1.一种用于城市供水管网监测点的优化布置方法，其特征在于该方法包括以下步骤：步骤1.获取模糊相似矩阵

(1)建立灵敏度系数矩阵

令管网模型节点k的流量变化，使所有节点i水压发生变化，将所有节点i的水压变化值ΔHi与节点自身水压的变化值ΔHk求比值，获得节点的灵敏度值λik，即：据此，可求得所有节点的灵敏度系数，用矩阵形式R表示为：其中，第i行代表节点i发生变化时，对管网所有节点的影响系数向量，第j列代表管网中所有节点发生变化时，对节点j的影响系数向量；

(2)标准化

对灵敏度系数矩阵进行平移标准差变换处理，公式如下：其中Rij是R的第i行第j列的值， 是R的第j列的平均值，Sj是R的第j列的标准差，R′ij为所求标准化矩阵第i行第j列的值；

(3)模糊相似化

采用相似系数法中的相关系数法求解标准化矩阵，公式如下：其中， 是R′的第i行的平均值， 是R′的第j列的平均值；

步骤2.基于最优灵敏度确定测点

确定每个异常节点j对管网所有节点感应灵敏度的平均值和最大值，先分别平方再求和，最后开根号，增加测点之间的平均欧氏距离之和来控制测点之间的分散程度；构建目标函数如下：上式中，N代表测点的数量，M代表可能的爆管点数；e1、e2、e3是引入的权重系数，代表对应部分在整个目标函数中的重要程度,ΔHi/ΔHj是测点i对可能爆管点j的灵敏度系数；

cori、corj是测点i和测点j的二维地理坐标，通过模型文件得到；通过matlab使用实数编码的遗传算法求解该目标函数，便得到基于最优灵敏度分析的测点分布；

步骤3.基于模糊聚类确定测点

使用Kmeans聚类分析方法实现快速聚类，以计算节点灵敏度到原型的海明距离为目标，通过求取极值得到迭代运算的调整规则；算法通过随机初始聚类中心向量V进行最优分类，使得下式所示的目标函数J最小；

uk是分类中心向量，xn是观测坐标向量，rnk是0或1，若n被归类至k组，则rnk＝1，否则rnk＝0；J的目标是最小化观测向量与聚类中心之间的距离；rnk与uk寻优时，通过迭代运算逐步求出，固定uk，选择最优的rnk，再固定rnk，求最优的uk，在选择rnk时，将数据归类到距其最近的中心点可使得目标函数最小，求uk时，令J对uk求导等于0，可得到：uk是分类中心向量，因为每次都能够使J取最小，因此J的最小值可以求得，步骤如下：(1)设定k个节点的灵敏度作为分类中心的初始点，即对应k个测点中心；

(2)计算所有节点的灵敏度到k个分类中心的距离，按照最近邻法归类；

(3)计算每一类的灵敏度距离平均值，距离最小的点作为新的分类中心；

(4)重复步骤(2)、(3)，在达到迭代次数上限或满足要求时停止，便得到基于kmeans模糊聚类分析的测点分布；

步骤4.综合确定测点

根据步骤3得出的测点分布，确定步骤2得出的测点分布在关键出入水口处或重要管段处布置缺失的测点个数K以及对应的区域坐标Φ(xi,yi)；比较步骤2的测点中距离接近的测点灵敏度大小，把灵敏度相对较小的K的测点移动到Φ(xi,yi)处，便得到最终测点集。