田文才，乔伟彪，周国峰，刘 伟

（1.华北水利水电大学 环境与市政工程学院，河南 郑州450046；2.重庆大学 资源与安全学院，重庆400044）

随着全球环境日益恶化，寻找清洁能源来代替煤、石油等重污染能源已经迫在眉睫，天然气作为一种清洁能源越来越受到人们的关注。2017年全球天然气消耗量为3.62×1012m3，其增速为2.2%，预计到2022年全球天然气消耗量将达到4.00×1012m3。我国天然气消耗量在2023年将达到全球总量的40%，国内天然气产量和进口量不断增加[1-6]。只有对天然气消耗量进行准确的预测，提前做好相应设施的规划、建设，才能对其实现最大程度上的利用，更好地保障人们的生活质量。

天然气负荷预测可以分为年负荷预测、月负荷预测和日负荷预测，其预测时间越长，预测所产生的误差就越大[7]。截至目前，学者们在天然气负荷预测方面进行的研究可分为物理方法和统计方法两种。物理方法是利用温度、风速、云量等有关的物理信息建立预测模型，并对天然气消耗量进行预测，其预测误差较大。统计方法是利用大量的历史数据建立系统的输入和输出之间的关系，对天然气消耗量进行预测，如人工神经网络(Artificial Neural Network,ANN)模型、灰色预测模型、多层感知机（Multilayer Perceptron，MLP）、支持向量机模型和Elman神经网络模型等[8-14]。但是，这些方法对处理少量数据具有优越性，在处理大量历史数据时需要提前对数据进行筛查，因此应用范围受到限制[15]，而且其预测精度也有待进一步提高。为了进一步提高预测精度，国内外许多学者采用了组合模型预测方式[16]。……