煤矿微震是在采矿过程中由岩体破裂导致的动力现象,较大能量的微震事件引起煤矿事故,进而影响煤矿生产。随着矿区规模扩大,煤矿微震灾害事故也随之增多。国内外对煤矿微震事件的监测和分析进行了大量研究,取得了一定的研究成果,但在煤矿微震监测系统下对煤矿微震事件震级计算和煤矿微震事件的判识仍需要进一步研究。微震传感器监测是监测煤矿冲击地压、瓦斯突出等灾害事故常用的监测方法,微震监测的事件震级和能量是煤矿灾害事故的重要衡量标准,对煤矿生产以及事故发生后的复工复产方案的制定尤为重要,现有震级、能量计算方法准确度有待提高,而且现有系统中常采用的P波、S波等特征对微震事件识别的精度也有待提高。本文研究并实现了煤矿微震事件震级计算及判识系统,实现了三大功能,包括煤矿微震数据预处理模块、煤矿微震事件震级计算模块和煤矿微震事件识别模块,并在辽宁某矿区得到实际工程应用。微震数据预处理模块主要包括数据读取、到时拾取以及煤矿微震事件存储子模块。煤矿微震事件震级计算模块主要包括近震震级计算子模块、持续时间震级计算子模块、统一震级计算子模块以及优化的能量计算子模块,近震震级是根据微震波形信号的最大幅值进行计算的震级,持续时间震级是根据微持续时间进行计算的震级,统一震级则是根据微震面波特征进行计算的震级。为了进一步提高微震事件震级计算的准确度,煤矿微震事件震级计算模块提出并实现了基于小波去噪的EMD能量优化算法（Wavelet Empirical Mode Decomposition,WEMD）,该算法利用小波去噪对微震波形信号中的干扰信号进行去噪,将去噪后的微震波形信号用于EMD能量计算,实现微震事件能量的优化。微震事件识别模块提出并实现了基于改进OS-ELM的煤矿微震事件在线识别算法（Microseism Online Series-Extreme Learning Machine,MOSELM）,该算法首先利用极值点连接降维对原始微震波形信号进行预处理,将预处理之后的微震波形信号作为OS-ELM的初始值,将OS-ELM训练得到的输出权值,依次作为更新信息,构建OS-ELM分类器,然后运用滑动窗口机制,实现对海量微震波形信号的在线训练和预测,从而提高了训练速度和预测精度。通过实验验证,改进的EMD微震事件能量优化算法可以达到优化能量的目的,提高了煤矿微震事件能量计算精度,改进OS-ELM的煤矿微震事件在线识别算法,不仅能保持较好的识别精度,还极大地提高了运算速度。