我国用水资源相对短缺,并且存在大量的城市供水管网漏损现象,这不仅给社会带来了经济损失,也严重影响了居民的正常生活。而对供水管网进行漏损预测,可提前感知漏损事件,有效控制漏失的水量,对我国水资源工作具有重大意义。本论文结合独立计量分区（District Metering Area,DMA）对供水管网的漏损检测进行研究,具体工作如下:（1）本论文对目前常用的城市供水管网漏损预测方法进行了总结。并通过实验对比发现,大部分直接通过单一拟合的神经网络预测模型都无法很好地满足预测精度要求。进而本论文提出了一种基于残差修正的多融合神经网络供水管网预测模型,通过对用水流量数据进行预测来判定漏损事件是否发生,提高了单一预测模型的准确度。（2）通过深入研究,本论文发现不同的预测模型在不同的数据上具有各自的优势,但相应的劣势也很明显。因此本论文在残差修正融合预测模型的基础上,提出了一种基于残差修正-权重分配的多融合神经网络供水管网预测模型。在建立权重分配网络前,先对各个模型的预测值进行残差修正,通过BP神经网络进行权重参数学习,最终预测结果为残差修正值与权重系数的融合。从而融合了多模型的优点,进一步提高了模型预测精准度,提高了工程可用性。（3）最后,本论文设计并实现了基于本论文设计的多融合神经网络预测算法的智能管网漏损监测系统,其能很好地将本论文设计的算法进行实际应用,实现了供水管网状态的实时监测,漏损事件发现与及时通知,以及各种平台业务基本功能。