随着国家绿色、智能城市的发展，天然气管网的智能化势在必行。银川作为国家绿色城市试行区之一，其天然气使用量将逐日增加，对天然气系统的要求也将更加严格。作为智能天然气系统关键技术的流量负荷预测，其预测的精准度将直接影响整个管网的安全与科学运行。　　本文以银川天佳能源科技股份有限公司为背景，致力于研究其短期负荷预测。通过对国内外天然气流量负荷预测方法的学习和研究，选定BP神经网络作为本文预测结构的主框架。研究分析发现，网络的权值和阈值是BP模型的关键，单一的BP神经网络在网络学习过程中易出现过拟合和局部最优等问题。为避免单一的BP网络模型预测时出现过拟合等缺陷影响预测精度，本文将遗传算法和BP网络进行算法结合，形成最终的GA-BP组合预测模型，并利用实验室数据验证GA-BP模型的适应性和有效性。公司实际的天然气数据存在不完整和毛刺等问题，本文采用特性曲线法进行数据修补。同时利用数据之间相关偏相关系数来选定GA-BP模型的输入维度，保证模型学习样本的丰富度和精确性。最后将优化的组合预测GA-BP模型与单一的BP模型应用到银川天佳能源科技股份有限公司实际数据预测仿真，预测结果验证了GA-BP模型较BP模型更为优越，为公司智能管网的建立打下基础。