矿井突水事故是煤矿五大灾害之一,严重威胁到煤矿安全生产。矿井水害的主要类型包括奥灰承压水、老窑水、孔隙裂隙水等,水害的严重性程度取决于突水水源的性质。因此,快速准确判别矿井水水源,对于矿井水害防治具有重要意义。论文以矿井突水水源为研究对象,通过矿井突水相关理论,探讨根据水化学特征判别矿井突出水源可行性;统计矿井水源的水化学特征后,选取判别矿井水源的相关指标,然后结合主分量分析理论,对水样数据进行降维处理;将通过主分量分析降维提取出的矿井水样主成分因子加权后输入到自组织特征映射(SOM,Self-Organizing Feature Map)神经网络当中,从而建立主分量加权SOM网络矿井水源判别模型:通过对含有特征离子的水样进行识别,以及多种混合离子水样识别,验证该方法的可靠性;在此基础上,制定防治水对策并建立相关数据库。研究表明:(1)通过将神经网络的训练样本进行主分量分析降维,使SOM神经网络对于具有较多的变量特征及变量间相关性较强的矿井水源进行判别时正确率提高;(2)主分情加权SOM神经网络相比于传统SOM神经网络在收敛速度、误差控制等性能上具有优越性;(3)分贵加权SOM神经网络可以成功判别混合度较低的矿井水源的主体成分,可以应用于实际矿井水判别的大多数情况;(4)将主分量加权SOM神经网络应用于内蒙古裕兴煤矿水源判别,可准确判别突水水源,制定相应防治水对策。