装几块压力表，能把漏点定位到哪条管？——压力指纹法完整推演

漏点埋在地下，全网逐段开挖排查不现实。可只要在管网里装几块压力表，读数里就藏着漏点位置的信息——这篇文章从水力学第一性原理出发，把"从压力读数到漏点概率排名"的完整方法，在一张 6 节点教学演示网上一个数字一个数字地推到底。

口径声明：全文所有数字都出自一张 6 节点教学演示网（1 座水库 40 m 水头、6 个节点、7 根管）的合成实验，用来讲清方法机理与装表规律，不是任何实际管网的实测成绩。全程单漏点假设；测量噪声按 σ=0.02 m（±2 cm 表精度）合成。演示网虽小，却具备真实管网的关键结构——环状供水、管径差异、总管与末梢之分，方法在它上面讲清了，规模放大只是把矩阵变大，链条一步不变。

▶ 交互演示版（可现场跑 Monte-Carlo）：本文的两处 live 演示——单次定位、装表阶梯 18000 次反演实验——都能在这个页面上当场点、当场重算，数字不是预存的图片。读到对应章节时打开它对照着玩，体感最好。

---

一、问题：漏损排查是一条漏斗，本法站在中段

供水管网漏损治理里，"哪里在漏"是最贵的一问。完整的排查链条是一条逐级收窄的漏斗，每一级用的物理量和设备都不同：

1. 发现——有没有漏、漏多少：靠总分表流量对账、DMA（独立计量区）夜间最小流量分析，"总账"对不上就是有漏。用的是流量。
2. 定位（本法所在）——漏在哪根管：压力指纹匹配，把全网候选缩成一份 top-K 概率清单，排查范围从全网收到两三根管。用的是压力。
3. 定桩——漏在管上哪一米：听漏仪、噪声相关仪沿候选管精确定位桩号。用的是声学。
4. 修复——开挖：范围已缩到米级，开挖成本可控。

压力和流量在这条漏斗里分工明确、互不替代。把两者摆在一起看：

所以"为什么定位只用压力不用流量"的第一层答案就是分工：流量已经在第①级把"有漏"确认了，第②级要的是空间信息，而空间信息只密布在压力表上。更深一层的物理答案，留到第五章讲指纹时给。

之所以说定位是"最贵的一问"，是因为它夹在两个便宜环节中间：发现只要读总表、修复只要挖开确认了的那一段，唯独"漏在全网哪根管"没有直接可读的仪表——地下管网看不见、摸不着，早年的做法要么全线开挖、要么等到路面塌陷或水费异常才被动响应，代价都极高。压力指纹法的价值就在于把这个"看不见"的中段，用一批便宜传感器 + 一套水力模型，变成一份可以照着干活的嫌疑清单。它不承诺一步到位，但能把开挖成本最高的盲目排查，压缩成沿两三根管的定向复核。

问题的数学形式：读数进，概率排名出

把定位问题写成算式，输入输出都很小：

$\text{输入：}\; p^{\text{实测}} \in \mathbb{R}^{M}\;(\text{单位 m})\quad\Longrightarrow\quad \text{输出：}\;[P_1,\dots,P_N]\;\text{取 top-}K$

其中 M 是压力表数、N 是候选漏点数（本演示网 M=3、N=7；真实问题里 N 是候选管段数）。**为什么输出是一份概率排名，而不是一个坐标？**三个原因：

• 信息量对不上：M 个读数携带的信息有限——第七章会算清楚，去均值后只剩 M−1 维——要从中唯一确定一个连续坐标是奢望。诚实的输出是"哪几根管嫌疑最大、各多大把握"。
• 下游用法就是排查清单：漏斗第③级拿着 top-K 清单沿管听漏，本来就按嫌疑度排队干活，概率排名正好是它要的输入格式。
• 失手可观测：概率自带置信度。top-1 领先第二名 70 个百分点，和只领先 0.3 个百分点，是完全不同的行动依据（下文会看到后者等于掷硬币）。一个只报坐标的黑箱给不了这层信息。

方法全链只有四步：建指纹库（离线一次）→ 算残差 → 去均值 Pearson 匹配 → softmax 概率。往下逐步把每一步的数字算到底。

---

二、演示网与水力学最小集

演示网全参数

演示网长这样：1 座水厂（水库边界，恒定水头 40.00 m，唯一压力边界）经总管 P0 进网，P1–P6 六根管围成一个环。6 个节点 J1–J6，每个节点的用户用水 0.004 m³/s（≈ 每秒 4 升），全网合计 0.024 m³/s；节点高程全部取 0——于是水头 H = 压力表读数 p，后文两词通用。

