城市供水系统是居民生活的基本保障,在供水管网系统的管理过程中,因泄漏造成的水分流失问题亟待解决,因为它不仅会导致水资源的消耗,还会增加系统管理的能源消耗,并且会带来细菌和污染物污染等用水安全风险。目前,我国每年水资源的平均缺口约在400亿立方米,超过400个城市存在不同程度的缺水问题,其中有136座城市严重缺水。此外,随着生活水平的提高和经济社会的发展,人们对于水质的要求也日益增加,因此需要不断改进和完善城市供水系统。除了水资源流失和用水安全问题,因泄漏造成的社会影响,如供回水中断和爆管情况下造成的交通延迟也是需要加以关注的问题。基于以上情况,有效的确定泄漏位置进而尽快恢复供水是至关重要的。本文提出了一种基于图聚类嵌入自编码器（EGAE）的压力传感器布置方法。该方法首先采用EGAE深度聚类算法,结合管网的拓扑结构和水力特征对管网节点进行聚类分析,根据聚类结果将管网节点划分为不同区域。然后,通过计算各节点相关性选取各个区域的代表性节点,将其设置为传感器布置节点。在实验管网中,同其他方案性能进行了对比分析,实验结果表明,EGAE深度聚类网络可以对管网的拓扑结构特征和水力特征进行有效融合。使用本文提出方案布置的传感器节点在后续的定位模型中可以有效的进行泄漏精准定位,相较于其他方案,拥有更高的泄漏管段识别精度和更小的精准定位误差。在目前的研究中,缺乏对供水管网泄漏点所在具体管段的具体位置的研究。结合传感器布置节点的水力数据,本文提出了一种基于残差神经网络的双分支供水管网泄漏精准定位框架,该研究提出了分类和回归过程并行进行泄漏定位的新思路,采用双分支结构构建分类和回归模块,使框架能够精确定位管道中泄漏点的确切位置。此外,在回归过程中设计了多监督机制,以加速模型的收敛。两个案例的结果表明,该框架在不同实验条件下能够准确识别泄漏点的位置,为精确定位提供了可能性。