管道作为一种重要的运输手段,已被广泛应用,但由于各种原因造成的泄漏问题不仅影响到经济效益,而且有可能对环境和人的健康造成有害的影响。因此,对管道进行检测与定位,及时发现并处理泄漏问题,具有重要的现实意义。　　 首先对课题的研究背景、国内现状以及研究的意义进行了阐述;对研究过程中的理论和技术基础进行分析;然后对管道泄漏负压波信号进行分析和处理,将得到的波形进行特征量的提取与分析,并讨论了特征量提取的原则;最后利用聚类分析的方法,对从众多样本中提取到的描述波型的信号量进行分析,筛选出最能区分和反映产生负压波信号原因分类的一组特征量,作为概率神经网络的输入值;利用概率神经网络对样本进行分析和处理,得出分类的结果。　　 课题将概率神经网络的相关理论和技术应用于管道泄漏问题的检测和定位的研究中,建立了管道泄漏检测系统,通过对待测数据的处理和与其他类似算法的对比,证明其在降低识别误报率方面的作用。在实际的研究过程中,对负压波信号的提取和处理达到了相当的精度要求,选取了8个特征参数,概率神经网络模型的建立以及各参数的确定科学可靠。　　 通过研究,一方面为解决管道泄漏问题的识别与定位提供了一种新的途径和思路,另一方面也为概率神经网络在实际工程中的应用找到了一种途径。通过理论研究和实践证明,概率神经网络在降低管道泄漏识别误报率方面具有较好的性能。