石油价格是政府部门、原油生产部门和用油单位以及投资者关注的焦点，国际原油市场是非常重要而又复杂多变的市场，油价序列变化具有高度波动性特征及受突发事件影响明显等使其与传统时间序列又有显著差别，这些特征使得预测原油价格变得十分困难。在过去的几十年中，许多学者提出了各种各样的方法来预测国际油价，但预测效果不甚理想。因此，本文中针对原油价格高波动性特征的可局部信息调整的反馈支持向量回归(Localized Feedback Support Vector Regression,LF-SVR)模型预测原油价格并引入油价突发事件评价方法作为对主模型的辅助对预测结果进行二次改进，以提高油价预测的精度。　　 首先，针对油价数据主要分布于网页且数据结构较为散乱的特点，使用基于正则表达式的网页信息抓取技术构建结构统一的本地化油价数据源，完成油价数据仓库构建，为油价预测提供数据保障。　　 然后，针对原油价格特征提出了可局部信息调整的反馈支持向量回归方法来预测油价走势，该方法克服了标准支持向量回归不能有效捕捉数据中存在的波动的缺陷，并利用该方法对欧洲布伦特国际原油市场和我国大庆原油市场期货的日收盘价格进行预测。与传统SVR方法的对比分析显示，LF-SVR方法的预测精度更高，证明了该预测算法有效性。　　 最后，将油价突发事件分析引入到对油价预测的体系中来，将事件影响价格变化的途径进行分类并对可量化的原油库存事件信息使用可局部信息调整的支持向量回归方法(Localized Support Vector Regression,LSVR)预测了每周库存变化对当日油价影响的强度，以价格变化幅度为预测结果，将此预测结果叠加前述LF-SVR方法得出的预测值中，对预测值进行二次修正，进一步提高预测精度，同时建设性地探讨一种对不可量化事件的评估方法。