本论文主要研究基于水力模型的供水管网分区优化和漏损实时定位方法,为漏损控制管理提供参考依据。论文开展的研究工作及主要结论如下:1、运用WaterGEMs软件建立目标区域管网的微观水力模型。以GIS系统收集的管网和流量数据为基础,分别完成用水量变化曲线测定、管段海曾威廉系数C值初步估算,拓扑结构的简化和节点流量的分配,最终形成一个由727个节点、1048条管段构成的延时水力模型。基于WaterGEMs的达尔文校正器进行模型校核,结果表明6个测压点和3个测流点的曲线吻合度较高,满足模型校核标准,能够为下一步的分区优化模型和漏失定位模型提供数据支撑。2、建立基于图论法的管网分区优化模型。为了解决经验分区随机性强的问题,本文基于图论法的最短路径原理,提出进行分区计算的方法,并以夜间最小流量作为评价指标来评估管网的漏损水平。将模型应用于研究区域,结果表明,分区后的方案漏损水量相较于分区之前有所降低,而且随着所选的权重函数不同,各分区的控漏效果也截然不同。使用图论法进行管网分区,不仅能提高分区的效率和精度,而且能够有效控制和降低漏损。3、建立基于遗传算法优化BP神经网络的漏失定位模型。由于BP神经网络算法难于收敛的缺点,本文在BP神经网络的基础上,进行了遗传算法的优化,首先通过分析压力监测点的变化特征建立目标区域76条管段,380组样本的漏损数据库,使用遗传算法优化BP神经网络和单纯BP神经网络训练漏损数据库,结果表明,前者比后者的训练均方误差更小,迭代次数更少,数据拟合程度更高。构建了基于遗传算法优化BP神经网络的漏失定位模型,对研究区域的管道漏损进行定位预测,结果表明,漏点预测误差均在200m内,模型较为准确可以应用于实际管网中。