精准定位天然气管道泄漏点对事故应急处置具有重要意义。针对现有泄漏定位方法依赖瞬时信号，易受管道运行噪声干扰、定位精度不足的缺陷，提出了基于TPE(Tree-structured Parzen Estimator)-XGBoost(eXtreme Gradient Boosting)模型的管道泄漏定位方法。通过采集持续200秒的压降速率时间序列数据构建训练集，对比了TPE、PSO(粒子群算法)、BOA(贝叶斯优化)和Optuna四种优化算法对XGBoost模型精度的影响；分析了TPE-XGBoost与SVM、CNN及CNN-LSTM-Attention模型的定位准确性；探究了数据时间窗(30-200 s)与叠加运行噪声对定位准确性的影响规律。研究结果表明：(1)经TPE优化后，XGBoost模型的性能显著提升，在测试集上决定系数R~(2)达0.9835；(2)在泄漏定位任务中，TPE-XGBoost模型的定位偏差仅为3.77%，优于SVM、CNN及CNN-LSTM-Attention等对比模型；(3)当数据时间窗长度在30至200范围内变化时，模型在测试集上的R~(2)始终高于0.96；(4)在叠加管道运行噪声场景下，模型定位偏差为7.58%。