天然气作为一种绿色能源，是城市燃气的发展方向，加大天然气在能源结构中的消费结构比重，即可以促进节能减排，又可以维持经济和社会的可持续发展。上海作为国内最早应用天然气的城市之一，正在大力推进天然气的应用，随着西气东输工程的相继完工，极大的促进了上海天然气的快速发展。为了实现天然气供气系统的高效运行、优化调度和科学管理，作为决策基础的城市燃气负荷量预测工作就起着举足轻重的作用了。燃气负荷预测包括长期预测、中期预测、短期预测以及超短期负荷预测。本文通过对上海市燃气系统负荷规律的分析致力于燃气系统负荷的短期预测。在对数据挖掘（DM)、支持向量机（SVM)和人工神经网络（ANN)等当今流行的各种智能预测技术，以及传统统计学中的ARIMA算法做了深刻研宄的基础上，结合对上海市部分地区的燃气负荷量数据规律和特征的深入分析与研宄，提出了自己的预测模型。通过对城市燃气负荷量时间序列的研宄，发现城市燃气负荷量序列具有三种特性：趋势性、周期性和随机性。根据这三种特性，本文提出了针对城市燃气负荷量短期预测的思想即分解-组合预测模型，同时提出了三种分解方法对分解-组合预测模型进行了验证。在对燃气负荷序列进行建模之前，首先采用了数据挖掘的方法对历史负荷序列进行了离群点挖掘与修正，使其更能反映燃气负荷的规律性；然后对经过离群点处理后的序列运用三种方法（即公式分解法、小波分频技术法和Eviews分解法）进行了分解;最后对分解后的序列再结合序列本身特性采用ARIMA和BP神经网络对其进行建模和预测。为了验证分解-组合模型的有效性，首先文中给出了ARIMA方法、BP神经网络方法和一种基于信息熵的组合模型对城市燃气负荷序列进行建模和预测的结果，通过对比误差发现分解-组合预测模型有更高的精确度；然后为了进一步说明分解-组合模型的有效性，文中对多个日期段内的短期日负荷量进行了预测，其中包括了工作日、假期和天气突变的一般化和特殊化的日负荷量预测；最后为了说明分解-组合模型的适应性，本文还选取了另一家燃气公司的燃气负荷量数据进行建模与预测，通过预测值和实际值之间的误差分析，实验结果进一步验证了本文提出的分解-组合模型的适应性和准确性。