An an altemative measure to replace reactive stance with proactive one, a risk based 
management scheme has been commonly applied to enhance public satisfaction on water 
service by providing a higher creditable solution to handle a rehabilitation problem of
 pipe having high potential risk of leaks. This study intended to examine the 
feasibility of a simulation model to predict a recurrence probability of pipe leaks. As 
a branch of the data mining technique, probabilistic neural network(PNN) algorithm was
 applied to infer the extent of leaking recurrence probability of water network. PNN 
model could classify the leaking level of each unit segment of the pipe network. pipe 
material, diameter, C value, road width, pressure, installation age as input variable 
and 5 classes by pipe leaking probability as output variable were built in PNN model.
The study results indicated that it is important to pay higher attention to the pipe 
segment with the leak record. By increase the hydraulic pipe pressure to meet the 
required water demand from each node, simulation results indicated that about 
6.9percentage of total number of pipe would additionally be classified into higher 
class of recurrence risk than present as the reference year. Consequently, it was 
convinced that the application of PNN model incorporated with a data base management 
system of pipe network to manage municipal water distribution network could make a 
promise to enhance the management efficiency by providing the essential knowledge for 
decision making rehabilitation of network.