市政给水管网被喻为生命线工程,它对城市社会生产生活的各个方面影响巨大。而城市供水管网不时发生的的漏损、爆管等事故,造成人们生活用水水压减小、流量减少,更有甚至造成用水中断,同时也会使得爆管点周围路面塌陷,给行驶车辆带来安全隐患,漏失点周边环境中的细菌直接与管中水流接触进入供水系统内部,造成市政给水系统供水水质变差影响居民用水安全。研究给水管网漏失已经成为供水行业的一项重要课题。本文针对供水系统管网漏损控制中存在的漏失模型难以定量化和漏失点定位难的问题展开研究,以期为市政供水管网减少漏失、节能降耗提供技术支持。首先,工程实践中常将供水管网中的漏失量表示成与压力的指数关系,但供水管网运行中各影响因素对指数模型的影响情况还不够明确,本文以传统的指数漏失模型为基础展开研究,分析探讨了漏失量与管道水压、漏口面积、漏口形状、管道埋设条件等的响应关系。为探究其中的规律,揭示管道漏失机理,针对指数漏失模型做了深层次的研究。通过实验的方法获取漏失研究数据,将水压与漏失量做曲线拟合,证明了水压与漏水量之间呈现指数关系。为得出指数模型中漏失指数和漏失系数随漏口尺寸及漏口形状之间的变化规律,设计了三种形式的漏口(即圆形漏口、矩形漏口、方形漏口)进行漏失实验,研究表明各漏口形式下漏失量随着水压的增加而不断增加,但是各种形式漏口增长幅度各不相同,这与漏失过程中漏口面积随水压增加不断变化有关。为探究动态的漏失面积对漏失量的影响,应用有限元分析的方法得出各形式漏口面积随水压增加的规律,在此基础上引入了二项指数漏失模型,通过曲线拟合得到了二项指数模型中面积变化参数与漏口尺寸之间的关系,弥补了传统指数模型的不足,为漏失模型的研究提供了借鉴,使得漏失量的计算更加精准。另外,到目前为止,市政给水管网诊断技术还不够完善,漏报错报常有发生。本文借助人工智能的方法,研究漏点定位和漏失量预测技术。漏失发生瞬间产生的压力波会对整个给水管网系统造成影响,并且不同漏点对管网系统影响各不相同,应用机器学习方法对每一种模式进行相应的学习训练可找出漏点具体位置。通过供水管网仿真模拟平台得到各漏水点压力流量样本数据,使用搭建的PSO-SVM系统对数据建立映射关系,来实现漏失点定位并对该漏点位置对应的漏失量做出预算,经训练本次构建的模型在给水管网漏失诊断方面应用效果良好,为供水管网漏损诊断提供了借鉴。