在矿井建设和生产过程中,矿井水害常常造成重大的人员伤亡与财产损失,甚至是难以恢复的环境污染问题。为了防治该类事故,各个国家和矿井企业都给予了高度重视,并在常规防治手段的基础上,不断尝试引入信息化、智能化等新技术、新方法。这使得矿井开采过程产生的水文数据呈爆炸式增长,但这些数据却始终没有得到充分、有效利用。因此,如何利用矿井水文数据,更好地服务于矿井突水安全保障成为了矿井突水防治的重要突破口。而围绕该突破口建立基于机器学习的矿井突水安全保障系统正是本文的研究主题。本文主要通过四个方面研究,构建基于机器学习的矿井突水安全保障系统,具体工作如下:1)矿井突水安全保障的知识库管理。为有针对性地分析矿井突水安全保障需要的信息,建立矿井突水知识库,其中包含矿井突水隐患清单库、水文数据库和突水案例库。隐患清单库存储的是参考国内外针对矿井突水问题的法律法规和以往发生的突水事故的调查报告中总结出的诱发矿井突水的隐患清单,并结合矿井生命周期及风险三维矩阵,从暴露率、可控性和严重度三个维度对矿井突水隐患进行风险分级表征;结合隐患清单库构建水文数据库,由地质构造数据、地下充水含水数据、采动数据、突水点水况数据等矿井突水预警所需的关键水文数据组成;为进行案例比对和推荐构建突水案例库,通过对历史矿井突水案例进行总结,提取案例中矿井属性信息、事故经过信息及响应信息。通过隐患清单库、水文数据库和突水案例库,实现矿井突水安全保障的信息管理,为后续系统提供数据支撑。2)矿井突水安全保障的数据挖掘。基于知识库中的水文信息,利用自组织神经网络、DBSCAB等机器学习算法,对矿井水文数据进行数据挖掘。通过融合时间序列模型和自组织神经网络(SOM)得出的水文数据转移概率,并与多维水文数据的DBSCAN聚类形成针对矿井水文多维数据的挖掘模型,有效规避现有流行算法的局限性问题,最终实现矿井突水安全保障的突水预警。3)矿井突水安全保障的案例推荐。利用知识库中的矿井突水案例数据库,结合机器学习的推荐算法与案例推理理论,通过余弦相似度的匹配,总结出针对矿井突水的案例推荐方法,对矿井突水案例进行推荐、重用、修正和保存,达到对历史突水案例的有效组织。最终基于案例推荐实现案例中知识和经验的有效利用。4)矿井突水安全保障云平台搭建。通过对Hadoop、云技术等的分析,提出针对矿井突水问题的安全保障云平台的服务内容、框架和运作机制,并集成知识库管理、数据挖掘和案例推荐的步骤方法,分别建立信息管理、突水预警和案例推荐三大系统模块,实现常态管理期、征兆显露期和事故响应期相互衔接的系统闭环,对矿井突水事故及时预警并推荐针对性方案,全方位、多角度、系统化的为矿山突水事故防治提供技术保障。