本发明公开了一种基于GA‑ELM算法的电采暖负荷预测方法，包括综合考虑利用负荷的波动及相关因素的扰动，选取预测网络模型输入输出量；基于遗传算法优化极限学习机的算法，获取预测输出值；利用预测输出值和实际值的百分误差PE和平均绝对值百分误差MAPE两个指标来检验预测的效果，获取预测误差值，验证预测输出值准确性；通过使用遗传算法对预先设定的极限学习机的随机变量进行了多次修改，从而改善了模型在特定场景下的拟合能力；最后，通过MATLAB利用搜集的供暖负荷数据及相关影响因素进行实验验证，并与BP网络、ELM网络预测结果对比分析，验证本方法在短期负荷预测方面学习速度快，能够获得较高的预测精度、具有较强的网络稳定性和泛化性能。