基于EMD-GA-BP与EMD-PSO-LSSVM的中国碳市场价格预测 被引量：47

1

作者 崔焕影 窦祥胜 《运筹与管理》 CSSCI CSCD 北大核心 2018年第7期133-143,共11页

由于碳交易市场价格的波动性大及相互影响关系的复杂性,本文试图构建碳价格长期和短期的最优预测模型。考虑到碳交易价格波动的趋势性和周期性特点,基于经验模态分解算法(EMD)、遗传算法(GA)—神经网络(BP)模型、粒子群算法(PSO)—最小... 由于碳交易市场价格的波动性大及相互影响关系的复杂性,本文试图构建碳价格长期和短期的最优预测模型。考虑到碳交易价格波动的趋势性和周期性特点,基于经验模态分解算法(EMD)、遗传算法(GA)—神经网络(BP)模型、粒子群算法(PSO)—最小二乘支持向量机(LSSVM)模型及由它们构建的组合预测模型,对中国碳市场交易价格进行短期预测和长期预测。实证分析中将影响碳交易价格的不同宏观经济因素和碳价格时间序列因素做为输入变量,分别代入组合模型进行预测。研究结果表明,在短期预测中,EMD-GA-BP模型预测效果优于GABP模型和PSO-LSSVM模型;而在长期预测中,组合模型EMD-PSO-LSSVM模型预测效果优于只考虑碳价格波动趋势性或周期性预测效果。 展开更多

关键词 碳价格预测 经验模态分解算法 遗传算法—神经网络 粒子群算法-最小二乘支持向量机 宏观经济因素

下载PDF 职称材料

基于多尺度分解集成组合模型的碳价格预测研究 被引量：5

2

作者 王喜平 于一丁 《分布式能源》 2022年第1期1-11,共11页

准确预测碳价格不仅有助于投资者及监管部门的科学决策,而且有助于碳金融市场的健康发展。考虑碳价格预测的复杂性,基于“分解-重构-预测-集成”的建模原则,构建了多尺度碳价格集成组合预测模型。首先,采用改进型自适应白噪声完备集成... 准确预测碳价格不仅有助于投资者及监管部门的科学决策,而且有助于碳金融市场的健康发展。考虑碳价格预测的复杂性,基于“分解-重构-预测-集成”的建模原则,构建了多尺度碳价格集成组合预测模型。首先,采用改进型自适应白噪声完备集成经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)算法对碳价原始序列进行分解,并以综合贡献度指数(comprehensive contribution index,CCI)对分量进行重构,得到短期、长期和趋势分量;然后,采用门限广义自回归条件异方差(threshold generalized auto-regressive conditional heteroscedasticity,TGARCH)模型预测短期分量,以布谷鸟搜索(cuckoo search,CS)算法优化超参数的长短期记忆(long-short term memory,LSTM)神经网络预测长期和趋势分量;在此基础上,采用非线性集成算法对各分量预测结果进行集成,得到最终的碳价预测结果。以湖北碳市场为样本数据进行实证分析,结果表明所构建的预测模型性能最优,预测结果更准确,可为监管部门和企业决策提供有效信息。 展开更多

关键词 碳价格预测 长短期记忆(LSTM)模型 门限广义自回归条件异方差(TGARCH)模型 改进型自适应白噪声完备集成经验模态(ICEEMDAN)分解 超参数优化