七根管的阻力系数 R（糙率 C=100 全网统一）：

水力学最小集：一根管的过路费公式

整个方法只依赖一条水力学经验公式。水在管里流动要跟管壁摩擦，能量沿程消耗，表现为水头（本网高程全 0，即压力）一路变小。一根管消耗的水头叫沿程损失 h，自来水行业用 Hazen-Williams 公式：

$h = R\,Q^{1.852},\qquad R = 10.667\,C^{-1.852}\,D^{-4.871}\,L$

在 SI 单位下（Q 用 m³/s、D 与 L 用 m，h 出 m），常数 10.667 才成立，R 的量纲是 m/(m³/s)^1.852。指数 1.852 是关键：流量翻倍，损失不是翻倍，而是变 $2^{1.852}=3.61$ 倍——流得越快，摩擦越不成比例地贵，这是湍流的非线性。而 R 里 D 的 −4.871 次方极其敏感：管径减半，R 大约变 29 倍。

拿总管 P0 从头算一遍（L=150 m，D=0.30 m，C=100；水库 40 m；全网用水 0.024 m³/s 全部经它进网）：

• 第①步，算 R：$R = 10.667 \times 100^{-1.852} \times 0.30^{-4.871} \times 150 = 10.667 \times 0.0001977 \times 352.3 \times 150 = \mathbf{111.4}$
• 第②步，算损失：$h = 111.4 \times 0.024^{1.852} = 111.4 \times 0.001000 = \mathbf{0.111}$ m
• 第③步，起点水头减损失：$H_{J1} = 40 - 0.111 = \mathbf{39.889}$ m

三步之外没有别的了——J1 处压力表就该读 39.889 m。感受一下非线性：用水翻倍到 0.048 m³/s，损失变 $111.4 \times 0.048^{1.852} = 0.402$ m，是 0.111 m 的 3.61 倍而不是 2 倍。这个非线性决定了整网方程组没有解析解，只能迭代。

再加一条常识就够用了——节点守恒：节点不存水，任一时刻"流进 = 流出 + 该点用户用掉"。一条公式加一条常识，就是全部水力学。

---

三、基线工况：13 个未知数，手算解出与仿真对账

没漏水时全网什么状态？未知数 = 6 个节点水头 + 7 根管流量 = 13 个。分三步吃掉：

第一步，总账。全网用水 0.024 m³/s 只能从水厂来，所以 $Q_{P0}=6\times 0.004=0.024$ m³/s，不用解方程，进出账而已。13 个未知数干掉 1 个。

第二步，逐节点分账。环上 6 根管流量互相牵连，但守恒账能把它们全表示成一个未知数。设 P1 流量为 $q$（方向 J1→J2），沿环逐节点记"进 = 出 + 自用"：

最后一行 $q$ 自己消掉了、恒等成立——这说明 6 条守恒账里只有 5 条独立，定不出 $q$，差的这条方程要靠能量来补。13 个未知数现在只剩 1 个 $q$。

第三步，能量闭合定 q。从 J1 到 J4 有上下两条路，但 J1 只有一个水头、J4 也只有一个水头，所以"J1 到 J4 掉了多少水头"是一个固定的数——不管水走哪条路。于是两条路的总损失必须相等：

$\underbrace{h_{P1}+h_{P2}+h_{P3}}_{\text{上路}}=\underbrace{h_{P6}+h_{P5}+h_{P4}}_{\text{下路}}$

每个 $h=R\,Q^{1.852}$，方程里只有 $q$ 一个未知数，但 1.852 次方无求根公式，只能试算逼近：

物理图像很清晰：0.024 进 J1、自用 0.004，剩下 0.020 几乎对半分走两条路——因为两条路到汇合点的总阻力恰好相近。

流量全知道了，从水库 40 m 沿管逐段减损失（每行就是水力学最小集那三步）：

手算与仿真最大差 0.002 m，全部来自展示舍入（$q$ 取 0.010 而非 0.0099975、每行 h 只留 3 位小数）；取满精度重走这条链，六个节点四位小数逐位等于仿真值——手算和仿真解的是同一套方程，模型没有黑箱。带走一行数，三块表（J1/J3/J5）看到的基线（后文统一用仿真精确值）：

