本文介绍了城市给水系统优化调度的主要内容,针对优化调度模型的现状和存在问题,对用水量预测模型、供水系统工况模型和优化调度模型进行了深入的研究。时用水负荷一般受气象、季节情况、居民活动及工业生产状况等因素的影响,具有周期性和趋势性特点。由于传统的经验非线性预测方法(如神经网络)具有局部极小点等不足,本文引入了采用结构风险最小化准则的支持向量机(SVM)算法。并采用SVMdark优化支持向量机核函数的参数,缩短了预测的时间,同时提高了时用水负荷峰值的预测精度。经北方某市开发区时用水量预测实践,结果表明了该算法的合理和有效性。由于供水系统是非常复杂的动态非线性系统,在实际管网的运行中,很难以一个或几个统一的显式函数关系描述管网的工况。考虑到管网宏观模型不但能描述整个管网的工作状态,而且建模所需成本低,运行速度快,本文提出了基于支持向量机算法建立的压力宏观模型。通过对开发区实际管网的实践,验证了所建模型的合理性,较好地解决了供水系统优化调度研究中宏观建模的问题。以压力宏观模型替代复杂的管网水力平衡方程,建立了大型供水系统的多目标混合离散变量的直接优化调度模型。并提出了对各约束条件处理的方法,采用非线性模型求解软件Lingo求解优化调度模型,以期更好地解决多目标离散变量的全局优化问题,有效解决变量和约束多的城市供水系统直接优化调度问题。这些算法经算例分析,验证了其合理性和实用性。