天气变化引起土壤含水率变化和变形等,导致气温变化与市政给水管道的破损事件存在相关性.为此,基于北方某城市给水管网破损事件数据和气温记录,分析不同的天气因素量化指标与管道破损事件的相关性.采用误差反向传播神经网络(BPNN)和基因表达式编程(GEP)方法,建立考虑天气因素的给水管道漏损预测模型.根据案例城市过去11年的市政给水管网破损记录数据库、管道地理信息数据库和同期气温记录,分析6个天气因素指标(平均温度、冰冻指标、最大上升值、最大下降值、最大上升率、最大下降率)的内在相关性及其与管道破损事件的相关性;采用BPNN和GEP建立管道破损数(因变量)与4个自变量(代表性天气因素指标、管径、管龄、管长)的隐式和显式函数关系.应用隐式和显式两种模型预测案例城市给水管网未来1年的破损数,未考虑天气因素的模型预测决定系数分别为0.65和0.60,考虑天气因素模型预测结果的决定系数分别为0.78和0.88,预测精度提升率分别为13％和28％.建立考虑天气因素的给水管道漏损预测模型是合理有效的.