La fuga es una de las condiciones anormales en los sistemas de distribución de agua (WDSs). La monitorización en tiempo real puede usarse para prevenir o recuperarse rápidamente de la fuga. Sin embargo, esto no es suficiente: para una mejor detección de fugas, se debe realizar un diagnóstico del estado de los WDS junto con esta monitorización en tiempo real, y se han realizado numerosos estudios al respecto. Además, la metodología propuesta existente solo proporciona una ubicación óptima de los sensores y un reconocimiento rápido. Este documento propone una técnica que puede evaluar cuantitativamente el volumen de la fuga junto con la detección de fugas utilizando tecnología de aprendizaje profundo. Los datos hidráulicos (por ejemplo, presión, velocidad y caudal) del modelo hidráulico calibrado se utilizaron como datos de entrenamiento y se aplicaron técnicas de aprendizaje profundo para realizar una detección simultánea del volumen y la ubicación de la fuga. Se examinaron varios escenarios con respecto al volumen y la ubicación de la fuga para la configuración de datos de un accidente simulado de fuga. Además, para un rendimiento óptimo en la detección de fugas, se analizó el rendimiento de detección según el tamaño de la red, los tipos de medidores, la cantidad de medidores y las ubicaciones de los medidores. Se espera que este estudio sea útil en varios aspectos, como la toma de decisiones de recuperación y restauración después de una fuga, porque identifica simultáneamente la cantidad y la ubicación de la fuga.