下载PDF 职称材料

基于CEEMDAN-GRU组合模型的碳排放交易价格预测研究

3

作者 傅魁 钱素彬 徐尚英 《武汉理工大学学报（信息与管理工程版）》 CAS 2024年第1期62-66,共5页

准确的碳价格预测有助于监管部门观测碳交易市场运行状况及投资者进行科学决策,对实现碳达峰和碳中和具有重要作用。但碳价序列具有非线性、非平稳性和高噪声的特性,很难对其进行准确预测。将完全自适应噪声集合经验模态分解(CEEMDAN)... 准确的碳价格预测有助于监管部门观测碳交易市场运行状况及投资者进行科学决策,对实现碳达峰和碳中和具有重要作用。但碳价序列具有非线性、非平稳性和高噪声的特性,很难对其进行准确预测。将完全自适应噪声集合经验模态分解(CEEMDAN)方法与门控循环单元(GRU)相结合,构建一个碳排放交易价格预测模型。该模型基于分解、集成思想,利用CEEMDAN将原始碳价序列分解,获得不同频率的本征模函数(IMF)和残差序列,使用GRU神经网络分别为各子序列建立预测模型,最后集成预测结果得到碳价预测值。以湖北省碳交易市场的日度成交价为例进行实证分析,结果表明:相较于其他5种基准模型,CEEMDAN-GRU模型具有更小的预测误差和更高的拟合优度,在碳价格预测上具有一定的优势。 展开更多

关键词 碳价格预测 组合模型 CEEMDAN GRU 机器学习

下载PDF 职称材料

融合新闻影响力衰减的碳价格多元分解集成预测

4

作者 张大斌 黄均杰 +1 位作者 凌立文 胡焕玲 《河南科技大学学报（自然科学版）》 CAS 北大核心 2024年第1期51-61,M0005,M0006,共13页

新闻数据涵盖了与碳价格密切相关的政策、经济和能源等信息,对碳价格的影响具有时效性。为量化新闻影响力的衰减程度,基于词频统计和指数衰减对新闻数据提取特征,提出了1种新闻影响力衰减时间序列的计算方法,新闻的衰减效应更准确地反... 新闻数据涵盖了与碳价格密切相关的政策、经济和能源等信息,对碳价格的影响具有时效性。为量化新闻影响力的衰减程度,基于词频统计和指数衰减对新闻数据提取特征,提出了1种新闻影响力衰减时间序列的计算方法,新闻的衰减效应更准确地反映新闻对碳价格的影响程度。为提高预测精度,构建了融合新闻影响力衰减的碳价格多元分解集成预测模型,运用噪声辅助多元经验模态分解方法对碳价格和新闻数据进行多元分解,基于样本熵重构分量,使用机器学习方法对分量进行预测,加和集成得到预测结果。以湖北省碳价格为例进行实证分析。结果表明:新闻影响力指数衰减方法能有效刻画新闻与碳价格的相关性,多元分解集成模型表现出优异且稳定的预测性能。 展开更多

关键词 碳价格预测 新闻影响力 指数衰减 噪声辅助多元经验模态分解 样本熵

下载PDF 职称材料

融合CEEMDAN与CNN-GRU-Attentions的复合模型在碳价格预测中的应用研究

5

作者 陈昱 《理论数学》 2024年第6期460-471,共12页

为了提升碳价格预测的精确性,本研究引入了一种集成模型,结合了自适应噪声完备集合经验模态分解(CEEMDAN)、卷积神经网络(CNN)、改进长短期记忆网络(GRU)和注意力机制(Attentions)。该模型利用GRU的更新门简化了LSTM结构,降低了模型的... 为了提升碳价格预测的精确性,本研究引入了一种集成模型,结合了自适应噪声完备集合经验模态分解(CEEMDAN)、卷积神经网络(CNN)、改进长短期记忆网络(GRU)和注意力机制(Attentions)。该模型利用GRU的更新门简化了LSTM结构,降低了模型的参数量和复杂度。通过CNN的特征提取能力和GRU对时间序列的捕捉,模型能够模拟碳价格在时间和空间上的依赖性。注意力机制的加入进一步提升了模型对关键历史特征的识别能力。实验结果表明,该CNN-GRU-Attentions模型在拟合度、MAE、MAPE和RMSE等指标上均优于传统模型,具有较高的预测精度和实际应用潜力。 展开更多

