La prevención y el control del agua de inundación en minas siempre ha sido un gran desafío para la seguridad. Al identificar el tipo de fuente de agua y analizar los cambios en tiempo real en la composición del agua, se pueden monitorear de manera oportuna los accidentes de inundación súbita para evitar accidentes mayores. Este artículo propone un novedoso modelo de aprendizaje automático explicable para la identificación del tipo de fuente de agua de inundación en minas. El artículo amplía el sistema de monitoreo original en la Mina XinJi No.2 en el Área Minera de Huainan. Basándose en los datos de composición del agua en línea, utilizando la fórmula del coeficiente de Spearman, se analizan las características químicas del agua de diferentes acuíferos para extraer factores discriminantes clave. Luego, se construyó el modelo Conv1D-GRU para conectar profundamente los factores para una identificación precisa de la fuente de agua. Los resultados experimentales muestran una tasa de precisión del 85.37%. Además, centrado en la interpretabilidad, el experimento cuantificó el impacto de diferentes características en el modelo utilizando SHAP (Explicaciones Aditivas de Shapley). Proporciona una nueva referencia para la identificación del tipo de fuente de agua de inundación en la prevención y control de desastres mineros.