在能源紧张和环境污染问题日益严峻的今天，集中供热凭借其节约能源、减少污染和提高经济效益等优势成为城市供热发展的主流模式。随着集中供热体制的不断革新，分户计量采暖系统的应用与推广对热网系统能源的有效利用及管网平衡等方面提出了更高要求。因此，热网负荷预测对热网系统调度生产具有重要指导意义。首先，介绍了热网负荷预测的背景及意义，对现有热网负荷预测方法进行分析和比较。结合热网系统滞后时间长和非线性严重的特点，本文选择非线性映射和泛化能力较强的径向基函数神经网络模型进行短期热网负荷预测研究。其次，为确保数据的可靠性，对热网负荷进行数据预处理，主要包括剔除异常数据、补全缺失数据、数据归一化和数据去噪处理。传统处理办法仅在一维空间进行处理，存在局限性。本文考虑到热网负荷的横向连续性和纵向连续性，提出一种基于两维空间异常数据密度估算的辨识方法，然后利用小波分析方法对数据集进行去噪处理，提高数据辨识率。最后，在分析热网负荷内在规律与影响的基础上，利用径向基神经网络对热网负荷进行预测。为优化径向基神经网络参数引入粒子群算法，并针对粒子群算法收敛速度慢的缺陷进行了改进与优化。通过仿真结果验证了径向基函数神经网络预测模型的有效性，使用改进的粒子群算法对径向基神经网络的参数与结构进行优化，使得改进后的预测模型具有预测精度高、输出稳定和收敛速度快等优点。此外，其平均相对误差仅为2.55%，满足短期热网负荷预测精度需控制在3%以内的要求。