能源是人类赖以生存和发展的重要物资之一,同时也是经济发展的驱动力。做好能源规划,合理高效的利用能源是企业提高市场竞争力的基础,化工企业能源规划的重要组成部分之一就是确定生产产量与能源消耗的关系。通过能源消耗预测生产产量可以有效的把握能源消耗的趋势,控制能源的贮存量,减少能源的浪费,降低化工产品的生产成本,并可以提高化工企业产品的市场竞争力、经济效益和信息化管理水平。科学的预测是生产决策的依据和保证,同时能源系统安全可靠地运行是建立在精确的预测之上的。因此,寻找有效的能源预测方法、提高预测的准确度具有重要的意义。本论文针对化工企业烧碱生产产量进行了短期预测。利用施密特正交马田系统(MTGS)对烧碱产量预测影响因素进行权重的计算,结合影响因素的趋势分析得到用于预测的因素。为了验证MTGS影响因素分析的正确性,建立了两种不同结构的BP神经网络预测模型。利用BP神经网络预测模型对某化工厂烧碱生产系统七个月的生产数据进行训练和预测,证明MTGS对影响因素的分析是正确的。但是考虑到BP神经网络预测模型存在一定的缺陷,本论文利用布谷鸟搜索算法对BP神经网络进行了优化,并建立了基于布谷鸟搜索算法的BP神经网络预测模型(CS-BP)。为了验证该模型的优越性,与常用于预测问题的BP神经网络预测模型和基于粒子群优化算法的BP神经网络预测模型(PSO-BP)进行对比。实验证明CS-BP预测模型比BP神经网络预测模型和PSO-BP预测模型的预测效果更优而且预测精度更高。这种预测模型的提出为能源管理提供了一种可靠的科学方法。