原油在世界能源中占有重要地位,它不仅具备商品属性,同时还带有一定的政治色彩。近几十年来,伴随中国经济的高速发展,国内原油资源的消耗也越来越大。就我国能源资源分布情况而言,原油资源分布较少,远不能满足其需求。因此我国只能从国际进口原油,且进口量也在逐年增大。如此一来,国际原油价格的震荡对我国经济健康发展起着不可忽视的影响,研究国际原油价格波动显得十分有必要。由于原油价格数据是随时间的先后顺序累积收集的,可被认为是时间序列数据。鉴于时间序列模型具有应用范围广、数据要求低、短期预测准确率高等优点,因此广泛用于模型预测中。但传统的时间序列模型具有数据呈线性关系的假设,因此对于非线性的数据用这种方法很难捕捉到数据背后隐藏的非线性关系。而神经网络模拟人体内神经元处理问题的方式,对处理非线性问题有很好的效果。同时,它较易操作,能够高速寻找问题的优化解。本文选取2015年1月2日到2016年12月13日布伦特原油(Brent oil)现货交易价格数据作为原始数据序列。考虑到原始数据中存在的高噪音可能会对模型分析产生干扰,在建立BP神经网络之前先对原始数据利用小波分析技术进行消噪处理。然后考虑到BP网络自身存在收敛速度慢、易陷入局部最优等不足,本文引进遗传算法对其优化。实证分析结果表明,在建模之前对原始数据进行消噪处理确实能提高模型的预测精度。此外,在上述模型建立的基础上,再进行遗传算法优化处理,在一定程度上加快了模型的收敛速度,进一步提高模型预测精度。