漏失是供水行业普遍存在的严重问题，供水系统无论采用何种管材，随着时间的推移都会不可避免地发生漏失。我国水资源匮乏，人均水资源占有量仅为世界平均水平的四分之一，水污染严重，水土流失加剧，漏失不仅浪费了宝贵的水资源，带来灾害问题，还给供水企业带来很大的经济损失。因此，漏失问题已成为我国供水行业着力研究的重要课题。　　供水系统发生漏失时，各压力监测点压力值会出现程度不同的波动，且不同的漏失位置、不同的漏失程度，对应的波动谱线也不相同，如同人的指纹，通过识别指纹，就可以确定人的身份，本文采用概率神经网络模型对波动谱线进行模式识别，进而对漏失位置进行初步定位。概率神经网络采用贝叶斯分类选择器，以漏失发生时压力监测点的波动作为神经网络的输入，设不同的漏失位置为各种模式，并以设定的模式作为神经网络的输出，对网络进行训练，建立漏失定位模型,并对建立的概率神经网络模型计算结果进行分析研究，对模型进行初步校核和修正。　　最后，本文以我国AS市SGS地区的实际供水系统为例，以实际监测数据对建立的概率神经网络模型进行校核，对模型存在的问题进行分析，并以模型为基础，对我国供水行业的漏失控制工作提出建议性措施。