城市给水工程属于一个城市非常重要的基础设施,它的正常运行确保市民的日常工作、生活及工农业的产量.但是中国目前的供水系统仍然存在一些需要解决的问题,例如水漏失、爆管、供水不足,压力不够和能量的巨大浪费等.这些源于我们对整个管网的运行工况了解不够精确,因此建立一个准确的管网工况模型能够帮助我们实时了解管网的运行情况,并解决上述问题.由于宏观模型具有建模时间短,不需要太多的管网参数等优势,所以该文选择建立给水管网的宏观模型,但以往的宏观模型建模过程中存在许多困难,当主要的影响因素发生较大变化时,模型会产生一些误差.而基于BP神经网络模型能够处理各影响因素间非线性,不明确,动态关系,所以选择BP神经网络建立管网的宏观模型.针对典型的BP神经网络的隐层神经元数不好确定,收敛速度缓慢等问题,该文采用遗传算法来优化隐层节点数并用动量因子和学习率自适应等方法对其进行改进.其于以上研究,建立了两个青岛市管网工况宏观模型,这两个模型可以满足不同的需要.同时该文在改进BP上作了一些探讨,提出了例如分布归一化、混合Box-Jenkins和协同进化遗传算法等方法.