پیش بینی قیمت نفت خام از مهم ترین موضوعات فرا روی اقتصاد انرژی است. پیش بینی مناسب قیمت نفت و آن هم قیمت نفت خام اوپک، به دلیل درگیر بودن تعدادی از کشورهای در حال توسعه این سازمان با قیمت نفت، می تواند در برنامه ریزی های سازمان و کشورهای عضو آن، اهمیت ویژه ای داشته باشد. برآورد و پیش بینی روند قیمت نفت، به خاطر نبود داده های تاریخی مهم و محدودیت اطلاعات مرتبط با شاخص های موثر بر روند قیمت نفت، کار بسیار دشواری است. این به نوبه خود، میزان نویز، پیچیدگی و نااطمینانی پارامترها در ارتباط با برآورد قیمت نفت را تشدید می کند. با این وجود، موفقیت در تدوین مدلی قابل اتکاء برای توصیف پیچیدگی های پویای این کالا، محدود است. در این تحقیق، از شبکه عصبی مصنوعی، شبکه عصبی- فازی و مدل ترکیبی تبدیل موجک- شبکه عصبی و داده های روزانه سبد نفت خام اوپک، برای مدل سازی و پیش بینی کوتاه مدت قیمت نفت خام اوپک، استفاده شده است. نتایج این مدل ها بر اساس معیارهای اندازه گیری دقت پیش بینی، مورد مقایسه قرار گرفته است. نتایج تحقیق نشان می دهد که اولاً، نویززدایی داده ها می تواند عملکرد شبکه را بهتر کند و ثانیاً، شبکه عصبی- فازی نسبت به دیگر مدل های استفاده شده در این مقاله، از قدرت پیش بینی بهتری برخوردار است