用神经网络模型对燃气系统进行短期负荷预测是实现燃气输配系统安全生产、优化调度的重要应用基础，并对燃气系统负荷预测的科学性、精确性具有重要的工程指导作用。 神经网络反向传播(BackPropagation，BP)算法及改进的BP算法具有结构简单，容易掌握的特点，在燃气短期负荷预测中已得到应用，而径向基函数(RadialBasisFunction，RBF)比BP算法具有训练过程速度快的优点，对任何函数都可以找到一组恰当的权重系数，达到最佳逼近，并克服了BP网络在进行燃气负荷预测时的学习过程收敛速度慢，容易陷入局部最小等缺点。本文以鞍山、大连及宜兴地区燃气系统的历史负荷数据为基础，分别建立了BP和RBF神经网络预测模型，并对鞍山燃气系统历史负荷数据进行的短期负荷预测。其中利用BP网络模型对鞍山市燃气系统所做小时负荷预测结果表明，对一周的燃气负荷预测可以达到平均相对误差为14.19％，一周平均最大相对误差为24.98％，利用RBF网络模型对鞍山市燃气系统所做小时负荷预测结果表明，对一周的燃气负荷预测可以达到平均相对误差为3.50％，一周平均最大相对误差为8.84％的效果，说明本文提出的燃气系统短期负荷预测方法及所建立的RBF数学模型具有精度高、适用性好的特点，且优于BP神经网络模型对燃气短期负荷的预测结果。同时，为更好地利用RBF神经网络模型，本文结合鞍山实际开发了燃气系统短期负荷预测软件，通过考虑诸如地区状况、时间和气候等多种影响燃气负荷的因素，编制出具有工程实际应用价值的软件。