微震作为监测预警矿井重大动力灾害的一种区域性监测手段，具有谱成分丰富、频带较宽的特性。在冲击地压灾害发生前有很多微震前兆信息，这些信息蕴含在灾害发生前相当长一段时期内，很多因素如开采速度、地质构造等会影响这些前兆信息的显现规律，使其呈现出非线性、复杂性等特点，使得冲击地压预警判据的确立变得十分困难。因此，开展微震前兆信息的辨识方法研究对于准确预警冲击地压灾变具有重要意义。　　针对微震信号固有的高噪声、非线性、非平稳等特征，对时序微震观测数据进行时、频域特征分析，提取多维特征向量组成时序特征集合，引入增量流形学习算法实现特征降维，获得冲击地压灾变敏感特征，然后基于支持向量机构建冲击地压灾变微震前兆辨识模型。主要研究内容如下:　　(1)针对井下采集的微震信号包含各种噪声，基于小波变换对含噪微震信号进行5层小波分解，采用非线性小波变化阈值法进行降噪处理，实现微震信号降噪。　　(2)对降噪处理的信号数据采用5层小波分解，得到32个频带的频率范围。对各频带由特征公式进行时域、频域特征参数的计算，进行前兆特征提取，组成初始数据集。为减少模型训练时间，通过ISOMAP流形学习算法进行数据降维操作，得到表征冲击地压的6维度敏感前兆信息，作为辨识模型的训练集。　　(3)针对数据集中正负样本不平衡，造成机器学习中的小样本问题，采用支持向量机（Support Vector Machine）方法构建微震辨识模型。其中采用Gauss核函数支持向量机作为分类器进行监测预警。　　仿真实验以及实测数据分析与微震能量预测法对比得出，本文所提方法误判率较低，且辨识精度高，为冲击地压微震监测预警提供了一种行之有效的手段。