根据不同的监测目的，采用的方**与最终的选址有所不同。目前，国内外对排水管网监测点优化布置的研究相对有限。根据理论基础的不同，现有的优化方法大致可以分为两类:一类是基于统计理论的；另一种是基于运筹学理论。

1基于统计理论的优化

国内对排水管网监测点优化布局的研究大多基于统计学理论，核心是通过识别节点间的相关性进行聚类，从而优化监测点。袁敬东利用模糊聚类和动态贴近度对排水管网监测点的布局进行了优化，并对两种方法的结果进行了比较。秦立奇运用模糊聚类分析法[1]对GZ某排水区域的主排水管网上的监测点进行了优化。敖佩也是基于聚类的思想，将**觅食算法(BFO)引入到模糊C-均值(FCM)聚类算法中，通过BFO作为FCM算法的初始聚类中心获得最优解，然后通过FCM算法对初始聚类中心进行优化，获得全局最优解[2]。

利用聚类分析的思想优化管网监测点布局的过程，主要是确定衡量节点相关性的指标，然后衡量节点之间的相似性，并根据相关性进行聚类，最后根据聚类结果选出每个类别中的代表节点，如图所示。

基于模糊聚类方法的管网监测点流程优化

2基于运筹学理论的优化

国外一些学者利用运筹学中的多目标规划模型来研究排水管网监测点的优化布局。Fattoruso等人以模型精度最大化和监测成本最小化为规划目标，优化了水文测验器的监测位置，主要是针对城市内涝的预警[3]。Banik等人研究了排水管网水质监测点的优化问题，在多目标规划模型下，用遗传算法求解，确定最优的水质监测点[4]。

多目标监测点优化定位的遗传算法计算流程

与统计方法相比，基于运筹学理论优化节点布局更便于考虑和讨论不确定性。受降雨强度、降雨间隔等因素影响，排水管网各节点水量、水质会有明显差异；而且目前我们国家的雨污系统大多是合流的，污水的排放也会对管网的水量和水质产生重大影响。因此，在优化排水管网监测点布局的过程中，应充分考虑不确定性。