1．目的及意义

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。

相比其他预测方法，人工神经网络具有以下突出优点：（1）可以充分逼近任意复杂的非线性关系；（2）所有定量或定性的信息都等势分布贮存于网络内的各神经元，有很强的容错性；（3）采用并行分布处理方法，使得快速进行大量运算成为可能；(4)可学习和自适应不知道或不确定的系统；(5)能够同时处理定量、定性知识。城市用气具有非线性、多变性、互相关性等特点，对这些复杂行为进行建模和预测，人工神经网络是一种有效的方法。将人工神经网络理论应用于燃气运行之中，能克服传统预测方法的一些缺陷，并快速准确的得到预测结果，为燃气企业安全生产提供快捷、科学的决策信息。

20 世纪 80 年代以来，神经网络的理论和应用研究都取得了很大的成绩，在模式识别、信号处理、知识工程、专家系统、优化组合、智能控制等领域得到了广泛的应用。我国也紧跟神经网络开发研究热潮，开创了我国神经网络及神经计算方面科学研究的新纪元。

人工神经网络作为一种可以灵活地应用于预测、分类和聚类的强有力工具，被广泛应用于许多数据挖掘和决策支持应用中。从预测金融业的时间序列到医学诊断，从识别有价值的客户群到识别欺诈信用卡交易，人工神经网络被广泛应用于各行各业。如今计算能力完全能满足要求，尤其在商业领域中有众多的数据可以利用，多数企业的操作系统已经实现自动化，所以获得相关的数据变得更加容易，这为灵活应用人工神经网络提供了更丰富的数据平台。

将人工神经网络应用于能源需求量的预测，国外研究起步较早，已经取得了丰硕的成果，但国内在天然气需求量预测的文献相对较少，这方面的研究价值和研究前景还是很广阔的。{title}

2. 研究的基本内容与方案

{title}

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。

具体技术方案包括，将原始的天然气数据进行预处理，包括技术指标的选择与计算、数据缺失值的处理以及预测指标的选择。利用前三个月的数据对预测模型进行训练学习，再用最后一个月的数据对模型进行回测与检验，根据训练结果对模型进行反复不断地优化，最终得到可靠的预测模型。