随着人们用水需求的增加与基础设施建设的推进,供水体系规模日渐庞大。供水厂作为城市供水体系的核心部分,其合理高效的运作是满足城市用水的关键。但目前多数供水厂仍然依靠传统的人工经验进行调度,不能根据实际的流量需求确定泵机的合理运行工况,使水厂的工作效率较低,人力监管成本较大。因此,如何在满足用水需求的前提下优化泵机调度方法以减少人力开支和调度成本尤为重要。本文针对这一问题,通过分析供水厂历史供水趋势建立供水量预测模型,分析相关水厂梯级泵站的工作模式建立泵站调度决策模型。将供水量预测信息与泵站调度模型相结合,实现泵站的智能调度,并将其实际应用于自主研发的智慧水务平台,为供水企业实现自动化调度奠定了基础。本文工作主要体现在以下三方面:（1）提出了一种基于长短期记忆网络的并融合外部环境因素的城市时供水量预测模型。准确高效的短期供水量预测是保障供水管网供需平衡、实现泵站优化调度的前提与基础。本文通过分析正安县城市供水系统中相关水厂历史供水流量、天气情况、节假日因素等数据,利用长短期记忆网络捕获供水流量的时序规律,并利用额外的全连接网络将外部环境因素融合到预测模型中,从而预测出未来的时供水量。实现了由历史24小时流量数据以及相关外部环境信息准确预测未来24小时的流量变化趋势,为水厂规划未来调度方案提供了数据支撑。（2）建立了基于多阶段决策思想的梯级泵站优化调度数学模型。当前梯级泵站的优化调度仍然依赖于人工经验,不确定性高、主观性强,为了降低人工调度的不合理性与人力监管成本,本文通过分析水厂梯级泵站架构与历史工作情况,基于多阶段决策思想建立梯级泵站优化调度数学模型。然后根据实际情况分析遗传算法、混合粒子群算法与级联算法的求解性能。实验结果表明,在优化效果相似的情况下,级联算法的优化速度最快,最适用于实际应用。（3）基于实际泵站,实现了智能调度的实际应用。将根据时供水量预测数据进行梯级泵站优化调度的智能调度方案作为智慧水务模块之一应用到了水厂的实际生产中。现场实测结果证明了本文所提出的时供水量预测模型与梯级泵站优化调度策略的有效性,为未来实现调度自动化奠定了基础。