为此，需要构建一个模型，将描述管道、节点、阀门、水泵、水箱和水库等管网组件的数据以系统的方式组合在一起，预测给水系统中的管道流量和节点水力坡度线 (HGL) 或压力。

计算机模型是水务公司的重要投资。为确保良好的投资回报和正确使用模型，模型必须能够正确模拟在现场遇到的流量条件。这可以通过校正模型实现。校正包括调整模型特性和参数的过程，以使模型预测的流量和压力与实际观测的现场数据匹配到某个理想或可接受的水平。详情请见 Walski, Chase and Savic (2001)。

给水模型校正是一项复杂的任务。为减小节点 HGL 和管道排放的模型预测与现场观测之间的差异，需要对许多不确定的参数进行调整。校正时通常需要考虑管道粗糙度系数。然而，有许多其他不确定且影响节点 HGL 和管道流速的参数。为了尽量减少模型参数误差，消除校正参数的补偿误差 (Walski 2001)，应考虑校正所有的模型参数，如接头需水量、管道和阀门的运行状态以及管道粗糙度系数。

校正给水管网模型依赖于现场测量数据，如接头压力、管道流量、存储设施的水位、阀门设置、水泵运行状态（开/关）和水泵转速。在所有可能的现场观测数据中，接头 HGL 和管道流量最常用于评价模型校正的拟合优度。水箱水位、阀门设置和水泵运行状态/转速等其他参数用作边界条件，在收集接头压力和管道流速的校正观测数据时记录下来。

现场观测数据需要在一天的不同时间和现场的不同地点测量和收集，可能对应不同的需水量负荷和边界条件。为了使模型模拟结果更近似地反映观测数据，模拟结果必须使用与观测数据相同的需水量加载和边界条件。因此，校正流程必须在多个需求量加载和运行边界条件下执行。

传统的给水模型校正基于试错过程，工程师或建模师首先估计模型参数值，运行模型以获得预测的压力和流量，最后比较模拟值与观测数据。如果预测数据与观测数据不接近，工程师会返回模型，调整模型参数，再次计算，得出一组新的模拟结果。这可能需要重复很多次，以确保该模型对现实世界的给水管网产生校正的预测。除此之外，传统的校正方法也非常耗时。

而且，供水管网的典型网络表示可能包括数百或数千个链接和节点。理想情况下，在给水模型校正过程中，可以为每个链接调整粗糙度系数，为每个节点调整需水量。然而，由于数据收集的资金和人力要求有限，只有一小部分具有代表性的样本测量可以用于模型校正。因此，拥有一种全面的方法和有效的工具，能够帮助工程师在实际条件下获得高度精确的模型，包括管道粗糙度、接头需水量、链接状态等各种模型参数，以及多种需水量和边界条件。