杨静凌，唐国强，张建文

（桂林理工大学 理学院，广西 桂林 541006）

原油作为基础能源、化工原料和战略物资，是当今世界不可或缺的能源，它不仅对世界各国的政治、经济等方面具有极其重要的作用，而且和人们的生活息息相关。原油价格的波动对世界经济政治形势具有非常重要的意义，对原油价格序列进行分析和预测是国际市场研究的一个重要领域。近年来，国际原油价格骤升骤降，并且原油价格序列具有非线性、非平稳性、多尺度（多个频率）和时变性等复杂特征，对其进行及时有效地预测面临着巨大的困难和挑战。因此，如何有效地对原油价格序列进行预测受到广泛的关注。

目前，原油价格的预测方法较多，归纳起来主要分为3类：统计模型、人工智能模型和组合模型。原油价格预测研究常用的统计模型有回归模型［1］、自回归移动平均（ARIMA）模型［2］、加入季节因子的ARIMA模型［3］、指数函数模型［4］等。统计模型计算量小、过程简单、易于理解，但是这些模型通常忽略原油价格序列的非线性特征，对数据的分布有着较高的要求，并且受主观因素的影响较大，其预测精度不高。因此，传统的统计模型具有一定的局限性。人工智能模型具有强大的自适应、自学习和非线性能力，其对于原油价格序列的复杂特征有较好的跟随能力。为此，有学者将人工智能模型引入原油价格预测中［5-8］，预测精度得到了改善。但是单一模型无法刻画出原油价格序列的多重特性，因此，组合模型将是一种有效的选择。……