输水系统作为城市给水系统的重要组成部分,其优化运行程度直接关系着水厂的正常运行与生产。目前我国供水企业对于泵站的运行管理处于经验调度的状态,制定的调度方案虽能保证正常输水,但缺乏理论与技术支撑,泵站运行能耗较大。因此,本文分别从日供水量预测、宏观水力模型以及泵站优化模型三个方面展开系列研究,增强输水系统调度方案的合理性及经济性。首先,选用合适预测模型对输水系统日供水量进行预测。基于长短时记忆神经网络模型与灰色模型分别对日供水量进行时间序列预测,与实测值相对误差分别为3.65%与4.39%。基于RBF神经网络与BP神经网络建立解释性预测模型,应用灰色关联分析法对水量影响因素进行筛选并考虑进预测模型。RBF神经网络因其特殊隐含层结构规避BP神经网络易陷入局部最优的弱点,平均误差百分比为2.98%,预测精度较BP神经网络高。基于有效度将长短时记忆神经网络模型与RBF神经网络模型进行加权组合,得到组合预测模型,预测平均误差为2.47%。对以上几种模型进行预测结果评估,无论从稳定性还是预测精度方面组合预测模型均优于单一预测模型。其次,基于BP神经网络与输水系统历史运行工况数据,以各个泵站流量与系统总流量为输入变量,控制点压力作为输出变量,建立压力控制点宏观水力模型,模拟得出控制点模拟值与实测值平均相对误差为3.82%。以测压点压力与系统总流量为输入变量,各泵站出口流量和压力为输出变量,训练拟合整个输水系统宏观模型。输入控制点压力模拟值与整个系统水量预测值,模拟得出双泵站各自出口流量与压力。与实测值相比,模拟误差基本控制在5%以内,符合泵站优化调度精度要求。最后,基于水量预测结果与宏观模型模拟结果得出泵站出口约束条件,基于水泵特性曲线方程,以泵站运行能耗最低为目标函数,水泵启停与调速比为决策变量,以出口压力、流量、调速比阈值与水泵高效区间为约束条件建立泵站优化调度数学模型。应用改进遗传算法对模型进行求解,得出能耗最低的水泵组合方案与调速泵调频参数,优化后A泵站调度方案总功率较实际运行方案平均降低6.44%,千吨水百米扬程平均降低6.06%,达到泵站节能优化运行的目的。