为探究DyGKAN图神经网络在供水管网模拟泄漏定位方面的效果，提出了基于DyGKAN图神经供水管网泄漏定位模型，该模型在对特征的捕捉过程中优化了注意力机制的计算流程，能够更好地评估邻居节点特征的重要性。同时，在时间维度上，设计了多尺度时间卷积模块(MTCN)捕捉不同周期变化特征，从而实现时间维度上多尺度特征的融合。此外，在解码器部分，采用了KAN神经网络，其激活函数动态变化的特点显著提升了模型的非线性捕捉能力和表达能力。进而在案例管网上进行模拟泄漏，利用布置在管网节点上的压力传感器捕捉节点特征，输入模型进行训练，借助对管道的分类和回归指标，验证了DyGKAN模型的有效性。最后利用此模型与其他模型对案例管网进行泄漏定位试验，试验证明DyGKAN模型的定位效果显著，定位误差小于5%

定位精度在90%以上。