1. 研究目的与意义（文献综述）

天然气作为一种优质资源，在全球范围内得到普遍发展。天然气在需求结构中快速上升，现在天然气在能源结构中的比例已增加到 24%。天然气是一种高效、清洁的燃料。由于各种原因，我国天然气工业与世界天然气生产和利用大国相比尚有相当距离，其发展对于国民经济发展需要相比是严重滞后的。所以如何提升各个城市天然气的利用率，保证天然气的供需平衡并规避风险是现在亟待解决的问题，其中的关键就在于对气量的预测。

天然气的使用量预测对于燃气企业来说不但关系到用户发展计划和用户结构计划，而且对于提高企业经济效益也是至关重要。准确的气量预测可向气源供应方提供准确的购气计划，从而最大限度的降低成本，提升天然气的利用率。用气量的预测大多是由具备多年燃气输配经验的工程师来做。由于城市用气波动性较大，受天气、用户生活习惯和政策等因素的影响较强，而预测中的计算方法只考虑通用情况，其结果必然偏差较大。

目前常用的预测方法和模型有：1、线性回归分析法：回归分析是寻找几个不完全确定的变量间的数学关系式之间进行统计推断的一种方法；2、时间序列分析法：采用参数模型对所观测到的有序的随机数据进行分析与处理的一种数据处理方法。时间序列分析法主要参数模型有以下四种:曲线拟合、指数平滑、季节模型、线性随机模型；3、灰色模型预测法：按灰色系统理论建立预测模型，它是根据系统的普遍发展的规律，建立一般性的灰色微分方程，然后通过对数据序列的拟合，求得微分方程的系数，从而获得灰色预测模型方程；4、专家系统：应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程；5、人工神经网络：是一种基于模仿人类大脑的结构和功能而构成的一种信息处理系统，由大量神经元相互联结，模拟人的大脑处理信息的方式，进行信息并行处理和非线性转换的复杂网络系统。

2. 研究的基本内容与方案

本文研究的基本内容是以武汉市天然气需求量预测为研究对象，分析影响天然气需求量的因素，选择合适的人工神经网络模型，基于该模型构建武汉市天然气需求预测模型，并通过实际数据对预测模型进行训练与检验，根据训练结果对模型进行优化，最终得到可靠的预测模型。

研究目标是最终提出基于人工神经网络的武汉市天然气需求量预测模型，为武汉市各个燃气企业提供天然气的采购决策依据，提高企业经济效益的同时，保证天然气的供需平衡，提高武汉市天然气的利用率。

通过文献资料法分析得出影响天然气需求量的因素，如季节、天气、环境、政策制度等，基于时序神经网络和马尔科夫矩阵两个主要方法，对武汉市天然气的使用量及其影响因素进行模型建立，构建出天然气需求预测模型。

3. 研究计划与安排

第1-4周：收集和整理资料。

第5-6周：拟定提纲，提交开题报告。

第7-13周：撰写论文初稿和修改稿,保持与指导教师的沟通。

4. 参考文献（12篇以上）

[1]陆雪华,沙远峰,黄俊理,梁春朵,何永华.基于bp人工神经网络的桂林市雾霾天气预测[j].影像研究与医学应用,2018,2(05):186-188.

[2]谢兴富,吴勇.基于叠加马尔科夫链的环境质量预测——以成都市为例[j].环保科技,2018,24(01):1-5.

[3]杜懿,麻荣永,赵立亚.南宁市年降水量的加权马尔科夫链预测研究[j].人民珠江,2018,39(02):5-7 13.