随着我国城市化水平不断提高,供水管道长度呈现加速增张趋势,供水管网中输送的水都是由当地水厂处理过水质符合国家规范的城市用水,管网的泄漏不止会导致水资源的浪费造成市政系统供水能力下降甚至局部瘫痪,并且会给当地经济造成巨大的损失和严重的环境损坏。负压波信号是对于液体输送管道工况特征提取十分有效的信号,但对于城市供水管网来说,一些常规的运维操作可能也会产生负压波信号,导致误报警,因此如何从复杂干扰中提取有效特征并进行工况判别是整个技术的关键难点。供水管道泄漏诊断本质上也是故障诊断的一种,其整个诊断的过程分为原始采集信号的降噪,降噪后信号特征的选取以及根据所选特征进行被测系统的工况识别。本文中采用对液体输送管道友好度最高的负压波信号为源采集信号,根据上述步骤分别做出解决方案,本文章节主要内容如下:1)详细介绍了变分模态分解(Variational Mode Decomposition,VMD)的信号分解原理,并提出了一种采用样本熵的阈值来优选分离后的本征模态函数(Intrinsic Mode Function,IMF)的方法用以重构信号,进行原始信号的噪声分离实现降噪。通过对供水管网的负压波信号进行分解重构降噪分析,根据分解后的本征模态函数中的样本熵筛选重构可以有效的应用于管道泄漏诊断中。2)详细介绍了随机森林算法(Random Forest,RF)的基本原理,将供水管网负压波信号的12个可以反映信号波形变化的常用特征作为总特征集输入,经过迭代之后得到特征对于分类的准确率排行,选取其中前五位为作为分类的优选特征子集。把上一步VMD分解降噪后的信号作为信号源提取特征集作为输入,经过RF算法多次迭代后得到可以反映供水管道负压波信号的最优特征子集(峭度、峭度因子、平均幅值、均方根以及裕度因子)。3)详细介绍了支持向量机算法(Support Vector Machine,SVM)的基本原理,并提出了采用粒子群算法(Particle Swarm Optimization,PSO)优化SVM中径向基核函数里的核参数g和惩罚因子c两个参数,最后建立了多元的改进支持向量机,得到供水管道负压波法的PSO-SVM分类模型。以上一步得到的优选特征子集作为模型输入,得到供水管道工况的判别分类。实验结果表明,PSO算法可以较为快速地搜寻到SVM中关键参数的最优值,并且改进算法相对于传统的反向传播算法、未经优化的支持向量机以及基于遗传算法和蚁群算法支持向量机算法在准确率上有一定提升。