این مطالعه با هدف معرفی الگوهای مطلوب پیش‌بینی برای قیمت گازوییل در بازار انرژی سنگاپور به عنوان بازار مؤثر بر قیمت گازوییل در خاورمیانه انجام شد. داده‌های مورد‌استفاده به‌صورت هفتگی و شامل دوره (2010-1987) می‌باشد. پیش‌بینی‌ها برای 10، 20 و 30 درصد داده‌ها صورت گرفت. الگوهای مورد‌استفاده برای پیش‌بینی شامل چهار الگوی شبکه‌عصبی و یک الگوی رگرسیونی (خودرگرسیون میانگین متحرک) بود. شبکه‌های منتخب شامل شبکه پیشخور پس‌انتشار، شبکه آبشاری پس‌انتشار، شبکه المان پس‌انتشار و شبکه رگرسیون تعمیم‌یافته می‌باشد. همچنین، توابع آموزش مورد‌استفاده در پیش‌بینی شامل توابع لونبرگ- مارکوآت و شبه‌نیوتنی است. یافته‌ها در مورد تمام گروه از داده‌ها، کمترین خطای پیش‌بینی در شبکه را نشان دادند که از تابع آموزش لونبرگ- مارکوآت استفاده می‌کند. همچنین، مشخص شد برای پیش‌بینی 20 و 30 درصد داده‌ها شبکه المان پس‌انتشار و برای پیش‌بینی 10 درصد داده‌ها شبکه پیشخور پس‌انتشار دارای کمترین خطای پیش‌بینی هستند. همچنین، نتایج نشان دادند شبکه رگرسیون تعمیم‌یافته و الگوی رگرسیونی خودرگرسیون میانگین متحرک در مقایسه با سه شبکه دیگر از دقت قابل رقابتی برخوردار نیستند. البته یافته‌های آماره دیبلد- ماریانو نشان دادند که میان شبکه‌های دارای کمترین خطای پیش‌بینی از لحاظ آماری تفاوت معناداری در دقت پیش‌بینی وجود ندارد. برای قیمت گازوییل به طور نسبی استفاده از 80 درصد از داده‌ها برای آموزش و 20 درصد برای پیش‌بینی در مقایسه با سایر ترکیب از داده‌ها خطای پیش‌بینی کمتر نشان داد. بر اساس نتایج به دست آمده می‌توان با استفاده از شبکه‌های پیشنهادی مطالعه به پیش‌بینی‌هایی با خطای حدود 2 درصد دست یافت.