船用燃料油是一种重要的原油提炼产物,是船舶主机的动力来源。对海运行业来说,船用燃料油成本始终是海运企业最主要的运营成本之一,占比约为20%-30%。船用燃料油的价格波动关系着海运企业的盈利水平和风险等级,考验着海运企业的战略决策能力,因此,预测其价格走势具有现实意义。论文围绕船用燃料油价格预测这一主题,首先对国内外的船用燃料油市场现状做了一个概述,归纳了船用燃料油的影响因素,并且整理了国际上应对船用燃料油价格波动风险的企业常用战略;然后提出了基于“分解-预测-集成”模式的预测思路,使用季节趋势分解（STL）分解燃料油价格时序;接着将极限学习机（ELM）非参数模型对船用燃料油时间序列中高频的季节性周期和短期波动时序的预测优势和差分整合移动平均自回归（ARIMA）参数模型对船用燃料油时间序列中低频的趋势预测优势相结合,构建了基于STL-（ELM+ARIMA）的船用燃料油预测方法,并描述了具体的预测步骤;最后,利用构建的预测模型对新加坡普氏燃料油180CST现货价格进行实证研究,并且将本研究的预测结果和利用支持向量机（SVM）预测得到的结果进行比较,通过均方根误差（RMSE）、平均绝对误差百分比（MAPE）检验预测结果,验证所提出预测方法的有效性。论文研究的主要结论为:第一,船用燃料油180CST现货价格波动性较大,偏度呈现出微小右偏分布状态,峰度呈现为平顶峰,其价格分布为瘦尾状态。第二,经过RMSE和MAPE检验对比,基于“分解-预测-集成”的预测模式优于ARIMA、ELM和SVM三种单一预测模型,也优于这三种模型的两两组合,有效提高了STL-（ELM+ARIMA）模型的船用价格预测能力,具有较强的泛化能力和稳定性。第三、经过RMSE和MAPE检验对比,ARIMA模型在预测低频的180CST价格趋势性分量上,相比ELM模型和SVM模型具有较明显的优势;ELM模型在预测高频的180CST价格残余性分量上相比ARIMA模型和SVM模型优势也比较突出;基于STL-（ELM+ARIMA）的船用燃料油价格预测模型的预测精度高。第四、基于STL-（ELM+ARIMA）的船用燃料油价格预测模型具有更合理的经济学解释,能从季节性、趋势性以及短期波动的角度预测船用燃料油价格长中短走势。论文研究的主要贡献为:第一,利用“分解-集成”的预测框架对船用燃料油价格时间序列进行季节趋势分解后再对子序列分别预测,体现了“分而治之”的预测思想,弥补了以往研究直接对油价时间序列进行拟合和预测时拟合度与预测精度不高的问题。第二,将参数预测方法和非参数预测方法相结合,结合了两类油价预测方法的特征,综合了油价预测方法的精度问题和经济学意义,更加贴合船用燃料油价格的序列特征,该类研究方法代表了未来油价预测的发展方向。第三,提出了一种基于STL-（ELM+ARIMA）的船用燃料油价格预测模型,该组合模型在目前的研究中尚未出现,是对现有的油价预测理论的一个有效补充。第四,以新加坡普氏燃料油180CST价格作为实证对象,扩宽了以往研究主要针对原油价格的视野范围,对于海运企业来说具有更高的价值。