壹些常用的方法，如多元回歸、時間序列法等，是典型的線性預測模型，可以預測價格變動的線性關系，對中長期預測有壹定的局限性。
神經網絡是壹種智能預測方法，需要建立對象的精確數學模型，能夠準確描述對象的特性，具有學習能力強、並行處理的特點，已廣泛應用於復雜系統建模等領域，也為油價預測提供了思路。但由於影響油價的因素很多，且數據中含有噪聲，直接使用神經網絡學習收斂速度慢，預測精度低，因此需要對影響油價的因素進行預處理。根據石油價格變化的特點，提出了壹種基於主成分分析和BP神經網絡的石油價格預測模型。該模型利用定性分析篩選影響因素，然後利用主成分分析篩選油價影響因素，選擇最重要的影響因素，最後通過神經網絡逼近非線性連續函數的能力對油價進行預測，從而實現對油價的準確預測。
價格預測過程
BP神經網絡的預測過程如下:
1.收集油價及影響因素，獲取相關數據。
2.對油價的影響因素進行主成分分析，篩選出貢獻率大的主成分。
3.將油價數據分為訓練樣本和預測樣本。
4.利用BP神經網絡對訓練樣本進行訓練，找出模型的最優參數。
5.利用最多的參數對預測樣本進行預測，建立BP神經網絡預測模型。