原油是最重要的一个类型的能源对全球经济,因此是很有吸引力的理解原油价格的运动。然而,原油价格的序列通常表现出一些非平稳和非线性的特点,使它对准确预测原油价格非常具有挑战性。为了应对这个问题,在这篇文章中,我们提出一个新颖的方法,集成了完整的集成经验模态分解与自适应噪声(CEEMDAN)和极端的梯度增加(XGBOOST),所谓CEEMDAN-XGBOOST,预测原油价格。首先,我们使用CEEMDAN分解的非平稳、非线性信号的原油价格序列为几个固有模式函数(货币)和一个渣。其次,XGBOOST是用来预测每个单独IMF和残渣。最后,每个国际货币基金组织(IMF)和残留的相应的预测结果聚合为最终的预测结果。验证了所提算法的性能,我们进行广泛的实验西德克萨斯中质原油(WTI)价格。实验结果表明,该CEEMDAN-XGBOOST优于一些最先进的模型的几个评价指标。