针对天然气时负荷预测问题, 提出了一种基于 H a a r小波变换和 AR I MA - R B F的天然气时负荷组合 预测模型。首先, 对天然气时负荷数据样本时间序列进行小波分解, 采用 M a l l a t快速算法, 母小波为 H a a r小波, 对 分解出来的高频分量进行 AR I MA预测, 低频分量进行R B F预测; 其次, 对高频分量预测结果和低频分量预测结果 进行 H a a r小波重构; 最后, 以某市实际采集的天然气时负荷为例进行研究, 并与自组织特征映射( S e l f - o r g a n i z i n g F e a t u r eM a p, S OFM) 网络和多层感知器( Mu l t i l a y e rP e r c e p t r o n, ML P) 网络( S OFM+ML P) 组合预测模型进行对比 分析。结果表明, 组合预测模型较S OFM+ML P预测模型的 MA P E值指标高出2. 5 9 32%, 预测精度显著提高, 为 实际工程的在线应用提供了有益参考。