根據不同的監測目的，采用的方**與最終的選址有所不同。目前，國內外對排水管網監測點優化布置的研究相對有限。根據理論基礎的不同，現有的優化方法大致可以分為兩類:一類是基于統計理論的；另一種是基于運籌學理論。

1基于統計理論的優化

國內對排水管網監測點優化**的研究大多基于統計學理論，核心是通過識別節點間的相關性進行聚類，從而優化監測點。袁敬東利用模糊聚類和動態貼近度對排水管網監測點的**進行了優化，并對兩種方法的結果進行了比較。秦立奇運用模糊聚類分析法[1]對GZ某排水區域的主排水管網上的監測點進行了優化。敖佩也是基于聚類的思想，將**覓食算法(BFO)引入到模糊C-均值(FCM)聚類算法中，通過BFO作為FCM算法的初始聚類中心獲得**解，然后通過FCM算法對初始聚類中心進行優化，獲得全局**解[2]。

利用聚類分析的思想優化管網監測點**的過程，主要是確定衡量節點相關性的指標，然后衡量節點之間的相似性，并根據相關性進行聚類，**根據聚類結果選出每個類別中的代表節點，如圖所示。

基于模糊聚類方法的管網監測點流程優化

2基于運籌學理論的優化

國外一些學者利用運籌學中的多目標規劃模型來研究排水管網監測點的優化**。Fattoruso等人以模型精度**化和監測成本最小化為規劃目標，優化了水文測驗器的監測位置，主要是針對城市內澇的預警[3]。Banik等人研究了排水管網水質監測點的優化問題，在多目標規劃模型下，用遺傳算法求解，確定**的水質監測點[4]。

多目標監測點優化定位的遺傳算法計算流程

與統計方法相比，基于運籌學理論優化節點**更便于考慮和討論不確定性。受降雨強度、降雨間隔等因素影響，排水管網各節點水量、水質會有明顯差異；而且目前我們國家的雨污系統大多是合流的，污水的排放也會對管網的水量和水質產生重大影響。因此，在優化排水管網監測點**的過程中，應充分考慮不確定性。