给水厂处理后的合格的生活饮用水,在经过复杂的城市输配水管网输送到用户时,可能会有明显的水质变化,从而使水质不合格。为了改善管网的水质,加强对管网水质的运行管理,有必要了解水质在管网中的分布情况。本文以天津某高校管网和华北地区某保税区供水管网为研究对象,以保障饮用水的水质安全为研究目标,系统深入地研究了输配水管网水质统计模型的建立和校核。结合示范区的实际情况,制定了管网水质监测的实验方案,对其中的水质监测点分别进行了为期一个月,频率一天一次的监测和为期三天,频率每隔一小时一次的监测。通过实验分析获得了大量的建模基础数据。选择浊度作为模型的控制指标。选用统计回归和人工神经网络方法建立管网水质统计模型。采用数据分析软件SAS建立多元回归统计模型并进行求解,采用MATLAB编写了人工神经网络的训练和校核程序。对示范区内的所有的监测点建立水质模型,并对管网水的浊度进行了预测。结果表明实测值与模拟值吻合得较好,模型的精确度较高,能够反应管网中水的浊度的变化情况。就应用效果而言,两种方法建立的统计模型的预测效果相当,都能应用于实际。在浊度过大或者过小的情况下,神经网络的效果要比统计回归理想。结合示范区的实际情况,建立水质统计模型必须以大量的数据作为基础,因为有代表性的数据是保证模型的准确性和精度的保障,以及模型的应用结果,本文提出了提高模型精度的方法以及获取更有代表性的数据的策略。