随着上海智慧城市建设的推进，智能燃气管网的建设在加速发展中。为使城市燃气供气系统实现高效运行和科学管理，必须掌握燃气负荷的特性和变化规律，对其进行准确、实时、可靠、智能的预测。燃气负荷预测是燃气智能管网建设中的最基础也是最关键的技术，燃气负荷预测和其它如电力负荷一样，是一项富于创造性的工作，国内外经过多年的研宂，取得了一定的成果，但仍存在预测精度不够、预测效率不高等方面的问题。本文针对其研究现状，通过分析研宄进行实验，致力于找到最合适的负荷预测方案。针对燃气负荷研宄现状，本文研宄采用数据挖掘、相关性分析与偏相关性分析，从输入参数、数据预处理的方法等方面进行探索，接着釆用回归技术、神经网络、小波分析、SVM (支持内量机）以及组合方法对燃气智能预湖ij系统进行分析研究。燃气负荷预测是复杂的非线性问题，使用单一的预领IJ方法很难满足负荷预测的真实性与准确性，查阅文献比较各种方法的优缺点，结合实际数据进行分析后，总结得出对燃气负荷进行短期预测时人工神经网络预测法是最适合的方法。本文详细地介绍了人工神经网络的基本原理、算法和预测步骤，使用上海的城市燃气负荷数据训练人工神经网络，采用不同的模型，按照需要进行预测，实验结果表明神经网络对短期燃气负荷预测的可行性和准确性。随着改进遗传算法和小波分析理论对神经网络的优化理论的提出，结合实验的结果对比分析表明这两种组合方法都可以较好的改善人工神经网络的不足，提高预测的精度。本文主要采用小波祌经网络组合方法对燃气负荷进行预测，预测的结果表明其预测精度比单一的小波分析以及神经网络更高，得到更满意的结果。证明该组合方法的可行性和有效性。本文还提出利用残差序列进行预测的新型算法，使用小波神经W络组合的方法对残差序列进行分析，得到残差序列的预测值。然后将残差序列的预测值进行逆向求值，得到燃气负荷预测值，通过分析实验结果可知，此时的预测精度更高。在研究历史数据及其曲线时发现负荷预测中工作日与周末的负荷需求有明显的差异，而在重大节假日时差异则更加的明显，因此在本文的实验中将曰期类型分为工作日、一般休息日和重大节假日，在实验吋使用不同的实验方案，使预测得到更精确的结果。