$\text{基线}=[\,39.889,\;39.635,\;39.701\,]\;\text{m}$

漏水检测的全部游戏，就是拿新读数跟这行数相减：基线是"一切正常时压力表该读多少"的参照系，任何一次实测偏离它，都是全网状态变化留在压力场上的痕迹，而漏水正是其中最典型、也最值得追查的一种。

---

四、漏损建模与漏损工况：16 条方程联立

劈管开洞，漏量是解出来的

模型里的管是一条线，线上没法直接开洞，所以做个小手术（代码里叫 split_pipe）：把管从中点劈成两半，劈点生成一个虚拟节点 LEAK，洞就开在它身上。以 P5（J5–J6，300 m）为例：

$\text{改造前：J6}\;{-\!-}\;\text{P5(300 m)}\;{-\!-}\;\text{J5}\quad\Rightarrow\quad\text{J6}\;{-}\;\text{P5\_B(150 m)}\;{-}\;\text{LEAK}\;{-}\;\text{P5(150 m)}\;{-}\;\text{J5}$

劈管连带一个后果：R 与管长成正比，300 m 的 P5 原来 R=1606.4，劈成两个 150 m 后每段 R = 1606.4 ÷ 2 = 803.2。洞的参数只有两个：面积 A = 0.001 m²（孔径 ≈3.6 cm）、流量系数 Cd = 0.75。

洞往外喷多少水？托里拆利结论——孔口喷速等于从"压力水头那么高"自由落体的末速度 $v=\sqrt{2gp}$，流量 = 速度 × 面积 × 折减系数：

$Q_{\text{leak}} = C_d\,A\,\sqrt{2\,g\,p_{\text{LEAK}}}$

关键在于：$p_{\text{LEAK}}$ 是未知数（洞开了之后那点压力多少，得解出来才知道），所以 $Q_{\text{leak}}$ 也是未知数。你给模型的只有洞的几何（A、Cd），漏多少水是它自己算出来的。

同时，因为漏量、用水量都随压力变化，仿真必须用**压力驱动（PDA）**模式：漏水压降 → 压降反过来抑制漏量和出水量 → 再影响压力，这个反馈闭环只有 PDA 能表达。需水按 Wagner 三段式：压力 ≥21 m 足额、≤3.5 m 断流、中间按 $((p-3.5)/17.5)^{0.55}$ 折减；本网压力全程 38 m 以上，折减不激活，但这条方程始终在系统里，一旦漏损把压力压穿 21 m 它就自动接管。

16 条方程联立求解

P5 开洞后，未知数变 16 个：7 个节点水头（含 $H_{\text{LEAK}}$）+ 8 根管流量（P5 劈成两段）+ 1 个漏量。方程恰好 16 条：7 条节点守恒 + 8 条管道能量 + 1 条漏口方程，恰好封闭。非线性来自 1.852 次方和开根号，没有解析解——仿真里用 Newton 迭代（跟基线的"试算逼近"是同一件事的机器版）。

为什么必须 16 条联立、不能一条条顺着算？漏口方程说"漏点压力越高漏得越多"，守恒与能量方程说"漏得越多 → 全网流量越大 → 损失越大 → 漏点压力被压得越低"。两边互相顶牛，解是同时满足全部 16 条的那个平衡点。收敛解的关键数字：

16 条方程逐条代回全部闭合（能量方程 ±0.0003 m 的零头为表值舍入）。把漏后压力与基线逐节点相减，得到本章的最终产物——压降向量 Δp：

规律一眼可见：离洞越近降得越多（洞在 J5–J6 之间，J5 降 1.154 m 最狠；J1 挨着水厂只降 0.240 m）。压降的这种空间分布模式，就是下一章说的"指纹"。

---

五、指纹库：把"每根管漏水的样子"离线存档

对 P5 干的那套动作——注漏、解方程、跟基线相减得 Δp 行——对每根候选管重复一遍，把 7 行 Δp 摞成一张矩阵，就是指纹库：

$S \in \mathbb{R}^{N\times M},\qquad S_{ij} = \text{第 }i\text{ 根管漏水时，第 }j\text{ 个节点的压降 (m)}$

