随着人们生活质量的日益提高以及环保意识的不断增强,天然气利用其能效高、低污染的特点,逐渐进入大众视野并得到大力推广使用。近年来智慧城市建设工作的不断推进,智能天然气管网的建设也在加速发展中。天然气企业需要保证供气网络的高效运行并且需要对其进行日常的管理,这就要求企业要掌握天然气负荷的特点和相关规律,对其进行准确实时的智能预测。准确的天然气负荷预测对于提高燃气企业经济效益、保持天然气系统的安全稳定运行具有重要的意义。传统的天然气预测模型准确率低且在应用方面能力欠缺。因此,针对上述要解决的问题,本文对天然气负荷数据的处理方法以及负荷预测模型进行研究,提出了新的负荷预测方法。本文的主要研究如下:(1)提出一种改进的数据去噪声方法对回采数据进行处理操作。采集回来的天然气负荷数据中往往掺杂不同类型的噪声数据,这些数据的加入会对模型的建立造成很大的影响。传统的小波降噪方法存在阈值函数不连续可能产生信号失真以及小波系数间的偏差。为了提高降噪效果,提出改进阈值函数方法进行降噪,该方法在进行不同的数学处理上都要优于传统的数据降噪方法。实验结果表明该方法降低了数据噪声,提高了模型预测效率,较传统的降噪模型具有更强的表现优势和实用性。(2)对天然气负荷预测模型进行研究。传统的天然气预测模型预测精度低、模型泛化程度低。为了克服模型缺陷,本文提出了一种基于遗传算法优化小波神经网络的天然气负荷预测模型。通过改进的遗传算法对小波神经网络的阈值以及网络连接权值等参数进行优化,从而建立预测效果较好的模型,通过企业提供的历史门站数据对预测模型进行验证。仿真结果表明,使用改进的遗传算法优化网络参数的小波神经网络提高了模型的预测精度,具有一定的工程应用价值。