控制供水管网漏损不仅能缓解水资源短缺带来的巨大压力,还可以提升供水企业的经济效益,保障人民的生活水准,对城市的健康发展起到积极作用。加强供水管网漏损控制工作已成为国内外供水企业管理的重要内容之一。其中,采取准确、合适的漏损评价指标则是供水管网漏损得到有效控制的基础和关键。本文首先梳理了国内外对管网漏损评价指标的研究现状,发现我国供水管网常用的漏损评价指标,太过简单、片面,难以对管网漏损程度进行科学评价,而国际水协会(IWA)推荐的漏损评价指标不可避免漏失水量(UARL)可以科学的评价管网的漏损程度,为制定漏损控制策略提供依据。因此,本文针对UARL的经验公式难以在我国应用的难题,建立了一种稳定、准确计算我国供水管网不可避免漏失水量的方法。本文开展的研究工作如下:由于供水管网不可避免漏失水量与管网漏损的影响因素存在密不可分的关系。因此本文结合供水管网的特点,首先从供水管网自身属性、外界环境以及运行管理三个方向开展对影响供水管网漏损因素的定性研究,最终确定了影响管网漏损的因素包括:管网管径、管材种类、管网铺设时间、接口方式、腐蚀、埋设深度及荷载、温度、土壤性质、供水压力、水锤以及其他工程影响等。基于实际管网的漏损统计数据,结合灰色关联度分析法(GRA)和模糊层次分析法(FAHP)的优点,建立了基于FAHP-灰色关联度分析法的供水管网漏损影响因素评价模型。考虑到数据的连续性、完整性以及可获得性,对管材、管龄、管径、埋深、温度、土壤性质等6个因素进行评价,以确定其对管网漏损影响的主次。评价结果表明,各因素的关联度排序为:管材(0.797)>管龄(0.770)>管径(0.726)>埋深(0.702)>温度(0.665)>土壤性质(0.659),管材和管龄的关联度相对于其他影响因素较大,属于影响管网漏损的重要因素;在管材分类中,铸铁管的关联系数最高,说明对管网漏损的影响最大,属于影响管网漏损的重要子因素。针对供水管网不可避免漏失水量与管网的漏损影响因素之间紧密、复杂且模糊的内在联系和对应关系,本文将BP神经网络和遗传算法进行结合,利用遗传算法对BP神经网络的初始权值和阈值进行优化,建立GA-BP神经网络,使其兼具遗传算法全局搜索的优点和BP神经网络的非线性映射的优点,非常适用于解决系统内部影响因素多、关系模糊复杂的问题。为GA-BP神经网络应用于不可避免漏失水量建模方法提供了理论依据。基于前文的研究成果,选取铸铁管管长、非铸铁管管长、管网平均管龄、管网平均压力以及用户数作为不可避免漏失水量模型的输入变量,分别利用BP神经网络和GA-BP神经网络建立了供水管网不可避免漏失水量模型,基于36组实际管网DMA的统计数据,选取31组数据作为模型的训练样本,用于对输入、输出数据间所蕴含规律的训练学习;5组数据作为测试样本,用于对模型精度进行检验。实验结果显示:利用GA-BP神经网络建立的不可避免漏失水量模型,12次就完成了模型的训练,远小于BP神经网络的41次;测试样本数据模拟值与真实值具有较高吻合度,最大的相对误差为6.53%,最小的相对误差为1.26%,平均的相对误差为3.944%,在BP神经网络的误差基础上,分别降低了5.16%、1.07%、3.02%;测试样本数据的回归直线的决定系数为0.9934,与目标曲线基本重合。研究表明:利用GA-BP神经网络建立的不可避免漏失水量模型更为准确的描述了管网漏损影响因素与不可避免漏失水量之间复杂的非线性关系,模型的精度、泛化能力以及训练速度进一步提高。因此,将管网平均管龄、铸铁管管长、非铸铁管管长、管网平均压力以及用户数等数据代入该模型来对供水管网不可避免漏失水量进行计算是一种可行的方法。最后利用建立的不可避免漏失水量模型,对3个DMA的漏损现状实现了科学评价,并针对其漏损现状,制定了相应的漏损控制策略,预计节水总量可达60794.4m~3/年。本研究弥补了我国管网漏损评价指标研究的不足,为管网漏损评价指标不可避免漏失水量应用于我国管网的漏损评价中提供借鉴。