随着人们对生活环境的保护意识越来越强烈,天然气这种优质的清洁能源越来越受人们的欢迎,与此同时智能燃气管网的建设也在快速发展。为了能够安全有效的使用和运输天然气,必须能够根据本地区燃气负荷的特性和变化规律对未来某段时间内的燃气负荷值进行科学准确的预测。能否准确的预测燃气负荷,直接影响到人们的用气安全、供应商的经济利益以及燃气管道的铺设规划等一系列问题。虽然在负荷预测领域里,电力预测已经是一项相对比较成熟的技术,但是由于天然气和电力在物理特性、存储方式等方面存在这很大的差异,所以不能将电力负荷预测的方法直接应用到燃气负荷预测领域。最近几年,随着国内外越来越多的学者和专家投入到燃气负荷预测领域的研究中,也取得了一定的成果,但仍存在预测精度不足、效率低、可扩展性差等问题。本文结合国内外的研究现状,通过分析本地区燃气负荷特性,经过不断的尝试,力求找到一种适合本地燃气负荷预测的预测模型。通过参阅国内外的各种参考文献发现,大部分的学者专家都致力于寻找一种更加优秀的预测模型,而很少有人研究如何为预测模型选择一个更适合的训练集,从而提高预测模型的预测精度,针对这一问题并且结合本地燃气负荷特性,本文提出了智能网格分类的方法从所有的历史燃气负荷值中选出和待预测日相关性最强的若干数据,用这个数据集对预测模型进行训练,通过实验发现,对于回归预测模型、支持向量机模型、神经网络模型等这些传统的预测模型在结合使用智能网格分类方法之后,在预测精度和预测效率方面都有了一定程度的提高,虽然预测精度有了一定程度的提高,但是仍然无法满足生产中误差率需要控制在0.05左右的需求,所以本文又提出了分别使用交叉验证(数学)、遗传算法(生物学)和模拟退火算法(物理学)对模糊神经网络参数进行优化,然后分别结合智能网格分类方法进行燃气负荷预测。实验结果表明,这三种组合方法基本上都可以满足生产中把误差率控制在0.05左右的需求,但是在运算效率方面有所差异,所以可以根据实际情况选择不同的预测模型进行预测。最后使用混合编程技术实现了以上预测方法。通过研究分析日期类型对燃气负荷的影响发现,工作日、周末和法定节假日期间的燃气使用量存在着明显的差异,所以本文把所有的历史负荷数据分成了工作日数据、周末数据和法定节假日数据分别进行研究预测,从而得到更加精确的预测结果。