پیش بینی قیمت نفت خام یکی از مهمترین موضوعات پیش روی اقتصاد انرژی است. پیش بینی مناسب قیمت نفت و آن هم قیمت نفت خام اوپک، به دلیل متضمن 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 دادههای تاریخی مهم و محدودیت اطلاعات مرتبط با شاخصهای 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 پیچیدگیهای پویای این کالا، محدود است. هدف از انجام این مطالعه، پیش بینی و شبیه سازی کوتاه مدت قیمت نفت اوپک با استفاده از مدل های شبکه عصبی مصنوعی، تبدیل موجک-عصبی، شبکه عصبی gmdh و شبکه عصبی-فازی و دادههای روزانه قیمت نفت خام اوپک، بوده است. پیش بینی انجام شده در این پژوهش، به دو صورت درون نمونه ای و برون نمونه ای است و افق پیش بینی انجام شده به صورت ده گام به جلو می باشد. در این مطالعه، یک شبکه عصبی با 7 نرون در لایه ورودی، 20 نرون در لایه اول مخفی، 3 نرون در لایه دوم مخفی و یک نرون در لایه خروجی انتخاب شده است. برای هموارکردن قیمت نفت خام اوپک، موجک دابیشز 3 در سطح 5 و برای شبکه عصبی gmdh، 7 ورودی در نظر گرفته شد. همچنین برای شبکه عصبی-فازی از شبکه چندلایه پیشخور با الگوریتم یادگیری ترکیبی پس انتشار خطا و حداقل مربعات و از سیستم استنتاج فازی سوگنو استفاده شد. در پایان، عملکرد مدلها با استفاده از معیارهای ، هنان-کوین و mse مقایسه شده است. نتایج تحقیق نشان می دهد که اولاً، هموارسازی دادهها می تواند عملکرد شبکه را بهتر کند و ثانیاً، شبکه عصبی-فازی نسبت به دیگر مدلهای استفاده شده در این مقاله، از قدرت پیش بینی بهتری برخوردار است.