本网 N=7 候选、先把全部 6 个节点算满（装几块表 = 匹配时给矩阵遮住几列）。得到的 7×6 指纹表：

读这张表读出三条规律，后面全部结论都从它长出来：

1. 每行一个"地形"：P3 漏时 J4 降 2.509 m 最狠（紧挨着），J1 只降 0.234 m——距离衰减在每行都成立，行与行地形不同，这就是可区分性的来源。
2. 有些行长得像：P5 行与 P6 行都是"J5/J6 一侧多降、J1 一侧少降"的地形，只差幅度——第六章的平局已在这张表里埋下伏笔。
3. P0 行是平的：总管漏水让六个节点均匀各降 0.123 m。均匀 = 没有空间模式 = 后续任何匹配都无从下手（第七章专门讲这个结构性盲区）。

指纹库有三个工程属性值得强调。其一，离线一次成本：N 根候选管 = N 次仿真，建库在漏发生前完成；在线定位时刻不跑任何水力仿真，只做向量匹配，毫秒级。其二，固定漏口不碍事：库用统一 A=0.001 m² 的教学漏口，漏口变大各监测点压降近似等比放大、空间形状不变——而匹配刻意只看形状不看幅度，所以一套库对付各种大小的漏。其三，库的质量上限 = 模型的质量：指纹是模型算的，糙率、管径与实际不符指纹就失真；演示网糙率统一 C=100 是教学设定，工程上糙率须用实测压力标定后指纹才可信。

指纹的物理：压降模式是流量重分配的"影子"

第一章从分工角度回答了"为什么只用压力"，这里给物理层面的答案，质询时更硬。漏水这件事在管网里的完整因果链是：洞出现 → 管段流量重新分配（水厂多供、各管流量按阻力重新分摊、有的管甚至倒流，前一章的流量列全看到了）→ 每根管流量变了，沿程损失 $h=R\,Q^{1.852}$ 就变了 → 各节点水头跟着变。

也就是说，压降的空间模式 = 流量重分配经能量方程投影出来的"影子"。拿压力做匹配，不是放弃了流量信息，而是流量变化的空间信息已经被能量方程编码进压力场——用便宜的压力表读到了贵的流量计才能直接测的东西。反过来问：直接测流量不是更直接吗？两个现实障碍——流量计贵一个量级以上、密布不经济；而装在边界的流量计只有总量，总量只回答"漏多少"，永远回答不了"漏在哪"。压力表便宜、可密布，密布才有空间分辨率。

---

六、匹配算法：残差 → 去均值 Pearson → softmax

现在切换到在线时刻：P5 真的漏了（我们假装不知道），三块表传回读数。

第一步：残差 r，三个减法

把读数变成残差——基线减实测：

$r = [\,0.240,\;0.599,\;1.154\,]\;\text{m}$

教学口径用零噪声"完美实测"——直接取上一章收敛解表里三块表位置的压力，相当于假设仪表完全准、模型完全对。注意 r 恰好就是指纹表里 P5 那行的 J1/J3/J5 三列——零噪声下真值行跟残差是同一个向量，这是自洽性的基本检验。接下来的问题就一句话：指纹库 7 行里，哪行长得最像 r？

▶ 这一步开始，交互演示版的"单次定位"演示最适合边读边玩：点任意管道设为漏点，右侧概率条就按下面这套算法当场重算。

第二步：为什么不能直接比，先去均值

最朴素的想法是拿 r 跟每行算夹角余弦，谁大谁像。这样做会失败：漏水让三块表全都在降（r 三个分量全正），指纹库每行也全正——所有向量都朝着"全降"这个大方向，谁跟谁的余弦都 >0.95，全体"很像"，等于没比。信号处理里这叫共模分量淹没差模分量。

解法是先去均值：把"大家都在降"的公共部分减掉，只留"谁比平均多降、谁比平均少降"的相对模式：

$r\text{ 的均值}=\frac{0.240+0.599+1.154}{3}=0.664,\qquad \tilde r = r-0.664 = [\,-0.424,\;-0.066,\;+0.490\,]$

读出来就一句话："J1 比平均少降 0.42，J5 比平均多降 0.49"——这才是漏点位置的签名，跟漏多大无关。

去均值的第二重红利是尺度不变：漏口变大，r 整体近似等比放大，去均值再归一后方向不变——所以匹配不需要预知漏口大小，一套指纹库对付各种规模的漏。代价也在这一步埋下：去均值吃掉一个自由度，M 块表只剩 M−1 维（下一章细算这笔账）。

第三步：去均值后的余弦 = Pearson 相关

指纹库每行 $S_i$ 同样去均值（记 $\tilde S_i$），跟 $\tilde r$ 算夹角余弦——这个量在统计里就叫 Pearson 相关系数：

$\text{score}_i = \frac{\tilde r \cdot \tilde S_i}{\lVert \tilde r\rVert\,\lVert \tilde S_i\rVert}\in[-1,+1]$

