原油和天然气在能源市场中扮演着重要交易商品的角色,原油价格的波动与整个金融市场密切相关。近年来,通过人工神经网络预测能源市场的波动是经济研究的重点之一。本文将双并联前馈神经网络,小波分析理论与随机时效函数相结合,提出了一种新的随机双并联小波复合神经网络(DPFWR)。并应用DPFWR预测能源期货价格时间序列,包括西德克萨斯轻质原油,布伦特原油,天然气,汽油,取暖油和鹿特丹煤碳。为了比较预测结果的准确性,使用了几种误差准则来评估DPFWR和其他预测模型的预测误差。双尺度复杂度不变距离是本文提出的一种新的评估方法,将其用以评估模型的预测误差,进一步分析比较所提出神经网络模型的优越性。在实证分析的基础上,本研究体现了随机双并联小波神经网络较高于其他模型的准确性。基于对历史价格数据信息的重要性的不同,本文提出了一种具有随机时效权重的门控循环单元混合预测模型(SW-GRU),并将其结合经验模式分解应用于全球能源价格的预测。由于原油和汽油在全球能源市场中占有举足轻重的地位,本文采用了这些商品的期货和现货价格序列作为预测任务的数据。将实际能源价格序列分解为本征模函数序列和残差序列后,可以通过独立的SW-GRU分别预测本征模函数和残差序列,并将预测输出用于计算预测价格。在能源市场的实证研究中,我们利用几种误差准则和双尺度复杂度不变距离,对提出的基于经验模式分解的SW-GRU模型和其他模型的预测误差进行了评估和比较,结果表明基于经验模式分解的SW-GRU的预测模型有着更优秀的预测性能。