智能监测系统的发展使得管网的各种运行数据的获取更加完整。尽管数据信息越来越庞大,但是管网的优化调度仍然以人工经验为主,信息数据的利用率较低。针对上述情况,本论文开展了城市给水管网优化调度方法研究,旨在通过实时监测数据建立起供水管网优化调度的新方法。通过对水力学基本理论进行分析,本文提出了数字管网模型的管网压力计算方法,即利用智能监测系统的采集数据,结合空间插值理论对于管网的压力状态进行计算。通过建立了实验管网系统验证了模型的鲁棒性,因此解决了优化调度过程中管网压力的实时模拟问题。监测点的布置方法是数字管网模型准确建模的基础。监测点优化模型以数字管网模型的预测误差最小化为目标函数,并根据优化问题本身特点采用粒子群算法进行模型求解。针对管网中特殊结构区域,提出了理论-经验布置方法进行精度的提高,实现了对于管网中未监测节点水压的高精度计算,保证所有未监测点的计算水压误差小于3m。根据监测点的历史数据中呈现的周期性规律,本文提出采用支持向量机建立压力预测模型。经过深圳市宝城管网的实际运行数据的实践验证表明,支持向量机模型对于水压预测具有较高的可靠性,80%以上的预测结果相对误差小于5%。同时,本文提出采用模糊c均值算法实现对摩阻系数相似的管道进行分类,实现微观模型的建立。将预测的水压输入到微观模型中,实现管网水量的准确预测,预测结果与实际水量变化曲线较为吻合,日总用水量误差仅为5.1%。在分析了含有变速泵的泵站运行工况的基础上,本文建立了含有变速泵的直接优化调度模型。通过分析优化调度模型中目标函数和约束条件的特点,提出了模型求解的预处理方法。针对优化问题中含有的多种混合变量,提出了粒子群算法的编码方式和具体的实现过程。通过深圳市宝城管网模型的仿真实验验证了该优化方法的有效性,经过优化后的管网运行压力得到了降低,压力变化更为平缓,最大压力变化值由2.9m降至1.13m。