分子是 m²、分母是 m×m，单位约掉、score 无量纲——量纲层面再次印证：匹配只看模式方向，不看漏多大。拿 P6 这行完整手算一遍（挑它是因为结果最出人意料）：

• ① P6 指纹（J1/J3/J5 列）= [0.243, 0.306, 0.420]，均值 0.323，去均值 $\tilde S_{P6}=[-0.080,-0.017,+0.097]$
• ② 点积 = $(-0.080)(-0.424)+(-0.017)(-0.066)+(0.097)(0.490)=0.0339+0.0011+0.0475=0.0826$
• ③ 范数 $\lVert\tilde S_{P6}\rVert=\sqrt{0.080^2+0.017^2+0.097^2}=0.1267$；$\lVert\tilde r\rVert=\sqrt{0.424^2+0.066^2+0.490^2}=0.6514$
• ④ score = $0.0826\div(0.1267\times 0.6514)\approx \mathbf{0.999}$

注意这个 0.999：P6 根本没漏，它跟残差的相关竟然接近满分。原因是 P6 的去均值方向（"J1 少降、J5 多降"）跟真凶 P5 几乎同款，只差幅度——而幅度恰恰被尺度不变性抹掉了。这不是算错，是三块表视角下两根管物理上就长一样，下面 softmax 和自由度两节把这件事的后果和根源讲透。

这里值得停一下体会 Pearson 到底在比什么。它比的不是"两个向量数值接近"，而是"两个向量的形状趋势一致"：先各自减掉自己的平均水平，再看去掉平均后剩下的起伏是否同向同比例。这正是我们要的——漏点大小影响的是幅度、漏点位置影响的是形状，用一个天然把幅度归一化掉的相似度，等于让匹配自动只对"位置签名"敏感，对"漏多大"免疫。代价就是像 P5、P6 这样形状本就接近的两根管，Pearson 会诚实地给出接近的高分，而不会替我们编造一个并不存在的区分度。

第四步：softmax 把 7 个分数变成 7 个概率

$P_i = \frac{e^{\beta\cdot\text{score}_i}}{\sum_{j=1}^{7} e^{\beta\cdot\text{score}_j}},\qquad \beta = 8$

β 是把"分数差"放大成"概率差"的显示旋钮：单调变换不改排序，只改置信度的显示对比度。本例 P5 与 P4 分差 0.23，经 $e^{8\times 0.23}\approx 6.3$ 倍放大后呈现 46% : 7.5%；β 取 2 会显得"大家都差不多"，取 20 会假装斩钉截铁。8 是演示的展示取值；工程上若要输出校准概率，β 应由历史验证数据标定。

七根管全部算完（去均值指纹、Pearson、$e^{8\cdot\text{score}}$、softmax 概率，一列不落；中间量保留 3 位小数）：

分母 7 项全摆出来：$2981.0+2958.7+479.7+5.6+2.7+2.2+1.1=6431$，于是 $P_{P5}=2981/6431=46.4\%$、$P_{P6}=2959/6431=46.0\%$、$P_{P4}=480/6431=7.5\%$。

三个读表点：P5 满分 1.000——零噪声下真值行跟残差就是同一向量，理所应当；P2/P3 直接出局——它们的签名是"J3 比平均多降"，跟 r 的"J3 略少降"方向拧着，匹配真的在看模式方向；P0 的 Pearson 严格说无定义（零向量没有方向），代码分母加 1e-12 除零保护后输出浮点残渣，工程上当 0——总管漏对本方法彻底隐身。

平局怎么读：名义命中 = 掷硬币

3 表下 P5 真漏，若用全程机算（不做中间四舍五入）输出 46.3% : 46.0%［脚注 ★］。两种读法差别巨大：

• 错误读法："top-1 是 P5，命中了。"——拿这个去报统计口径，3 表方案的零噪声 top-1 命中率好看得很，但它掩盖了真实的决策状态。
• 正确读法："P5 和 P6 分不开，二选一等于掷硬币，两根管都得列入排查。"——领先幅度 0.3 个百分点（pp，两个百分数相减的绝对差）在任何噪声下都会被抹掉。

★ 脚注（口径互证）：手算口径（中间量保留 3 位小数）为 46.4% : 46.0%，全程机算口径为 46.3% : 46.0%——两者的 0.1 pp 差异仅来自中间量的舍入位数，互相印证而非矛盾。本文两个数字都保留，正是要说明"这点差异无关排序，P5/P6 就是分不开"。

