在国家能源转型与绿色发展背景下，天然气作为清洁能源的重要载体，其管道安全运行对能源保障与公共安全至关重要。然而，受第三方破坏、腐蚀老化及地质灾害等因素影响，管道泄漏风险依然突出。本文基于φ-OTDR 分布式光纤原理搭建天然气管道泄漏实验平台，优化环境干扰响应机制，采用时域与时频联合分析实现泄漏信号初步提取。结果显示，泄漏信号主要集中于低频段，环境噪声呈高频特征。在此基础上，提出基于卷积神经网络的泄漏智能辨识策略。通过改进阈值函数实现信号降噪，结合点对称图（SDP）方法将一维信号转化为二维图像，构建四层卷积的CNN4 模型，辨识准确率达95%，AUC 值超过0.95。进一步结合小波熵与特征聚类优化SDP 参数，并引入挤压激励模块构建轻量化SE-CNN4 模型，准确率和AUC分别提升至98.13%与99.10%。最后，设计了一套天然气管道泄漏风险监测与预警系统，集成实时辨识、数据采集与模型训练模块，实现泄漏信号的快速检测、可视化展示与智能告警，为天然气管道的安全运行提供了技术支撑。

天然气管道泄漏，泄漏辨识方法，振动信号，信号特征提取