燃气用户的异常用气行为隐含着偷盗气的嫌疑,因此是天然气行业一直重点关注并亟待解决的问题。其中,餐饮燃气用户这一群体的异常用气行为尤为严重。异常用气行为中包含着的用户偷盗气现象,不仅给天然气公司造成了高额的经济损失,而且给天然气管网的运行维护带来了巨大的风险,严重危害着社会公共安全。目前,天然气公司检测燃气用户异常用气的传统方法强依赖于人力和业务人员的经验,例如,拉网式地逐户实地核查用气设备等。这些方法需要耗费超高的人力物力成本,然而检测的效率和成果却并不理想。近年来,智能燃气表的推广普及与信息化计量系统的建设升级,使得天然气公司积累了大量的用户用气数据,进而使我们能够设计一种基于数据驱动的燃气用户异常用气检测方法。通过挖掘餐饮燃气用户的用气数据,本文提出了一种餐饮燃气用户异常用气检测方法msRank,可在仅有极少量的历史异常用气用户标签的情况下,检测出异常用气可疑用户。msRank算法主要由三个模块组成:（1）基于用气语义的数据预处理:过滤原始用气读数中的噪声,并剔除数据缺失严重的用户和数据零值严重的用户;（2）基于双周期聚类的正常用户建模:通过聚类挖掘普遍存在的典型日、周双周期性用气模式,基于此将用户的用气数据进行保留关键语义的降维,进而计算模式熵ModeEn来量化正常用户用气行为的“日-周”双周期自稳定性,并以此区分正常用户和不稳定用户;（3）基于RankNet的异常用气可疑用户检测:提取用户的用气偏离度特征,并使用RankNet对所提取的特征进行嫌疑程度评分,进而在不稳定用户中,进一步检测出有异常用气嫌疑的可疑餐饮燃气用户。本文通过将正常用户建模所识别出的正常用户作为负样本,与已知的少量历史异常用气标签用户构成“正-负”样本对,用以训练RankNet,使得基于双周期聚类的正常用户建模和基于RankNet的异常用气可疑用户检测这两个模块紧密地结合在了一起,克服了标签稀缺性这一难题;并且在三个真实的餐饮燃气用户用气数据集上进行了对比实验,实验结果证实了msRank算法的优越性;最后,还为一家天然气公司部署了一套基于msRank算法实现的燃气用户异常用气检测系统,每周提供一份异常用气可疑餐饮燃气用户的名单。