供水管網(wǎng)發(fā)生爆管事故后，快速確定爆管位置，可以實(shí)現(xiàn)迅速搶修，有效降低事故的損失。針對爆管定位問題，本文基于人工神經(jīng)網(wǎng)絡(luò)（ANN），建立爆管位置與事故時(shí)壓力監(jiān)測點(diǎn)的壓力變化率之間的非線性映射關(guān)系，構(gòu)建了ANN爆管定位模型，并選取了一個(gè)供水管網(wǎng)案例，引入相關(guān)系數(shù)（R2）指標(biāo)評估模型的精度，驗(yàn)證了方法的可行性。此外，分析了不同監(jiān)測點(diǎn)組合對模型定位精度的影響，發(fā)現(xiàn)監(jiān)測點(diǎn)組合均勻分布在管網(wǎng)內(nèi)部時(shí)，模型定位精度越高。

　　隨著我國城市化進(jìn)程的不斷加快，城市供水管網(wǎng)的規(guī)模也不斷增加，由于缺乏科學(xué)合理的規(guī)劃、維護(hù)與運(yùn)行管理，各大城市的供水管網(wǎng)爆管事故頻發(fā)，嚴(yán)重影響了城市供水的安全性和經(jīng)濟(jì)性，對資源、環(huán)境、社會均產(chǎn)生了巨大的負(fù)面影響。目前水務(wù)公司發(fā)現(xiàn)爆管事故多依賴于人工報(bào)告，此為被動性爆管定位方法，此方法雖然可以確定準(zhǔn)確的爆管點(diǎn)，但弊端也比較明顯，檢測效率較低，反應(yīng)時(shí)間較長，發(fā)現(xiàn)事故時(shí)，可能已經(jīng)造成了較大的損失。因此，需要開展供水管網(wǎng)爆管事故智能檢測方面的研究，快速準(zhǔn)確地確定爆管位置和事故影響范圍，并做出相應(yīng)的科學(xué)決策。

　　為了解決爆管定位的難題，各國學(xué)者均開展了大量的相關(guān)研究工作。1992 年，Liggett 等人首先提出基于暫態(tài)的爆管定位方法，該方法的基本原理是爆管產(chǎn)生的壓力波將先后傳播到附近的幾個(gè)壓力監(jiān)測點(diǎn)，根據(jù)傳播路徑和時(shí)間差來診斷爆管位置，但由于壓力波傳播路徑比較復(fù)雜，且時(shí)間差通常很短，因此定位精度會受到嚴(yán)重影響；等人綜合運(yùn)用負(fù)壓波和流量檢測法進(jìn)行泄漏模式識別與漏點(diǎn)定位，可及時(shí)發(fā)現(xiàn)和定位泄漏點(diǎn)。基于水力模型的爆管定位方法也取得了一定的進(jìn)展，Wu 在此研究方向做出了代表性的工作，其結(jié)果被英國的水務(wù)公司所采用；Sanz 等人后續(xù)推進(jìn)了這方面的研究，其依據(jù)爆管的水量變化過程，不斷校核管網(wǎng)模型的空間分布參數(shù)，其結(jié)果展示出了較高的爆管定位精度；等人利用監(jiān)測資料與低壓供水模型相結(jié)合的管網(wǎng)爆管水力學(xué)模型實(shí)現(xiàn)了爆管定位，并分析了爆管點(diǎn)位置與周圍壓力變化的關(guān)系。隨著人工智能技術(shù)的快速發(fā)展，數(shù)據(jù)驅(qū)動的智能爆管分析方法成為了國內(nèi)外學(xué)者的熱點(diǎn)關(guān)注問題。應(yīng)用人工免疫網(wǎng)絡(luò)并結(jié)合最近鄰方法，推測爆管事故的發(fā)生；Zhang等人采用支持向量機(jī)分析爆管區(qū)域；等人通過SCADA（SupervisoryControl and Data Acquisition）監(jiān)測系統(tǒng)收集壓力數(shù)據(jù)，對比爆管前后兩個(gè)時(shí)刻的壓力值變化，繪制爆管壓降等值線圖，最后通過壓降中心來定位爆管點(diǎn)，以上三個(gè)研究均是基于機(jī)器學(xué)習(xí)的方法，通過訓(xùn)練模型達(dá)到對實(shí)測數(shù)據(jù)的異常辨識功能，從而確定爆管的位置。

　　針對智能化的爆管定位問題，本文提出了一種基于人工神經(jīng)網(wǎng)絡(luò)（ANN）的供水管網(wǎng)爆管定位方法，利用ANN的模式識別功能，建立爆管位置與壓力監(jiān)測點(diǎn)水壓化率之間的非線性映射關(guān)系，實(shí)現(xiàn)爆管位置的確定。此外，本文選取了一個(gè)案例管網(wǎng)，通過大量的模擬爆管事故，驗(yàn)證了所提出方法的可行性。