燃气负荷预测是燃气管网系统对燃气运行与控制的基础，同时也是燃气市场运作的基础，负荷预测结果的数据是保证天然气管网的安全性、管网调度的合理性工作的重要依据。燃气负荷预测系统的准确性、实时性、可靠性、智能性是目前急需解决的课题。本文首先对燃气负荷数据进行了特征分析，深入了解影响负荷变化的主要因素，为确定预测模型输入样本提供依据;其次,通过数据预处理把带有噪音的数据序列修正为平滑的负荷数据序列，进一步提高预测模型的训练及预测精度;最后,进行一系列实验与分析:(1)将BP神经网络与传统基于交叉验证择参的RBF-SVM预测精度进行了对比，证明了在燃气数据序列条件下，SVM模型优于BP神经网络;(2)对SVM的核参数和核函数的选择做了实验对比研究，在优化方法上发现遗传算法优于交叉验证法，而混沌遗传算法可以进一步克服传统遗传算法诸如过早收敛的不足，最终发现使用小波核表现出比RBF核更精确的预测效果。通过以上一系列的实验比较,得出采用混沌遗传算法择参的小波核SVM这一组合模型的预测精度最高的结论。