با توجه به سیاست های افزایش کارایی و کاهش هدررفت، یکی از اولویت های راهبردی توسعه پایدار منابع آب، بهره برداری بهینه از شبکه های توزیع آب شهری است. لذا راهبران سیستم باید همواره شناخت دقیق و صحیحی از قابلیت کاربری شبکه و انزوال و خرابی سازه ای (شکست) در لوله های اصلی آبرسانی داشته باشند. یکی از راهکارها و کلیدهای مهم مدیریت بهینه بهره برداری، تدوین استراتژی های نوسازی و بازسازی در شبکه های توزیع آب شهری، پیش بینی نرخ شکست لوله ها و ارزیابی قابلیت کاربری آنها است. راه حل های گوناگونی برای مطالعه پیش بینی شکست در لوله ها توسط محققان مختلف خصوصا در سال های اخیر مطرح شده است که هر یک نیازمند داده های مخصوص خود می باشند. مدل های قطعی توانی بر حسب سن، مدل های قطعی خطی بر حسب سن، مدل های قطعی چندمتغیره و مدل های گروهی تک متغیره احتمالی، از جمله راه حل هایی هستند که خرابی و زوال در ساختار لوله ها را دایمی و به صورت یک روند یکنواخت با پارامترهایی مستقل از زمان (که شکست لوله ها را با سن، جنس و قطر آنها مرتبط می سازد) مطرح می کنند. در این مقاله علاوه بر بهره گیری از پارامترهای بالا به منظور پیش بینی جامع و دقیق تر، از دیگر پارامترهای موثر در شکست لوله ها ناشی از شرایط محیطی و اقلیمی، بارگذاری ترافیکی و شرایط بهره برداری مانند عمق نصب لوله ها و فشار آب در شبکه بهره گرفته شد و با استفاده از روش های رگرسیون چندمتغیره، هوش مصنوعی (عصبی و عصبی - فازی) و همچنین روش داده کاوی رگرسیون چندجمله ای تکاملی (برنامه نویسی ژنتیک) به پیش بینی نرخ شکست لوله پرداخته شد. به منظور ارزیابی روش های ارایه شده با استفاده از داده های جمع آوری شده حوادث لوله ها در شبکه توزیع آب یکی از شهرهای کشور، مطالعه موردی انجام گردید و نتایج اخذ شده مورد بررسی و مقایسه قرار گرفت. نتایج حاصل از مدل شبکه عصبی و رگرسیون چندجمله ای تکاملی ترکیبی موید این قابلیت بود که این روش ها با ترکیب اثر نوفه های پارامترهای غیردایمی و روند یکنواخت شکستی که پارامترهای دایمی پدید می آورند و همچنین قرار دادن تعداد بیشتری از پارامترهای موثر، در پیش بینی نرخ شکست لوله ها توانمندتر عمل می کنند.