供水管网模型发展背景
供水管网水力模型是通过抽象和简化方法对现实管网建立的数学模型，基于物质和能量守恒理论，用于供水系统的辅助运行管理和规划设计。传统离线模型包括静态、延时水力和多工况模型，但在实际应用中面临诸多困境，如准确校核困难，受管网拓扑结构、管道摩阻系数、节点流量等众多因素影响;模型现势性差，难以应对节点水量变化的时间持续性、空间不均匀性，以及未知漏损和突发异常状态。
在线模型的提出与定义
随着管网地理信息系统普及、流量压力监测设备成本下降、物联网及通讯手段快速发展、DMA 精细化管理广泛开展以及人工智能技术取得突破，在线模型应运而生。在线模型是充分考虑节点流量、水泵启闭、阀门开度等控制要素的状态变化，能够持续跟踪并预测供水管网状态、具有动态自适应特性的实时模型分析系统。
在线模型的核心特征与功能
核心特征
具备流量 / 控制的实时输入与处理能力，可实时获取并处理流量、水泵、阀门等数据;能进行模型精度的实时评估与校核，依据实时数据不断优化模型;还能实现管网状态的实时预测与响应，及时掌握管网未来状态并对异常情况做出反应。
功能与建设目标
在线模型的功能丰富，涵盖优化调度，包括常规运行调度优化和预案调度评估;具备状态行为预测与预警能力，如高峰供水预测、爆管 / 漏损风险预警、低压区 / 水质风险区辨识等;还能对异常事件进行实时评估与决策，例如处理爆管、突发污染事故、断电、不明用水等情况。
在线模型建设的关键技术与问题
核心技术
涉及数据分类算法、神经网络算法(用于预测和异常检测)、最优化算法以及水力分析方法(压力驱动 / 流量驱动)。这些技术相互配合，为在线模型的运行提供了技术支持。
关键问题
监测数据质量控制与实时处理至关重要，需对监测数据进行质量把控，去除异常值，并估算未知节点流量和管道粗糙度;模型的自适应校核要充分利用长时间历史数据，确保校核效率满足监测频率要求，以提高模型精度;异常机制的处理则需准确识别爆管、压力异动等异常事件，避免误报，通过一系列数据处理和算法实现对异常情况的有效处理。
在线模型的应用展望
未来，在线模型有望与数据挖掘、人工智能深度结合，进一步提升其分析和预测能力;构建适配的监测网络，获取更全面、准确的数据，为模型提供更坚实的数据基础;持续完善自适应校核技术，提高模型的准确性和可靠性，从而更好地服务于供水管网的运行管理。
