这项研究介绍了一种新颖的方法来通过整合机器学习（ML）技术来预测全球石油需求，以预测七个精制石油产品和七个关键区域的消耗。通过汇总这些预测，我们对全球需求趋势提供了全面的看法。本文研究了ML模型在提供强大而准确的需求预测方面的功效。它还提供了一个透明且可重复的过程来预测石油需求。进行了极端梯度增强（XGBoost）模型与时间序列预测（N-HITS）模型的神经层次插值之间的比较，以确定哪种更准确的模型可以预测需求。我们的比较分析表明N-HIT的性能更好。全球石油需求预测的准确性对于经济计划和政策制定至关重要。