水事故严重影响矿工的生命安全,造成矿井设备损失,是煤矿最常发生的灾害之一。我国许多煤田的水文地质环境复杂,预防矿井突水的难度很大,而目前突水前兆信息获取和识别手段比较匮乏,因此建立合理有效的突水水源判别方法是目前预防突水事故的迫切需要。只有及时识别出突水水源的类型才能结合当时的矿井突水环境判别出是否发生突水事故。本文通过研究分析确定使用神经网络模型对水源类型进行识别,并提出一种新的MISFLA算法对BP神经网络进行改进,主要研究工作如下:1)对水化学特征进行分析,确定了判别模型的水源输入参数,通过piper三线图对突水水样的水化学成分进行了分析,并通过阴阳离子检测,数据标准化以及主成分分析确保了数据的可靠性以及精简性。2)通过对几种水源判别模型进行分析并根据实验判别结果对比确定使用BP神经网络判别模型来进行突水水源判别,判别模型的输入参数为经过数据处理后的主成分,输出为判别的几种水源类型。3)针对BP神经网络的缺点提出使用SFLA算法对BP神经网络的权值和阈值参数进行训练,将改进后的SFLA_BP神经网络通过具体实验判别验证其性能优越性。另外通过引入对立策略、高斯变异以及混沌扰动对蛙跳算法的全局搜索能力和局部搜索策略进行优化提出了一种新的混合改进蛙跳算法(MISFLA),并对MISFLA-BP神经网络的效果进行了测试。4)根据浅层神经网络的不足提出使用深信度神经网络进行突水水源类型识别,介绍了深度神经网络的基本原理和与传统神经网络相比的优势,具体分析了组成深信度神经网络(DBN)的受限波尔兹曼机(RBM)的结构,提出了一种贝叶斯改进的受限波尔兹曼机(BRBM)改进网络的泛化能力,最后用BRBM堆叠组成DBN通过判别实验对其效果进行验证。