在调研部分农村地区煤改气居民用户实际用气情况的基础上，建立了一种基于小波阈值去噪和采用遗传算法优化BP神经网络的短期燃气负荷预测模型（称为GA-BP神经网络预测模型）。以华北地区农村煤改气居民用户作为研究对象，对974户管道天然气居民用户2018年1月—2021年12月的日用气量进行采集。对采集数据进行小波阈值去噪处理，进行日负荷预测影响因素的选择及量化。将负荷预测影响因素和日负荷组成的数据集划分为训练集和测试集，对BP神经网络预测模型、GA-BP神经网络预测模型进行训练和测试。将两种模型的日负荷预测值与真实值进行对比，并将两种模型的评价指标进行对比，验证两种预测模型的准确性。研究结论如下。小波阈值去噪处理去噪效果良好，可用于燃气日负荷预测数据预处理。日平均温度、天气类型、节假日情况、前一日用气量、供暖情况是影响燃气日负荷预测的5个主要影响因素。有必要关注供暖过渡期的日负荷变化。这段时期温差变化大，用气情况复杂多变，对供气不确定性影响较大。对这部分的合理处理可以有效减小预测误差。日平均温度是影响农村居民用气非常重要的因素。遗传算法对BP神经网络的优化，可以很好地为网络初始权值和阈值的确定提供依据，优化了网络参数。相较于BP神经网络，GA-BP神经网络的稳定性提高，预测误差减小，预测精度提高。GA-BP神经网络预测模型应用于燃气日负荷预测是可行的。