近年来,天然气相比其他能源,具有较高的效率和清洁度,在能源消费中占比越来越大。但是,如何有效地对天然气进行储存和调度,一直是学术界和实际应用领域致力解决的主要问题。天然气储存量过多时,很容易造成管道和仪器的损耗,天然气储存量过少时,很容易造成“气荒”。而天然气高效储存与合理调度的前提是用气负荷预测,基于此,本文将利用机器学习算法对天然气用气负荷进行预测研究,通过构建天然气用气负荷预测原型系统,准确获取天然气用气负荷预测数据,为天然气企业有效调度和分配天然气提供科学依据,研究具有明显的学术意义与实践价值。本文对天然气用气负荷预测进行研究,其中天然气负荷数据来源为某省天然气有限公司,特征数据来源为2345天气网站。首先对天然气负荷数据中的异常值、缺省值进行处理,并对特征数据集中的特征变量天气、风向、空气质量进行编码。编码完成后,使用特征工程对特征变量进行选择,综合特征选择的结果,最终保留5个特征变量:最高温度、最低温度、天气、风向、空气指数,将其作为后续预测的输入数据。其次构建基于多重机器学习算法的天然气用气负荷预测系统模型,将经过特征选择的特征变量和天然气负荷数据作为模型的输入数据,分别导入到ARIMA模型、ARIMAX模型、单特征LSTM模型和多特征LSTM模型中进行训练和预测。最后根据模型的RMSE对模型进行有效性评价,结果表明多特征LSTM模型的预测效果最优。研究结果表明,将经过特征工程选择后的特征变量作为模型的输入数据,应用到多特征LSTM模型,能提高模型预测的准确率。本文提出的预测方法具有良好的科学性与客观性。