供水管道作为水资源输送通道,保障人们最基本的生活生产需求,其安全运行的重要性不言而喻。在各种因素的影响下,我国供水管道的损坏、泄漏事故频发,如不及时发现并处理,不仅会导致水资源的浪费,市政系统供水能力也会受到大大影响,甚至引发地面坍塌、建筑地基沉降等事故。因此,不断加强我国供水管道实时泄漏检测与漏点定位技术,建立完善的供水管道泄漏在线监测系统,在泄漏发生后能及时弥补损失,降低其漏损率和安全风险,这对我国目前的供水管道运行情况有着非同寻常的意义。目前,在众多管道泄漏检测与漏点定位方法中,负压波法仅需分析管内压力信号就可判断管道是否发生泄漏,并计算漏点位置,有着可靠性强、安装维护方便、检测距离远和经济等诸多优点而被得到广泛应用,但现有的负压波方法仍存在部分局限性,其泄漏检测准确度、漏点定位精度尚有改进空间。针对以上问题,本文对基于负压波的管道泄漏检测与漏点定位技术进行了更加深入的研究,具体研究工作如下。（1）已采集的原始信号中往往含有大量噪声,并不能直接利用原始信号进行泄漏检测与漏点定位,针对现有去噪算法的优缺点,本文采用变分模态分解（Variational Mode Decomposition,VMD）与样本熵结合的去噪算法对压力信号进行去噪处理,该法首先使用VMD算法将信号进模态分解为一定数量的分量,同时,考虑到样本熵可以反映时间序列的复杂程度,依据该特性,根据样本熵的大小来筛选并剔除含噪量大的模态分量,实现对管道压力信号的有效降噪,减少了噪声对后续研究的影响。（2）针对现有基于负压波的管道泄漏检测算法未能有效同步利用泄漏信号的空间和时序特征的问题,提出一种基于一维卷积神经网络（One-Dimensional Convolutional Neural Networks,1D-CNN）和长短期记忆神经网络（Long Short-Term Memory Neural Networks,LSTM）相结合的管道泄漏识别方法。该网络模型以去噪处理后的管道压力信号为输入源,先后使用1D-CNN、LSTM提取其空间特征和时间维度特征,利用已提取的空间、时间两种不同维度的特征建立压力信号与管道状况的对应关系,进而实现对管道泄漏的检测。对比分析实验结果显示,本方法提取的特征参数更具有效性与可靠性,管道泄漏的检测精准度到达99.75%,相比传统方法其检测准确率得到有效提升。并采用基于互相关函数的时延估计法计算漏点位置,该法基于差分相关系数构建上下游信号的互相关函数,截取某一合适的上游信号子信号,分别与下游各子信号计算相关系数构成以平移量为自变量的互相关函数,其相关函数最大值所对应的自变量即为时延,再结合漏点定位公式计算漏点位置,经过验证该法对管道漏点定位有着较好效果。（3）依托MATLAB App Designer平台设计了管道泄漏检测与漏点定位监测软件,通过对软件界面和逻辑编程两方面进行设计,实现了软件的信号显示与保存、泄漏监测与漏点定位、历史数据调用、用户登陆与注册四大功能。