柴油作为一种石油制品,是工业化社会中不可缺少的能源。由于柴油的用途广泛,柴油价格的波动将会影响到社会的方方面面,尤其是各国的国民经济,所以各国对柴油的价格波动十分关注。如何减少柴油价格波动所造成的负面影响,有效地对柴油价格进行预测,对政府部门以及柴油贸易企业来说显得十分重要。在此情况下,本文采用定性和定量相结合的方法,先识别出柴油价格的影响因素,再对柴油价格进行预测分析。本文首先使用文献分析法阐述理论基础,并对国内外有关柴油价格及其影响因素和BP神经网络的相关研究进行综述。其次,运用德尔菲法进行1轮开放式调研和3轮评价式调研,识别出国内市场供需、炼油能力、柴油进出口、经济政策因素、生产成本、新能源替代、柴油库存、期货投资等8个影响柴油价格的主要因素,量化分析得出各因素的指标包括柴油产量、柴油消费量、柴油产能、出口数量、进口数量、GDP、柴油生产成本、LNG供给情况、柴油库存、ICE柴油价格等10个。在此基础上,运用这10个指标和柴油价格数据基于BP神经网络构建预测模型,并实验确定了模型的各项参数。最后,运用模型对柴油价格做了验证,拟合度为0.99998,再将本文算法与多元回归、SVM模型进行比较,结果表明,BP神经网络的预测效果优于另外两个算法,以本文构建的算法预测了2019年1月-2020年12月柴油价格。本文的研究结果将为政府部门制订政策及制度,以及柴油贸易的企业生产经营提供更为科学的决策参考依据,使研究兼备理论价值和实践意义。