随着经济的发展和科学技术的进步,人们对生活质量和生存环境的要求日益提高,由于能源结构与环境改善的关系密切,生活能源的燃气化大大提高了居民的生活质量,因此,天然气作为优质、洁净、节能的理想能源,越来越引起人们的重视,使得我国城市燃气事业得到了飞速发展。随着西气东输工程的开展,天然气将成为城市气体燃料的主导,加快天然气工业的发展已经成为当今世界的趋势。但在城市燃气化的同时,由于天然气的气源供应部门与下游用气单位之间通常需要签订“照付不议”协议,这就需要用气单位或城市明确提出未来某个时间段的燃气用量即燃气负荷。因此,预知燃气负荷的大小也就是城市用气系统的负荷预测是一项非常重要的研究课题,它不仅关系到城市燃气管网规划,还关系到整个天然气长输管线的投资效益和可靠性,对将来连接各城市的天然气局域网络的优化调度和城市燃气管网的优化运行都有十分重要的意义。燃气负荷预测包括长期负荷预测、中期负荷预测、短期负荷预测及超短期负荷预测。本文着重讨论短期燃气负荷预测。用于燃气负荷预测的方法很多,包括:回归分析法、时间序列法、弹性系数预测法、指针分析法、灰色预测法、模糊逻辑预测法、人工神经网络预测法、专家系统预测法、优化组合预测法等。在比较了各种方法的优缺点后,结合实际数据分析,本文主要采用人工神经网络预测法。本文详细地介绍了人工神经网络方法,包括基本原理、算法及预测步骤,并采用重庆市某地区的城市燃气短期负荷实例训练人工神经网络,采用不同模型,进行正常日负荷预测、相似日负荷预测、小时负荷预测,获得了比较好的预测精度,验证了ANN应用于短期城市燃气系统负荷预测的可行性。然后采用了改进BP算法(L-M算法)用于实际算例,结果表明燃气负荷预测的精度能获得提高。本文还采用径向基神经网络用于燃气负荷预测,结果表明RBF的精度比采用单纯BP神经网络进行预测的精度高。结合RBF和人工神经网络,效果更好。随着近年来遗传算法和小波分析理论的发展与成熟,本文将这两种算法用于优化人工神经网络,通过实例结果分析,这两种分析方法都能较好的改善单纯人工神经网络的不足之处,提高预测的精度。实践表明采用结合改进BP算法的神经网络模型或者组合神经网络模型比采用单纯BP神经网络模型进行预测会更为有效,得到满意的结果。本文使用MATLAB语言实现大部分预测程序,并采用基于数据挖掘的技术,编制了可采用L-M算法的程序。