国际原油价格自从1970年开始频繁波动。它不仅受到基本的供求影响,同时也受到许多其他因素的综合影响,包括天气、存货水平、经济增长、政治因素、心理期待甚至是一些非常规突发事件。多因素的影响导致原油价格序列呈现出非线性、非平稳性、季节性、不规则性能一系列复杂特征。在这种情况下,本文引入了一种新的基于压缩感知的人工智能预测方法来预测原油价格。具体来说,该方法引入了压缩感知的两种技术,分别为压缩感知去噪方法和稀疏分解方法并将其作为原油价格序列的预处理方法,然后基于这两种数据处理方法分别构造了两种模型。一种是基于压缩感知去噪的人工智能预测模型,另一种是基于稀疏分解的分解集成预测模型。基于压缩感知去噪的人工智能预测模型是基于去噪预测的思想,首先采用压缩感知去噪方法来对原始油价序列进行去噪的预处理,以减少噪声数据对人工智能预测方法建模效果的影响,然后使用智能预测算法对去噪后的数据进行建模和预测。基于稀疏分解的分解集成预测模型是基于分解集成预测的思想,首先根据原油价格序列所表现出来的多种特性,构造了一个过完备字典,并基于该字典将原油价格序列分解为不同的特征分量,然后使用前馈神经网络对分量进行建模和预测,最后将各个预测结果集成为最终的预测结果。本文对基于压缩感知的两种模型分别使用了WTI的日度原油价格和月度原油价格来进行实证分析,并得出以下结论：一方面,基于压缩感知的两种预测模型与基准模型比较时均获得最高的预测精度,表明基于压缩感知的预测方法的有效性；另一方面,在不同数据集预测中,该框架下的两种预测模型也都获得了最高的预测精度,验证了该方法的稳定性。此外,实证结果也表明该方法在预测具有复杂非线性特征时间序列方面特别有效。