在节能减排，建设智慧、绿色城市的大背景下，加大燃气，特别是天然气的在能源消费结构中的比重，已成为上海市能源政策的重点。上海的主要燃气分为液化石油气、煤气和天然气。随着城镇化建设的大力开展，上海的燃气产业正处于飞速发展的阶段。为保证燃气供应的科学、高效，满足人民日常生活与经济、社会可持续发展的需要，作为决策重要依据的燃气负荷预测工作愈加重要。实现预测工作的智能化，提高预测的精准度势在必行，这也正是本文的出发点。本文深入研究了对当前流行的一些预测技术如：回归分析法、遗传算法、人工神经网络、自适应神经模糊推理和模式搜索等方法。对上海市燃气负荷中长期预测进行了研究，提出了两种改进的组合预测模型，主要内容如下：燃气负荷影响因素的相关性分析。负荷预测需要从历史数据和相关因素中提取负荷变化的规律。采用Spearman秩相关分析进行相关性分析，筛选出影响程度较大的因素。提出了一个将改进的遗传算法和带连接开关的人工神经网络结合起来的模型，利用改进的遗传算法优化调整人工神经网络的连接权重和连接开关参数。实验结果显示比BP神经网络或标准的遗传算法调节的带开关的神经网络的预测结果要准确。针对自适应神经模糊推理系统的训练参数和模型结构需要人为调整，虽然经过许多次实验，预测精度还可能达不到要求的问题，建立了模式搜索算法和自适应神经模糊推理预测技术的年度负荷预测模型，利用模式搜索算法对模糊推理系统的参数进行优化，找到最优的配置。实验结果表明，比自适应神经模糊推理技术无论在训练时间还是预测精度上都有较大提高。