国际原油价格的频繁波动很大程度上影响着全球经济和社会的稳定,而原油作为经济市场的一种特殊商品,其价格波动不仅受到供给与需求的影响,同时,天气状况、股票涨跌、经济发展、政治因素、国民心理预期等因素也对其有显著的影响。历史研究表明,原油价格的波动具有非线性、不确定性和动态性等特性,这些特性给原油价格的的建模与预测工作带来一定的挑战。因此,为提高模型的预测能力,在建模之前对数据去噪是很有必要的。本文在进行实证分析时,首先通过集合经验模式分解(EEMD)对国际原油价格加以处理得到一系列独立的固有模态函数(IMF)和残差序列,接着将前一步分解所得到的新序列分别作为BP神经网络模型的输入层,然后将各个BP神经网络预测的结果加总得到原油价格的最终预测值。为验证混合模型的有效性,本文对美国西德克萨斯中级原油价格(WTI)和布伦特原油价格(Brent)的数据进行预测,通过各项误差指标的对比,结果表明相比单个BP神经网络模型,本文提出的EEMD和神经网络模型对原油价格的预测更为准确。