煤矿资源一直是我国最主要且重要的基础能源,预计在未来很长的时间内也仍将是我国最关键的工业原料。但是当前我国煤矿安全生产工作中,很多煤矿开采前参考的仍然是依靠以往已经过时的地质信息,忽略了随着时间变化,地下地质构造会发生较大的变化,如果在煤矿开采过程中对地面及地下构造种类识别不清,定位不准,会导致发生重大的煤矿生产事故,造成巨大的人员伤亡以及财产损失。利用三维地震勘探获得的多属性数据及电法勘探获得的属性数据进行综合分析,开展基于多属性及多源数据的融合研究,是当前地质构造与地下含水区的解释以及预测的新的发展趋势。近几年人工智能、机器学习等技术与地勘领域的交叉融合,推动了相关技术、仪器快速发展,多源信息融合成为近几年地勘领域相关研究的重要方向。同时技术的进步使得可挖掘到的地质信息也越来越丰富,也为当前地质构造研究提供了足够的数据支撑。本研究基于国家重点研发计划支撑项目,主要利用山西阳泉新元矿区实地勘探获得的已揭露区域的地震属性数据以及电阻率属性为基础进行地质构造识别及富水性识别研究。前期经过实地勘探了解到该区域主要存在断层、陷落柱等地质异常体,对地下开采工作造成了很大的影响。而勘探获取到的信息经过处理后得到的地震属性信息可以在地质勘探过程中,对地质异常体的识别提供有利的参考依据。但是以往的工作经验以及研究表明,单一的地震属性对地面与地下异常构造的预测存在多解性和不确定性的问题,因此本研究选择地震多属性融合技术进行地质构造的识别与预测。首先经过随机森林、决策树、逻辑回归、梯度提升树（Gradient Boosting Decision Tree,GBDT）等四种算法的预测结果对比,选择利用随机森林算法构建的地质构造识别模型。其次,基于经典网格搜索的随机森林算法,通过将随机森林参数组成参数对进行参数寻优对随机森林算法进行优化,基于优化后的随机森林算法对多种地震属性进行融合,构建地质构造识别模型。利用该模型对目标矿区的断层、陷落柱进行预测,预测结果显示,优化后的算法模型准确率更高,同时预测数据可视化结果显示该模型对于断层、陷落柱的识别精度更好。最后,基于优化后的随机森林算法模型,将多个地震属性与电阻率属性进行融合,通过相关性分析与属性重要性分析,最后保留三个地震属性与电阻率属性进行多源信息融合并对地质构造的富水性进行识别。实验结果显示,多源信息融合模型相比于单一的电阻率属性数据识别能够更好的反应地质构造的富水性以及含水区边界,为当前煤矿开采地质构造富水性预测提供一条新的思路。