蒙陕接壤区煤炭高强度开采诱发的煤层顶板水害问题日益凸显，高效智能地判别煤层顶板涌水水源是顶板水害防治的关键。以蒙陕接壤区3个典型矿井为研究对象，将无机指标K++Na+、Ca2+、Mg2+、Cl-、SO42-、HCO3-、TDS和有机指标UV254、TOC、溶解性有机质的荧光光谱作为判别指标，利用主成分分析法(PCA)对80组地下水水样数据进行主成分提取，提出一种人工鱼群算法(AFSA)改进随机森林(RF)的PCA-AFSA-RF顶板涌水水源智能判别方法。首先，建立PCA-RF判别模型，其准确率(Ac)、精确率(Pr)、召回率(Rc)和F-measure指数(f1)分别达到了83.00%、83.17%、80.42%和79.57%；其次，通过AFSA对PCA-RF判别模型中决策树数目、树深和内部节点分裂所需的最小样本数进行寻优，在AFSA中引入遗传机制以避免陷入局部最优，建立基于PCA-AFSA-RF的煤层顶板涌水水源智能判别模型，该模型Ac、Pr、Rc、f1分别达到92.18%、91.11%、87.58%和88.82%，较PCA-RF分别提高9.18%、7.94%、7.16%和9.25%，回代准确率达到97.50%；最后，利用该模型对12个矿井水水样进行判别，结果与现场实际相一致，表明AFSA改进后的PCA-RF模型具有更好的准确性和泛化能力。研究结果可为煤层顶板涌水水源的准确判别提供新方法。