石油作为世界上最重要的能源之一,它对全球经济活动有重大的影响。一方面,高油价通常会导致通货膨胀率上升,进而影响石油输入国的经济。另一方面,低油价可能引起石油输出国的经济衰退和政治不稳定,从而阻碍其经济可持续发展。此外,石油消费市场具有多样化,受油价、替代能源等因素的影响,其在国家能源安全中扮演重要的角色。因此,国际石油消费和价格预测已经变为能源分析和经济管理研究领域的热门问题。然而,由于受各种影响因素和突发事件的影响,提高石油消费和价格的预测精度是一个异常艰难的任务。为了捕捉这些影响因素的冲击,本文在国内外现有石油消费和价格预测相关文献研究的基础上,首先对现有石油消费和价格预测的研究进行全面的综述,得出了石油市场的主要影响因素和现有研究的不足;针对影响因素,建立基于谷歌趋势数据的石油消费需求预测模型和基于在线新闻文章情感的石油价格预测模型;针对重大突发事件建立了基于突发事件专家系统的石油价格区间预测模型。具体研究内容如下:首先,本文分别从石油消费预测、石油价格预测以及预测方法三方面对现有国内外文献进行深入分析,总结出了石油消费和价格预测的主要影响因素与现有研究存在的不足。研究发现:(1)影响石油消费和价格的因素众多,石油市场呈现复杂的分形特征,传统的多元回归分析方法与基于统计的线性模型无法准确地对消费与价格的变化趋势进行测度与预测,必须采用单变量非线性的人工智能模型才能加以准确分析与预测。考虑到互联网大数据时代,网络舆情对石油市场影响十分巨大,本文将在线数据引入石油市场预测来验证网络大数据是否能够提升石油市场的预测精度。(2)现有研究突发事件对石油市场影响的研究大都凭借专家的经验来判断,没有建立起一个系统的定量分析方法。其次,针对上述第一个不足,本论文基于谷歌趋势数据构建石油消费预测模型和基于在线新闻文章情感数据构建石油价格预测模型。不同于没有考虑大数据因素的预测模型,论文采用在线谷歌趋势数据和在线新闻文章情感数据作为网络大数据的典型代表加入现有智能预测模型,以提高石油消费和价格的预测精度。实证研究表明:(1)“石油消费”的谷歌趋势和“石油价格”相关的在线新闻文章情感分别是石油消费预测和石油价格预测的有效预测指标,能够捕捉石油市场中各种驱动因素;(2)各种石油消费和石油价格的经济计量模型和人工智能模型分别引入“石油消费”的谷歌趋势和“石油价格”情感序列后,预测精度都显著地提高。最后,针对第二个不足,本文基于突发事件专家系统构建了石油价格区间预测模型。在这个系统中,首先根据置信区间的方法和历史价格来识别突发事件。然后通过文本挖掘技术获取相应的突发事件与计算突发事件对石油价格的影响区间。最后运用突发事件影响的区间调整石油价格预测的结果。实验结果表明:(1)通过引入突发事件专家系统,石油价格区间预测的准确性得到了改善。(2)基于“分解与集成”技术,石油价格区间预测的精度比单一预测模型高。本文分别基于谷歌趋势数据与在线新闻文章情感数据预测石油消费和价格,以及运用突发事件专家系统对石油价格进行区间预测,最终石油消费和价格预测的精度得到了一定的提高,有助于相关部门决策者提供相应的决策参考。