水资源短缺,制水成本增加和能源短缺的问题日益突出,对城市水务供水管网漏损管理提出了更高的要求。因此,精确地预测漏损并及时检测管道漏点显得至关重要。针对目前存在的单一漏损预测模型不能准确预测多因素非线性漏损和嵌套预测模型组合模式偏少且预测精度不高等问题,在详细分析现有的漏损预测模型、管道安全使用时间预测模型和管网漏损检测周期预测模型基础上,采用GTMS软件计算和Matlab软件编程,构建嵌套BP(Error back propagation,误差反向传播)/GMS(Grey model species,灰度模型种类)漏损预测模型,并将该模型应用于重庆市北碚区管网漏损预测,其研究结果如下:首先,在常规BP神经网络模型基础上,构建嵌套BP神经网络和嵌套GMS神经网络模型。嵌套BP神经网络模型是多因素数据嵌套模型,结合神经网络的平行拓扑结构和最小均方误差识别模式,适用于具体漏损管段的预测。嵌套GMS神经网络模型是单因素的结构嵌套模型,结合灰度模型短期预测和神经网络长期预测的优势,适用于宏观的管网漏损预测。其次,根据重庆市北碚片区近五年记录完整的管段漏损信息,选取管材作为最关键管道漏损影响因素和其余五个次相关因素(管径、气温、管段压力、埋深、所处公路等级),以管道安全使用时间(初次漏损时间)为预测目标,代入嵌套BP神经网络模型中。通过均方误差最小方法识别预测管道的归属子模型,并用Matlab软件编程预测管段漏损时间,提前检查管道漏点。最后,根据重庆市北碚区近五年记录完整的管网月漏水量,月漏损件数以及相关费用参数,代入嵌套GMS神经网络模型中,得到月漏水量和月漏损件数的短期和中长期预测结果。根据外部条件对预测结果进行修正,并用马尔可夫模型理论验证修正系数取值可行性。将修正预测结果和相关费用参数代入包括检测维护成本和漏损水量成本两部分的漏损优化检测周期模型中,通过Matlab软件提供的Nftool拟合功能,以最低的漏损检测总成本为目标,得到北碚区最佳管网检漏周期,减少了漏水量,节省了漏损控制总成本。