目前国内外对天然气的需求预测多采用部门能源强度模型法，此种方法根据各部门能源的实际值，乘以能源强度再求和。因此，这种方法预测比较粗糙，只能在宏观上有个大致的预测，预测误差比较大，对于精度要求比较高的很难满足。本篇论文对几种常用预测方法时间序列法、多元回归法、灰色系统法、人工神经网络法等进行了全面的研究，分析了几种方法的优缺点，运用了这几种预测方法对四川省天然气的需求量进行了预测，取得了比较好的效果。并提出了一些针对天然气需求预测比较有效的改进方法。其中的人工神经网络方法中的BP网络的实验结果和其它几种预测方法的计算结果相比，BP网络的预测精度高、误差小，在这里充分显示了BP网络在处理非线性问题方面的强大优势。 但是对于像天然气需求这样的影响因素比较复杂的预测问题，仅仅使用一种预测方法是很难进行精确而可靠的预测结果，于是作者又利用了组合预测方法，把常用预测方法进行组合，重点研究了各种方法的组合预测。 本文又提出了把组合预测、组合人工神经网络、组合灰色人工神经网络等方法用于天然气需求预测，并收到很好的成效。组合预测简单说就是对同一问题采用不同的预测方法，并加以适当的组合，则可以较充分地利用各种方法提供的有用信息，达到提高预测精度的目的。这几种组合方法，主要是通过三层神经网络能逼近任何有理函数的特性，通过训练使得神经网络来模拟系列数据之间与序列之间的复杂关系。本篇文章中这几种组合方法，主要是通过三层神经网络能逼近任何有理函数的特性，通过训练使得神经网络来模拟系列数据之间与序列之间的复杂关系。其原理为将预测值作为神经网络的输入样本，组合人工神经网络就是用组合预测的预测值作为BP网络的输入，组合灰色人工神经网络就是把灰色预测的预测值作为BP网络的输入，实际值作为神经网络的输出样本，采取一定的结构，然后对神经网络训练，再用此BP网络进行预测。结合计算机技术对这几种方法进行了模拟仿真，取得了很好的预测结果。