当下科技创新阶跃式发展,科技驱动生活,人们的生活愈来愈趋于智能化。智慧城市建设的脚步不断加快,使得对城市排水管道系统智能化的要求逐渐加大,也提出了更大的挑战。城市建设中排水管网管控工作难免会有不到位,排水不及时的情况发生,严重的话则会影响周围环境以及人们的生产和生活。因此进行实时、准确的流量预测研究具有极其重要的现实意义,其可以积极推动城市排水管网管理的优化工作,一定程度上减少问题的发生,保护我国居民的生命财产安全。由于与管道流量相关的时序数据的复杂性,此外还存在时变性以及非线性等特点,所以传统组合模型或单一浅层的深度学习模型,在时间特征上提取特征不够充分,较难进行准确的预测。为能够充分学习并挖掘隐藏在管道流量数据信息中的规律和相关性,进一步提高预测效果,本文基于一维卷积神经网络、双向门控循环单元以及结合数据特点,设计了CBi GRU-K组合预测模型。一维卷积网络可通过卷积运算有效的将隐藏在特征之间的关联关系进行提取,根据本文数据较长且居民生活会对管道流量造成周期性影响的特点,将一维卷积网络学习到的特征向量分成K段,分别输入到K个Bi GRU中,然后将K个输出组合后再输入到一层Bi GRU中,同时引入Dropout技术避免模型过拟合,最后运用全连接层进行输出,分段预测后再整合,兼顾了局部时序性和全局时序性。将本文所提出的模型和对比模型在评价指标等方面进行比对,实验表明,该模型的预测更为高效,且预测的精度更高。最后,本文在该预测模型的基础上开发了基于Spring Boot+Vue的管道数据展示和流量预测系统。采用软件工程中的相关理论对系统的需求展开分析,主要进行功能和性能需求分析,接着设计数据库的表结构,最后确定并设计管道数据展示及预测系统的架构并完成系统实现。经测试,该系统运行良好,运行状态稳定。