摘要:为了讯速识别计量分区给水管网中的爆管，提出了一种新的预测–分类–校核的三阶段Infomer-Z-score算法。Infomer-Z-score算法解决了传统方法数据处理效率低、不正常低用水量不处理的问题。在预测阶段中使用深度学习Informer算法预测管网长时间用水压力数据，提高用水压力预测的准确性和数据处理的效率。在分类阶段使用多阈值的分类方法提高了对用水压力数据随时间变化的鲁棒性。Infomer-Z-score算法在爆管模拟检验中的真阳性率（TPR）为90.9%、假阳性率（FPR）为1.7%、检测准确率（DA）为99.5%。长时间序列的压力预测不仅能用于爆管识别，而且还能有效的进行管网中的压力控制使爆管风险降低。

摘要:针对城市给水管网运行故障诊断问题,构造一个给水管网室内实验模型,通过测试节点水压变化,利用建立在结构风险最小原理基础上的支撑向量机(SVM)模式分类功能,确定相应的特征向量和核函数参数;选取样本进行训练和测试,在小样本情况下对管网故障点进行判决.在多次实验模型测试数据的基础上, 对基于SVM的给水管网故障诊断方法进行测试,并在相同实验测试数据的前提下与神经网络(ANN)法进行比较,实际算例表明,SVM方法的诊断精度优于神经网络法.