随着城市的不断发展,集中管网敷设范围逐渐扩充,管网结构趋于复杂,泄漏状况多变,对泄漏诊断及定位技术提出了更高要求。管网泄漏不但会导致管内流体大量流失、浪费资源,还会影响周围居民的正常生活和安全。因此快速诊断出管网泄漏并进行定位在实际生活中具有极其重要的意义。然而现有的管网泄漏诊断与定位技术精度较低,不能够完全满足需要。为了能够提高复杂管网泄漏诊断与定位精度,减少管网经济损失,本文针对管网泄漏诊断与定位技术进行了研究。首先搭建了一个复杂管网实验平台用以采集管网泄漏压力信号,通过对压力信号进行小波阈值去噪、短时傅里叶变换处理后,从复倒频谱中探究压力波泄漏传递规律,并以此为基础提出一种复杂管网泄漏识别方法。利用此方法对管网泄漏进行识别,结果表明泄漏识别率达到了93%。同时将此方法与经验模态分解等方法进行对比,再次证明了该方法的优越性,可以进一步应用至实际管网中。其次,在识别出管网发生泄漏的基础上进一步基于神经网络技术对泄漏点进行定位。根据实验管网结构建立了管网泄漏水力模型并进行校核,结果表明与实验相对应的泄漏点泄漏时对应监测点的模拟值与实验值的误差均小于1 m,完全满足管网模型构建的校核标准。同时根据此模型模拟了不同泄漏工况下、不同漏点泄漏时监测点的压力,进一步通过计算建立了5个监测点泄漏前后压力差与泄漏位置及泄漏量之间关系的管网泄漏特征值数据库。最后,利用管网泄漏特征值数据库中1305组数据对深度信念网络（Deep Belief Network,DBN）模型进行训练,并对DBN模型的的初始化参数、拓扑结构、迭代步数、学习率等进行讨论得出最佳的DBN泄漏定位模型。对DBN模型预测结果进行分析得出DBN泄漏定位模型对于泄漏位置及泄漏量的预测精度达到了96.2%以上,与其他两种神经网络相比,DBN模型的预测效果最佳。同时将该模型用于实验管网的泄漏定位,结果显示对实验管网漏点位置的预测精度达到了95.35%以上,进一步证明了该方法对于实际复杂管网有很好的预测效果。