为追踪管网内水质动态变化,并在供水管网突发污染发生时,快速准确定位污染源以辅助制定合理应对策略,保障供水安全,本研究以小规模供水管网模拟系统为实验平台,采用欧拉法、拉格朗日法模拟管网余氯质量浓度随时间、空间位置的变化,并通过实测数据反演余氯衰减系数;在正演分析的基础上,选择余氯浓度为污染物浓度指标,向系统出水端多点投加高浓度次氯酸钠溶液模拟城市供水管网突发污染事件,实验中测取多组管网平台监测点污染物浓度时变数据,在保证可靠准确性的基础上将监测数据作为反追踪模拟信息源,通过改进的基于拉格朗日算法的“模拟-优化反追踪数学模型”定位污染源,并据此分析了管网拓扑结构、优化时段、水力工况等因素对模型精度和效率的影响;通过对污染模拟事件40组监测数据(28组训练样本,10组检验样本)的分析整理,确定BP人工神经网络的输入和输出,通过模拟结果和理论分析总结该方法的优势和制约因素。在合理设置模型影响因素条件下,模拟-优化反追踪模型在本研究中的模拟结果准确率达93.3%;BP人工神经网络准确率达100%。两种算法在不同方面各有优势,但就目前的研究而言,模拟-优化反追踪模型表现了更高的鲁棒性和较广泛的适用性。