1.基于回声状态网络的复杂管网泄漏定位方法，其特征在于：包括以下步骤：S1、建立回声状态网络训练数据库；

S2、构建回声状态网络模型并对回声状态网络模型进行训练；

S3、训练BP神经网络模型，并对回声状态网络模型与BP神经网络模型进行比较；

在所述S1中，建立回声状态网络训练库的步骤为：S1.1、通过复杂管网的水力、结构参数构建管网水力模型；

S1.2、对管网水力模型进行验证，确定其准确性；

S1.3、确定管网泄漏模拟方案；

S1.4、对网水力模型进行模拟，并统计管网泄漏前后监测点压力差与管道泄漏位置及泄漏量之间的对应数据；

S1.5、对记录的数据进行归一化处理，并根据归一化处理的数据获得回声状态网络的训练数据库；

在所述S1.5中，对记录的数据进行归一化处理的公式为：其中X表示原始数据， 表示数据在整个范围内的平均值，Xstd表示原始数据的标准差，Xnew为归一化处理后的训练数据；

在所述S2中，构建回声状态网络模型的步骤为：S2.1、将管网泄漏前后监测点的压力差作为回声状态网络的输入层；

S2.2、将管网中管道泄漏位置及泄漏量作为输出层；

S2.3、在输入层和输出层之间设置一个随机生成的稀疏连接的神经元结构的储备池，并对生成的储备池网络结构进行初始化，并保持连接权值固定不变。

2.根据权利要求1所述的基于回声状态网络的复杂管网泄漏定位方法，其特征在于：在所述S2中，对回声状态网络模型进行训练的步骤为：S2.4、将步骤S1中建立的回声状态网络的训练数据库中的数据分为训练集与测试集两个部分；

S2.5、利用训练集对回声状态网络模型进行训练，利用测试集测试回声状态网络模型对管网泄漏位置及泄漏量的预测精度。

3.根据权利要求2所述的基于回声状态网络的复杂管网泄漏定位方法，其特征在于：在所述S2.5中，在测试集测试回声状态网络模型对管网泄漏位置及泄漏量的预测精度时，采用均方误差MSE来衡量模型的预测精度和效果，其公式为：其中：yi代表实际值，fi代表网络预测值，n为数据数量，MES为均方误差数值。

4.根据权利要求3所述的基于回声状态网络的复杂管网泄漏定位方法，其特征在于：在所述S3中，训练BP神经网络模型的步骤为：S3.1、建立BP神经网络模型；

S3.2、使用步骤S2.4中将回声状态网络的训练数据库中的数据出的训练集训练BP神经网络模型。

5.根据权利要求4所述的基于回声状态网络的复杂管网泄漏定位方法，其特征在于：在所述S3中，对回声状态网络模型与BP神经网络模型进行比较的步骤为：S3.3、利用回声状态网络的训练数据库中的数据出的测试集测试回声状态网络模型和BP神经网络模型预测的精度和效果；

S3.4、将测试集测试的有关回声状态网络模型和BP神经网络模型数据进行对比，确定回声状态网络模型和BP神经网络模型预测的精度。