把两根管的去均值指纹并排看，平局的物理一目了然：P5 [−0.424, −0.066, +0.490] 与 P6 [−0.080, −0.017, +0.097] 是同款方向、只差幅度，两方向 Pearson = 0.9991。物理原因：P5（J5–J6）和 P6（J6–J1）都挂在环的左下角，从三块表的视角看，它俩漏水激起的相对模式几乎一样，而幅度差异恰被尺度不变性抹掉。三块表物理上就分不开它俩，46:46 是诚实的输出——这正是"输出必须带置信度"的活例证：概率排名把"我不确定"如实说了出来，一个只报坐标的黑箱在这里会假装自信。为什么恰恰是三块表分不开、加哪块表能分开？这是下一章自由度的账。

---

七、自由度与装表阶梯：装几块、装在哪

自由度的账：M 块表，只有 M−1 维分辨空间

去均值不是免费的：M 个读数减掉公共均值后，分量之和恒等于 0——向量被压进一个 M−1 维子空间。这笔账决定了方法的信息上限：

本网 3 表 = 2 维平面要摆 7 个方向，挤出的重合不止一对。撞上的 P5/P6 就是上一章的平局。这个账同时给出破局思路：加表 = 升维，把挤在一起的方向撑开。P5、P6 的差异藏在 J6 列（指纹表：0.564 vs 0.452 m），而 J6 恰好没装表——装上，指纹从 3 维变 4 维，新维度上两根管一个 −0.075、一个 +0.096（一负一正，方向劈开），Pearson 从 0.9991 掉到 0.657，输出从 46:46 变成 P5 独占 83.4%。维度不够，算法再花哨也分不开共线的候选；这是信息论限制，不是算法缺陷。

再看一张逐工况明细，把 7 根管逐一设为真漏，零噪声下看 top-1 置信度和领先幅度（3 表 vs 6 表全装）：

重要发现：3 表下打平的不止 P5/P6——上路 P1/P2/P3 也是三胞胎，彼此领先只有 0.1 pp。2 维平面挤 7 个方向，挤出的重合同时发生在两组候选身上。另外注意 6 表下 P4 的置信反而比 3 表低（52.5 < 59.4）——置信度是相对量，加表改变的是所有候选间的相对几何，个别工况的显示置信可以降，但命中能力不降。

装表阶梯：表数 6→1 的性能实验

前面所有分析都指向同一个工程问题：**装几块表够用？**回答它需要一个干净的对照实验，设计如下——指纹库用那张 7×6 表全程不变（"装几块表"= 匹配时遮住几列，变量唯一，归因干净）；匹配算法与前面一字不差；每个监测值叠 N(0, σ=0.02 m) 噪声（±2 cm 是常规在线压力表精度量级，不加噪声命中率会虚高）；每工况 500 次独立加噪（二项波动约 ±2 pp，足以分辨档位间真差异）；加表序列嵌套（J5 ⊂ J1/J5 ⊂ J1/J3/J5 ⊂ +J6 ⊂ +J2 ⊂ +J4，逐档只动一块表）；统计口径 top-1 / top-3 命中率，除 P0（P0 任何表数下恒失明，混进来只会给所有档位垫一个常数损失）。

▶ 这一节的整张阶梯表，在交互演示版里可以点"现场跑"——浏览器当场对 6 档表数 × 6 个真漏工况 × 500 次加噪做完整匹配统计（共 18000 次反演），换一批随机数重跑，结果应在参考值 ±3 pp 内复现。这就是"数字不是编的"的现场证据。

主阶梯表：

阶梯上的三个拐点

1. **3 → 2 是悬崖，不是缓坡。**3 表还有 2 维可用（除 P0 top-1 70.5%，top-3 兜底 100%）；2 表只剩 1 维——去均值后每个指纹退化成"J1 和 J5 谁多降"一个比值，top-1 直接塌到 16.7%（≈1/6 纯猜），top-3 都只剩 50%。往下减表不是渐进降级，是断崖失能。
2. **1 表 = 数学上恒失明，不是"更模糊"。**一个数减自身均值恒等于 0，残差成零向量，跟任何指纹都算不出相似度——概率条永远平分 1/7。单表能做的只有"压力比平时低了"的告警，定位能力严格为零。这条给出压力监测点数的绝对下限：想参与定位，至少两块；想有实用精度，至少三块。
3. **第 6 块表（J4）白装。**5 表和 6 表的噪声命中率一模一样（除 P0 均 100%）——J4 的信息被 J3/J5 两侧夹着，基本冗余。表不是越多越好，够拆开所有混淆对就到顶了，之后每块都是纯成本。

