یکی از هدفهای اصلی تجزیه و تحلیل های اقتصادی,پیش بینی صحیح و دقیق متغیر های اقتصادی است که می تواند سیاستگزاران را در جهت تصمیمات صحیح و مناسب با مقادیر پیش بینی شده کمک و یاری نماید و بدیهی است که هر چه مقادیر پیش بینی شده دقیق تر باشد اتخاذ سیاستهای لازم و بکارگیری ابزارمتناسب با آن نیز می تواند به صورت مناسب تری صورت گیرد.در نتیجه در دهه های اخیر مدل های پیش بینی گوناگونی توسعه یافته و به رقابت با یکدیگر پرداخته اند. با توجه به اینکه ایران یکی از پنج کشور بزرگ مالک ذخایر غنی نفتی در جهان است و درآمدهای ارزی حاصل از صادرات نفت در بودجه کشور از جایگاه ویژه ای برخوردار است. لذا اهمیت تحقیق و بررسی در زمینه اقتصاد نفت بر هیچ کس پوشیده نیست. در این زمینه,روش های مختلفی برای پیش بینی قیمت نفت وجود دارد که از جمله آنها می توان مدلهای رگرسیون ,معادلات همزمان .مدل های سری زمانی و شبکه های عصبی را نام برد. امروزه علاقه قابل توجهی در استفاده از روش های هوش مصنوعی(بویژه شبکه های عصبی) در زمینه متغیرهای اقتصادی بوجود آمده است.خصوصیت عمده شبکه های عصبی توانایی یادگیری آنها از تجارب گذشته و بهبود سطح کارآیی خود است که از طریق آموزش شبکه حاصل می شود. با ظهور تئوری موجک، روشها و راه حل هایی جدید برای برخی مسائل مهندسی نظیر شناسایی سیستم های غیر خطی مطرح شد. با ترکیب موجکهای مشتق شده از یک قالب صرف ریاضی با تئوری تقریب یک شبکه عصبی جدید به نام شبکه ویونت (wavenet) بوجود آمد. این شبکه قابلیت توسعه بیشتر و یادگیری سریعتری نسبت به شبکه های عصبی معمولی دارند. . در این تحقیق تلاش شده است با ارائه مدل جدید پیش بینی کوتاه مدت قیمت نفت خام تحت عنوان wavenetکه ترکیبی از شبکه های عصبی و ویولت (عصبی–ویولت) می باشد گامی هر چند ناچیزدر جهت بهبود روش های قبل برداشته شود نتایج حاصل از این شبکه با شبکه عصبی grnn مقایسه شده است.