2015年《国务院关于印发水污染防治行动计划的通知》发布后,全国各地掀起了城市水环境治理热潮。城市污水收集系统是保障城市公共卫生安全和城市水生态健康的重要基础设施,伴随国内城镇化的快速推进,诸多城市污水收集设施建设滞后的问题逐步显现。在合流制及分流制管理不善的区域,南方城市污水管网水位偏高甚至发生冒溢的现象日益增多。如何准确预测城市排水管网检查井水位,从而使城市排水管理部门具备高效迅速应对排水管网潜在冒溢问题的能力,将冒溢可能造成的社会影响降至最低,正是开展本课题研究的目的。本研究以典型东南沿海城市——广州为例,选取广州大学城所在的小谷围岛作为研究区域,分析研究小谷围岛的自然地理、社会经济、污水系统以及雨水系统状况、污水系统运行的各种因素,依托已有的城市排水信息系统,分析优选岛内污水主干管关键节点布设在线监测设备,在收集2020年全年的污水系统在线监测数据后构建BP神经网络模型对岛内污水管网检查井水位进行模拟预测,最后结合城市建设分析管网高水位和冒溢的主要原因,提出相应的预防应对措施。得出主要结论如下:1.小谷围岛区域内,在潮位和洪水的影响下,雨水受纳江河会对岛内的雨水系统形成顶托甚至一定程度的倒灌;合流制排水系统和存在雨污错、混接的分流制系统中,降雨会影响污水系统水位;岛内4个城中村存在不完全分流区域,在强降雨时期,大量混合污水进入污水系统,会影响污水系统水位。2.以城市排水信息系统为依托,选定外环污水收集主干管的9个井位和4个支管井位安装水位在线监测设备,连续收集2020年全年13个监测点水位数据、1个降雨测量站的数据后上传至城市排水信息系统,为后续建模分析打下基础。3.以2020年全年数据为分析对象,定性分析影响污水管道水位的因素,构建BP神经网络模型,将全年数据的70%作为训练样本,30%作为测试样本,反复试算后确定22个隐藏神经元,选用trainlm函数作为网络训练函数,learnlm函数为网络学习函数,对比试验后选用logsig—tansig组合作为传递函数,根据模型预测仿真结果取0.001为网络收敛极小值。BP神经网络预测结果表明,本预测方法能够较为准确地预测污水管道水位。4.影响污水管道水位的两个主要因素是降雨和外江潮位,考虑这两个主要因素,分析了污水管网高水位和冒溢的主要原因是雨污混接和外水入侵,提出了市政道路局部改造、老旧小区阳台排水改造、城中村保留雨水系统,新建污水系统以及排水口防倒灌等预防和控制措施。综上所述,雨水混入、地下水入侵和江河水体倒灌是引发城市污水管网高水位和产生冒溢的主要原因;本研究构建的BP神经网络模型能较准确预测管网检查井水位,能为城市排水管理部门的高效管理和应急抢险提供参考,在排水管理工作中具有一定实际意义。