把三个拐点连起来读，就是装表数量的决策法则：从下限往上加，每加一块问一句"它拆开了哪对混淆"——拆得开就加，拆不开就停。本演示网的答案是 4 块（top-1 81.6%、top-3 100%）；具体数值随管网变，但"边际收益递减 + 明确到顶点"的曲线形状是普适的。

值得强调的是，这条曲线本身就是装表数量论证的正确交付物。工程评审里常见的争论是"到底装 3 块还是 5 块"，各执一词却谁也拿不出依据；而只要把这张阶梯跑出来，讨论立刻从"拍数字"变成"读曲线"——甲方要的是最低成本的告警，那 2 块以上都不够、必须至少 3 块托底；要的是能定位到单根管，那曲线告诉你 4 块封顶、第 5、6 块纯属浪费。把选择权连同其代价一起摆上桌，比给一个孤零零的推荐数字负责得多，也经得起质询。

第 4 块表加哪：位置 > 数量

固定 3 表基准，第 4 块表的三种加法（全部机算）：

三个方案给出三种截然不同的性格：+J6 专治 P5/P6，但对上路三胞胎帮不上；+J2 的平均命中率反而最高（88.5%），可 P5/P6 照样掷硬币；+J4 居中两不沾。没有免费的万能第 4 块。这就把装表点位优化的正确顺序钉死了：先仿真找出易混淆管对 → 按"要拆开谁"定点位，而不是按几何均匀撒点。目标函数必须先想清楚：全网平均命中优先选 +J2，重点保护某片区（比如那里管材老化、漏损高发）选拆开该片区混淆对的点位。

附一个反直觉细节：5 表的 P5 置信 78.7% 反而低于 4 表的 83.4%——加一块对该工况没信息的表（J2）会稀释置信度的显示对比度，但不降命中（5 表 top-1 仍 100%）。置信度是相对量，别拿它单独当性能指标；决策看命中率。

P0 盲区：信息论上的必然

指纹表里 P0（总管）那行是平的：六个节点均匀各降 0.123 m。均匀降压去均值后成零向量——没有空间模式可供任何匹配算法区分。这不是算法缺陷，是信息论上的必然：总管站在水源与全网之间，它漏水等于"全网水源水头集体下移"，每个节点感受完全一样，装多少块压力表都一样失明。

兜底手段回到漏斗第①级——总管漏水虽然在压力"模式"上隐身，在流量"总账"上却无处遁形：水厂供水量激增而各分区计量没有对应增长，DMA 夜间最小流量分析立刻暴露。所以完整的漏损监测方案必然是两条腿：支管/环内管漏（有空间模式）由压力指纹法定位到管，总管类均匀降压漏由流量对账兜底。两法覆盖的盲区恰好互补——这也是"压力定位 + 流量发现"作为组合拳而非二选一的根本理由。

---

八、边界、结论与备查

诚实边界：这套数字覆盖什么、不覆盖什么

主动声明四条边界：

1. 教学演示网：全部数字来自 6 节点网的零噪声/加噪合成实验，展示的是方法机理和规律形状，不是实战成绩。管网参数（糙率统一 C=100 等）为教学设定。
2. 单漏点假设：多点同漏时残差是几个指纹的叠加，单指纹匹配可能指到中间某根无辜管，需扩展组合匹配。
3. 零模型误差假设：指纹库是模型算的，糙率/管径不准 → 指纹失真 → 排序被带偏。工程上指纹库可信的前提是管网模型经实测压力标定。
4. 需水波动未建模：实验里基线是完美已知的；实际中用户用水时刻在波动，残差里混着需水噪声——工程对策是在夜间最小流量时段测（需水最稳），并用多时刻读数平均压噪声。

方法什么时候失效，判据是信噪比。本演示的漏很大（0.02063 m³/s ≈ 全网正常用水的 86%），最大压降信号 1.15 m ≫ 噪声 σ=0.02 m，所以 3 表也有 70% 命中。漏口越小、离监测点越远，信号越弱；当指纹幅值跌到与噪声同量级，分数整体坍平、top-1 退向纯猜。这不改变方法的定位——它本来就是漏斗中段的缩小范围工具（top-K 清单 + 现场确认），不是一锤定音的仪器。

