为有效降低工频干扰和随机噪声对矿山采空区瞬变电磁精准探测与定位的影响,基于鲸鱼优化算法(WOA)提出一种改进变分模态分解(VMD)的瞬变电磁信号噪声识别和分离的方法.首先,根据排列熵能够检测时间序列随机性和复杂程度的特性,选择分解结果的最小排列熵作为优化目标;然后,利用鲸鱼优化(WOA)算法对变分模态分解(VMD)算法中参数组合分解个数K和二次惩罚因子α进行全局搜优,根据寻优结果确定最佳组合(K,α),并利用参数优化后的变分模态分解算法对瞬变电磁信号进行自适应分解,得到一系列具有带限特性的本征模态函数(IMF)分量;最后,结合相关系数和IMF时域变化曲线共同判定噪声分量,选取有效分量重构得到降噪后的瞬变电磁信号.根据瞬变电磁信号特征构建仿真信号,并采用WOA-VMD进行降噪处理,与集成经验模态分解(EEMD)降噪结果进行对比.研究结果表明:在不同信噪比下,WOA-VMD算法能显著改善瞬变电磁中晚期信号质量,且能获得更高质量的瞬变电磁响应电动势数据.运用WOA-VMD算法对采空区进行现场试验,发现本文提出的降噪方法能有效去除信号中的工频干扰和随机噪声,有利于后期反演电阻率的生成从而确定采空区位置,提高了瞬变电磁法对矿山采空区的解释精度.