企业能源问题是每一个企业都非常关注的问题之一，而企业能源需求量的决策过程又具有相当大的难度。如何科学预测企业能源消费量，关系到企业的发展大计。本文采用了一种新的预测方法来科学预测企业能源消费量，让企业能源管理者预先掌握企业能耗动态趋势，指导企业生产、调度和平衡，保障企业能源供需平衡。因此，本文研究内容具有一定的理论和应用价值。本文结合GM(1,1)、pGM(1,1)、灰色马尔科夫链和BP神经网络等单项预测技术的特点，提出了一种基于BP神经网络的组合预测技术，并对某钢铁企业能源管理系统能源消费量进行建模与分析。本文主要的研究内容如下：1、建立企业能源管理系统能源消费量的单项预测模型。用某钢铁企业已有的能源消费量数据进行了建模和预测检验，并分析了各单项预测模型的特点和预测性能，为构建组合预测模型打下基础。2、构建基于BP神经网络的两种组合预测模型。第一种将各单项预测模型GM(1,1)、pGM(1,1)、灰色马尔科夫链的预测结果作为BP神经网络的输入，利用BP神经网络进行组合，构建了组合预测模型GNN1；第二种是先从三种单项预测模型中选择出一种预测效果较好的预测模型—灰色马尔科夫链预测模型的预测结果作为BP神经网络预测模型的输入，同时，将对输出量有重大影响的因子也作为BP神经网络的输入，再利用BP神经网络进行组合，构建了组合预测模型GNN2。3、建立企业能源管理系统能源消费量的BP神经网络组合预测分析。用某钢铁企业已有的能源消费量数据进行了建模和预测检验。结果表明，基于BP神经网络的组合预测模型提高了预测精度，而且组合预测模型GNN2的预测效果最佳。