相位敏感光时域反射计(Phase-Sensitive Optical Time Domain Reflectometer,Φ-OTDR)分布式光纤扰动传感系统可以实现多点定位,稳定性好,精度高,是分布式光纤传感技术的研究热点。在实际应用中,环境干扰和人为干扰会导致误报,造成较高的误报率。本论文针对这一问题,进行深入理论和实验研究,提出基于随机森林的扰动事件识别方法,实现对不同的入侵扰动事件和非入侵扰动事件的判别,有效降低了 Φ-OTDR系统的误报率。本论文完成的主要工作如下:(1)对Φ-OTDR分布式光纤扰动传感输出信号进行分析,提取四种情况(浇水,敲击,碾压,无扰动)下的扰动信号,分析了扰动信号的时域特征,并对特征进行归一化以避免过拟合问题,为后续的扰动事件识别奠定基础。(2)提出基于决策树的扰动事件识别方法,并对其实现和验证。实验结果表明所提出的基于决策树的扰动事件识别方法能够有效识别四种扰动事件,对四种扰动事件(浇水,敲击,碾压及无扰动)的识别率分别达到90.19%、92.06%、89.95%和97.37%,平均识别率达到92.36%。但该算法的稳定性及鲁棒性较差。(3)提出基于随机森林的扰动事件识别方法,对其实现和验证。结果表明该方法能够有效的对四种扰动事件进行区分,相比于基于决策树的扰动事件识别方法,识别率得到显著提升,对四种扰动事件的识别率分别达到93.79%,97.36%,97.06%和98.12%,平均识别率超过96%。