结论：四条

1. 方法定位：压力指纹法输出 top-K 概率清单，把"全网排查"缩小到"两三根管"，再由听漏仪定桩——它是排查漏斗的中段，不替代人工确认；概率里的置信度信息（领先幅度）本身就是行动依据。
2. 装表数量：不是越多越好。本演示网上 4 块表即拆开目标混淆对（top-1 81.6%，top-3 100%），第 6 块完全白装；3→2 是悬崖，2 块以下方法失效。表数论证应给出整条边际收益曲线，而不是拍一个数。
3. 装表位置 > 数量：同样加 1 块表，加对位置（+J6）与加错位置对目标混淆对是 72.6 pp 与 4.6 pp 的差距。正确流程 = 先仿真找易混淆管对，再按混淆对定点位。
4. 盲区与兜底：总管类"均匀降压"漏损对压力模式法结构性免疫，必须与流量对账（DMA 夜间最小流量）互补成完整方案——压力定位、流量发现，两条腿缺一不可。

备查问答（质询预置）

Q1 · β=8 是怎么定的？换个 β 结论会变吗？　β 是把"分数差"放大成"概率差"的显示旋钮，单调变换不改排序——top-1 是谁、命中率多少与 β 无关。本例 P5 与 P4 分差 0.23，经 $e^{8\times 0.23}\approx 6.3$ 倍放大呈现 46% : 7.5%；β 取 2 会显得"大家都差不多"，取 20 会假装斩钉截铁。8 是演示的展示取值；工程上若要输出校准概率，β 应由历史验证数据标定。

Q2 · 指纹库用固定 0.001 m² 漏口建库，实际漏口大小不同怎么办？　匹配用去均值 Pearson，只看压降空间形状不看幅值（尺度不变）；漏口变大，各监测点压降近似等比放大，形状不变，一套库通吃。这个近似在大漏显著激活 PDA 折减区时开始失真，属已知边界。

Q3 · 为什么仿真必须 PDA（压力驱动）？漏量要不要作为输入给定？　漏损是耦合问题：漏水压降 → 压降抑制漏量和用水量 → 反过来又影响压力，直到平衡。PDA 把实际出水量写成压力的函数（Wagner 三段式），这个反馈闭环只有 PDA 能表达。漏量不是输入——你给的只有漏口几何（A、Cd），漏多少由漏点压力经孔口方程在联立求解中自己出来（0.02063 m³/s 代回洞方程逐位闭合）。

Q4 · 模型要给"初始条件"吗？　分两层。系统层面不需要：本网无水池/水塔，没有储存性状态量，描述它的是代数方程组不是微分方程，不存在"t=0 状态"。求解器层面需要但自带：Newton 迭代的出发点由软件内置（水头=高程、管流量=0.001 m³/s 等），只影响收敛快慢、不影响收敛到哪——解由方程组本身唯一确定。

Q5 · top-3 兜底 100% 是什么含义？为什么它比 top-1 更工程相关？　漏斗第③级的实际动作是"沿嫌疑管逐根听漏"。top-3 = 100% 意味着按清单前三根排查必然抓到真凶——排查工作量从 7 根封顶到 3 根。3 表方案 top-1 只有 70.5% 但 top-3 已 100%，所以"3 块表够不够"的答案取决于你接受的排查工作量：接受查三根，够；要求一击即中，上 4 块。

Q6 · 这套流程搬到更大的管网，哪些环节变、哪些不变？　不变的：四步链条（建库→残差→去均值 Pearson→softmax）、自由度账（M 块表 M−1 维）、"先找混淆对再定表位"的点位逻辑、P0 型盲区与流量对账互补的结构。变的：候选集从 7 根管变成按管段/分区划分的 N 个候选（矩阵变大）；指纹库须在标定过的管网模型上重建；混淆对结构由实际拓扑决定，须重新仿真识别；噪声口径按实际表精度与需水波动标定。方法论完整迁移，数字全部重算。

---

一句话收束：几块压力表能把漏点定位到哪条管，答案不玄——它由一条 Hazen-Williams 公式、一次去均值 Pearson 匹配、和 M−1 维的自由度账共同决定。装几块、装在哪，不该拍脑袋，而应让上面这整条边际收益曲线来回答。全文两处 live 演示可在交互页当场重跑，每一个中间数字都摆在明面上，欢迎拿计算器抽验任何一格。