随着城市化进程的加快，天然气管网的安全运行日益受到关注。管网泄漏不仅造成资源浪费，还可能引发严重的安全事故。传统的泄漏监测方法往往依赖单一传感器数据，存在误报率高、定位精度不足等问题。本研究提出一种基于神经网络的数据融合方法，通过整合压力、流量、声波等多源传感器数据，构建深度神经网络模型，实现对管网泄漏的精准检测与定位。研究重点包括多源数据特征提取、神经网络结构优化以及融合算法设计，旨在提高泄漏监测的准确性和可靠性，为城市燃气管网安全管理提供智能化解决方案。