原油作为世界各国的重要战略资源,被广泛地应用到各行各业中,原油产业的发展也成为了影响全球宏观经济最重要的因素之一,原油产业已占据了重要的战略地位。国际原油价格在近十几年来大幅波动,尤其在全球经济危机之后,原油价格持续下跌。2020年年初爆发了新型冠状病毒疫情后,原油价格更是一度跌入了负值。作为原油高需求国家,我国的原油进口量也十分庞大,而且随着经济全球化的脚步越来越快,原油价格的异常波动势必会对中国部分企业运行产生影响。原油价格波动的不确定性一方面会影响政府政策的制定,另一方面也会干扰各企业做出决策。若能有合适的方法可以对原油价格做出预测,就可以在原油价格异常波动前做出预警,及时改变策略做出合理的决策,从而最大限度的降低政府、企业及个人的损失。由此观之,原油价格预测尤为重要。目前,已经有大量的原油价格预测相关文献,关于原油价格预测的准确性也得到了提升。总的来说,现有的原油价格预测模型主要可分三类,即:传统计量模型、人工智能模型和混合预测模型。其中,使用单一预测模型的情况较多,这种模型虽然简单实用,但是其预测效果却不尽如人意,甚至可能出现较大偏差,混合预测模型是三者中效果最好的。因此,本文提出了一种基于自适应白噪声的完整经验模态分解（CEEMDAN）和使用差分鲸鱼算法（DEWOA）优化BP神经网络的混合预测模型来对原油价格进行预测。本文主要完成的内容有:第一,使用CEEMDAN方法对原油价格数据进行预处理;第二,使用DEWOA来寻求BP神经网络的最优参数,将优化后的BP神经网络用于非线性分量的预测,提高模型预测准确性;第三,一方面,使用WTI、布伦特、一揽子原油价格三种不同原油价格指标进行多组实验,另一方面,使用WTI原油价格三组不同时序数据进行多组实验,以此来验证该组合模型的有效性及稳定性;第四,使用MAE、MSE、MAPE、SMAPE、MdAPE、r六个评价指标从相对和绝对指标两方面对所建立的预测模型进行评价,并与其他模型进行对比,来证明本文预测模型的优越性。本文分析结果表明,使用CEEMDAN-DEWOA-BP模型对原油价格进行预测具有一定的优势,其在降低原油价格预测的误差的同时,也提高了预测结果的稳定性。本文的创新之处主要体现在两方面:一方面,针对BP模型中初始权值的取值,采用了差分鲸鱼算法（DEWOA）来进行优化,从而提高了模型整体的预测效果,并构建了全新的组合模型。另一方面,本文不仅使用了 WTI、布伦特、一揽子三类不同原油价格数据对模型稳定性进行检验,还使用了三组不同时间段的WTI原油价格时间序列数据对预测模型稳定性进行检验,有效验证了组合模型的稳定性。本文证明了所提出的CEEMDAN-DEWOA-BP模型在国际原油价格预测中能力较为优秀,为该方向提供了新的研究方法,具有较大的理论和现实意义。