为了提高煤矿井下钻孔瞬变电磁反演成像结果中的异常响应边界识别和解译能力，完成掘进 工作面前方隐伏水害精准刻画、隐蔽致灾因素精细分析等地球物理解释，提出应用无监督机器学习 中的聚类方法分析钻孔瞬变电磁处理成果。根据电阻率数值分布特征和 2 种聚类方法的特点，选择 K-Means 聚类算法对电阻率成像结果进行聚合分类；在聚类计算过程中，应用最远距离原则确定类 簇的初始质心，选用欧氏距离作为距离计算方法，采用基于组内平方误差和的肘部法则确定聚类数 目。针对掘进工作面前方的隐伏水害，分别采用三维数值模拟和井下现场应用实例进行了实用性和 有效性验证。研究结果表明：该方法可自动识别最佳类簇数目，对电阻率实现准确聚类，聚类成像 结果能改善原始成像模型的光滑过渡问题，突出异常响应边界，清晰显示异常响应形状和位置，有 效帮助对钻孔瞬变电磁超前探测反演结果中的隐蔽致灾水体进行识别和归类。