原油管道电耗的准确预测能够用于控制原油管道耗能水平，充分挖掘原油管道输送系统的节能潜力。实际采集到的原油管道运行数据具有波动范围大的特点，且存在严重的噪声干扰和信息冗余，对精确预测管道电耗造成不良影响。为解决上述问题，提出一种基于混合神经网络的电耗预测模型。利用自适应噪声的完备集成经验模态分解，对原油管道日运行数据进行分解；利用主成分分析对分解后数据做降维处理；利用改进粒子群算法调节神经网络结构参数；使用该模型预测某原油管道电耗，并与常见的几种预测模型展开对比。结果表明，分解算法能够提高模型预测精度；该混合神经网络模型预测精度最高，其测试集的平均绝对误差为5.394%，较使用分解算法前降低39.200%。
