ایران یکی از پنج کشور بزرگ مالک ذخایر غنی نفتی در جهان است. علیرغم رشد صادرات محصولات غیرنفتی، هنوز هم بخش اعظم اقتصاد کلان کشور بر نفت متکی است و بیش از % 98 انرژی اولیه کشور از نفت تأمین می‌شود . بنابراین اهمیت تحقیق در زمینه مباحث مرتبط با اقتصاد نفت و بویژه مدلی که بتواند قیمت نفت را پیش بینی نماید، بر هیچ‍کس پوشیده نیست. امروزه علاقه فراوانی به استفاده از سیستم‌های هوش مند در جهت بهبود کیفیت تصمیمات مالی بوجود آمده است. بویژه شبکه‌های عصبی که از طریق آموزش، توانایی یادگیری از تجارب گذشته و بهبود سطح کارایی خود را دارا هستند، در این رابطه جایگاه ویژه ای دارند . لذا در این تحقیق با استفاده از یادگیری «هدایت شده» یک مدل شبکه عصبی برای «پیش‌بینی ماهانه قیمت نفت خام»، توسعه داده شده است. در فرآیند توسعه این مدل، تأثیر انواع متغیر های فنی و بنیادی، تعداد نرون‌های لایه ورودی، تعداد لایه‌ها و نرون‌های پنهان، توابع تبدیل لایه‌ها، پیش‌پردازش مناسب داده‌ها، تقسیمات مختلف داده‌ها برای انتخاب مجموعه‌های آموزش و آزمایش ، انواع الگوریتم‌های یادگیری بهبودیافته و انواع شبکه با انجام آزمایش‍های فراوان بررسی شده است. در نهایت یک شبکه پیشخور سه‌لایه ( N 9-2-8-1 ) با میانگین خطای مطلق 74 سنت در مجموعه آموزش و 71 سنت در مجموعه آزمایش، بعنوان بهترین مدل انتخاب گردیده است.
