管道运输业发展迅猛,以其经济,方便等特点俨然成为五大运输方式之一,对国民经济发展起着推动作用。我国每年的管道铺设数量也大大增加,已形成遍布全国的管道网络,然而我国很多管网服役几十年必须面对其老化问题,且不法分子偷盗国家资源也时有发生,从而导致管道泄漏事故频繁发生,造成国家资源财产的损失且破坏生态环境。所以管道发生泄漏时如何有效的发现泄漏并准确的找到泄漏位置对于保护国家财产安全减少损失有重要意义。然而管道运行环境复杂且含有很多不确定因素,当管道发生泄漏时常常伴有大量噪声信息的干扰,从而使现有的管道泄漏检测精度降低。本文搭建了小型管网系统模拟管道泄漏并实时采集数据,设计了一套基于小波与深度神经网络的油气管道泄漏检测平台。分析了管道运行可能存在的噪声干扰,对小波去噪的方法进行改进优化很好的保留了管网泄漏的真实信息并用负压波法对其定位,利用简单的数学知识解决了负压波波速难测量的问题,对微小泄漏的检测效果也很不错。实际的管道泄漏检测常常会因为一些工况干扰导致误报警的发生,从而浪费人力财力。本文提出改进的深度信念网络应用于管网的异常检测分类,深度信念网络故障识别分类性能良好,可以很好的避免管道异常误报警的问题。