管道泄漏事故会引发严重的后果,其安全性已引起广泛关注。管道泄漏监测与定位系统的安装可有效预防泄漏及阻止泄漏事故的进一步扩大,对管道系统的安全性有重要意义。近年来,随着管道建设里程不断增加,具有长距离、多分枝、大数据、调节频繁特点的管网系统逐渐形成,这导致管网信息环境和结构的复杂化。针对复杂管网特点,本文采用改进的宽度学习系统完成管网复杂信息下故障监测及基于图论的普适定位方法来确定复杂结构管网故障点。主要创新如下:第一,大型管网中,各站点多种设备（如阀门、泵）的频繁调节产生了复杂的叠加负压波信号,导致管网中数据量大、信息复杂。为了避免深层结构池化对细节特征的影响,同时提高监测速度和正确率,本文在分析信号特征后选择宽度学习系统为基础算法。为了提高网络对数据分布的学习能力和改善数据相似度的度量,本文首次在宽度学习系统的损失函数中加入流形空间正则惩罚并计算权值矩阵的更新算式。此正则项的加入同时使得宽度学习系统可以输入无标签样本数据,具备了无监督学习能力。第二,本文通过实验发现流形宽度学习网络的性能在很大程度上取决于其网络结构。为了自动优化网络结构,本文将当前批次数据的测试准确率作适度函数并采用自变异粒子群搜索算法搜索网络最佳结构参数,使得网络在当前任务下具有最合适的网络架构同时避免早成熟问题（局部性最优）。为了减少搜索时间提高寻优的效率,本文改进粒子群算法为粒子群递进式寻优算法,这样可以优化搜索中心避免了随机初始化。第三,基于第二章详细分析的各类信号特点和第三章测试的网络对各类信号的识别准确率结果,本文在粒子群优化的流形宽度学习结构中加入手动特征层并求取权值矩阵的更新式。手动特征的加入改善了完全自动特征的缺陷,进一步提高网络对微弱泄漏信号等特殊信号上的识别能力。自变异粒子群优化的融合手动特征流形正则宽度学习系统在笔者收集的真实管网压力数据集上做了测试,其准确率超过97%达到了预期性能。第四,复杂网形管网的特殊环形结构和较少的传感器数量加剧了负压波传播的复杂性,例如某个传感器会接收到多个负压波信号。本文通过分析负压波传播规律并建立位置损失函数,基于图论建立管网拓扑结构矩阵,实现了普适多种结构的管网定位算法。在此过程,排除不可能锚点缩小搜索范围;同步最小二乘逼近加快了定位速度;位置损失函数给出故障点搜索方向。最后,针对特殊的网形回环结构、节点间多管道连接结构,和树形结构进行了单独分析。