在煤矿井下,发生的水害水灾是矿井安全工作中的重点防治对象。突水是水灾主要的体现,一旦发生,则会造成严重的人身和经济损失。所以,防治水害的工作是非常重要的。在水害防治工作中,对于矿井水源的识别工作也是必不可少的,对于传统的识别方法,如水化学方法,其耗时长、效率低等缺点都没能很好地解决。针对这些情况,本文提出了利用KNN算法结合LIF技术在矿井水源识别的应用。首先分析煤矿井下水源的由来,详细介绍其产生的原因与现阶段矿井水源所处的地下层,分析对矿井安全的危害。然后对矿井水源的水样提取做出了要求和介绍,对于矿井下水样的提取工作,是非常困难的,而且所提取的水样需要进行实验前处理,达到实验所需的要求。再对实验所用的实验设备进行了介绍,实验的设备是自主研制的矿用设备,目前处于实验室阶段。利用该设备,对所采集到的矿井水源进行光谱数据的采集,设置好设备参数,保证采集过程在暗室进行,之后将采集的光谱原始数据存储在上位机中,待用。在光谱数据处理之前,需要对其进行光谱预处理,本文采用多种预处理方式,起到对比的作用,在其中选取最佳的光谱预处理方法。本文还介绍了 KNN算法以及一些改进的KNN算法,对于改进的算法进行了原理分析。并在实验中进行多种改进的KNN算法同时对光谱数据进行处理分类,在改变K值的基础上,对多种改进KNN算法的准确度进行分析,选取最佳的KNN算法。实验所用到的软件有MATLAB和SPSS,对数据处理有很大的功能,操作起来也非常简单。最后,对来自淮南某一矿区所采集的矿井水源进行了实际的分类实验,利用改进的KNN算法对光谱数据进行分类,所分类的准确度非常可观,再次证明了 KNN算法在矿井水源识别中的应用是非常可行的,而且具有很高的使用价值。对于KNN算法在矿井水源中的应用,本文所提出的这种识别分类方法是第一次应用。对于其仿真结果和实际的实验分析结果来说,都说明了,KNN算法在矿井水源识别的应用中是非常值得研究的。也充分展示了,LIF技术在此领域的特殊之处,能够快速的建立模型对未知的水样进行识别分类。这对于今后的煤矿产业安全工作,起到了里程碑性的进步。