城市供水管网系统是一个规模庞大、结构复杂、强扰动的动态网络系统，开展预测建模可以更好地掌握其运行规律，提升日常调度、运行优化及应急处理能力。本文关于供水管网建模分析和状态预测的主要研究工作如下：（1）综述了国内外供水管网系统建模研究现状，指出了供水管网系统建模存在的问题及趋势，提出应充分利用现代控制控制理论和数据驱动相关方法对供水管网系统进行建模和预测研究。（2）基于混沌理论和小波分析方法对供水管网压力时间序列进行了混沌辨识和预测。针对SCADA（Supervisory Control and Data Acquisition）现场采集的压力数据含有大量噪声且存在突变的现象，采用小波分析方法对其进行降噪分析，有效地区分了压力序列中的突变部分和噪声。根据混沌辨识理论，验证了压力序列中混沌的普遍存在。鉴于压力序列演化的复杂性，提出采用嵌入空间技术结合神经网络对压力序列进行建模预测。实例表明，该方法具有较好的预测结果。压力时间序列的混沌性的验证为供水管网系统的分析和预测提供了新的思路。（3）基于系统辨识理论，建立了基于鲁棒递推最小二乘法的供水管网ARX（Auto-Regressive with eXogenous Inputs）模型，提出了基于单时变遗忘因子和多时变遗忘因子的参数辨识方法。针对供水管网系统状态受用水量随机变化的影响而难以预测，同时用水量及其空间分布又难以实时估计的情况，模型将用水量作为不可测扰动变量，通过实时更新模型参数自适应跟踪系统的状态变化并做出预测。经验证，该模型简单实用，跟踪能力较强，预测精度良好，为实现供水管网系统的实时优化调度奠定了一定基础。（4）基于系统辨识理论和数据驱动建模方法，建立了供水管网NARX（NonlinearAuto-Regressive with eXogenous Inputs）神经网络模型。首先，针对管网系统用水量及其空间分布难以估计的情况，提出了利用系统历史状态信息和控制信息对用水量做当量估计的思想，并推导了供水管网系统的NARX神经网络模型。然后，采用改进的BP算法，基于NARX辨识模型的串-并行辨识方式对供水管网系统进行离线辨识，结果表明模型可行，在一般工况下具有较好的预测能力。最后，对该辨识模型进行改进，提出将一个带遗忘机制的改进BP在线学习算法用于NARX模型的实时辨识。结果表明，该模型具有较好的跟踪预测能力，同时适用于一般工况和特殊工况。