关键词 碳价格预测 CNN-GRU-Attention模型 时间序列分析

下载PDF 职称材料

基于二次分解聚合策略的我国碳交易价格预测 被引量：5

6

作者 张大斌 张博婷 +1 位作者 凌立文 曾莉玲 《系统科学与数学》 CSCD 北大核心 2022年第11期3094-3106,共13页

碳排放权交易市场是实现碳达峰与碳中和目标的核心政策工具,为充分提取其价格序列非线性,非平稳性等复杂特征,文章构建一种基于二次分解聚合策略的碳交易价格预测模型CEEMD-EWT-SM-ELM.首先通过互补集合经验模态分解(CEEMD)将原始碳价... 碳排放权交易市场是实现碳达峰与碳中和目标的核心政策工具,为充分提取其价格序列非线性,非平稳性等复杂特征,文章构建一种基于二次分解聚合策略的碳交易价格预测模型CEEMD-EWT-SM-ELM.首先通过互补集合经验模态分解(CEEMD)将原始碳价格序列分解为不同频率的本征模态函数(IMF);然后利用经验小波变换(EWT)针对IMF1分量进行二次分解;再引入样本熵和最大信息系数(SE-MIC,SM)对所有分解得到的分量进行复杂度和相关度分析,将其划分为高复杂度分量集和低复杂度分量集;进一步将低复杂度分量集聚合为一个分量,并利用极限学习机(ELM)模型对每条分量进行多步预测;最后将所有分量预测结果线性集成.文章选取广东,湖北和天津三个碳交易市场的价格数据进行实例验证,实证结果表明:在提前1天,3天和6天的预测中,文章提出组合模型预测精度明显优于基准模型;同时也证实了二次分解聚合策略能够有效提高碳交易价格的预测效果. 展开更多

关键词 二次分解 样本熵 最大信息系数 碳价格预测

原文传递

基于时间卷积神经网络和双尺度特征选择的混合碳价预测模型 被引量：1

7

作者 周建国 韦斯悌 《电力科学与工程》 2023年第4期41-49,共9页

针对传统碳价格预测模型存在的过拟合和无法有效提取相关特征的问题,提出了一种混合预测模型。首先,通过改进的完全自适应噪声集成经验模态分解算法对原始序列进行分解,以降低数据的波动性和复杂性;然后,用模糊熵对剩余子序列进行重构;... 针对传统碳价格预测模型存在的过拟合和无法有效提取相关特征的问题,提出了一种混合预测模型。首先,通过改进的完全自适应噪声集成经验模态分解算法对原始序列进行分解,以降低数据的波动性和复杂性;然后,用模糊熵对剩余子序列进行重构;此后,利用偏自相关函数和随机森林对子序列进行双尺度特征选择,确定最佳输入维度,以减少不相关特征的输入;最后,通过时间卷积网络进行预测。实验结果表明,与对比模型相比,所提出的模型具有优越性和鲁棒性。该研究结果可为碳市场发展和减排路径相关研究提供有意义的参考。 展开更多

关键词 碳价格预测 双尺度特征选择 序列重构 时间卷积神经网络

下载PDF 职称材料

基于改进HHO算法的碳交易价格组合预测研究 被引量：1

8

作者 赵峰 徐丹华 《西安理工大学学报》 CAS 北大核心 2023年第3期330-338,共9页

为提高碳交易价格预测精度,建立了多策略改进哈里斯鹰算法的碳交易价格组合预测模型。一方面对碳交易价格序列的高频和低频序列分别建立ARIMA模型和指数平滑模型,通过加和对碳交易价格进行预测。另一方面综合考虑碳交易价格的经济指标... 为提高碳交易价格预测精度,建立了多策略改进哈里斯鹰算法的碳交易价格组合预测模型。一方面对碳交易价格序列的高频和低频序列分别建立ARIMA模型和指数平滑模型,通过加和对碳交易价格进行预测。另一方面综合考虑碳交易价格的经济指标和技术指标,通过Pearson相关系数筛选出6个与下一日碳交易价格高度相关的变量作为解释变量,建立多策略改进哈里斯鹰优化极限学习机模型(THHO_ELM)。最后,对模型I和模型II建立基于l_(p)范数的组合预测模型。结果表明,组合预测模型优于单一的分类模型。 展开更多

关键词 碳价格预测 完全自适应噪声集合经验模态分解 哈里斯鹰优化算法 极限学习机 l_(p)范数

下载PDF 职称材料

综合能源服务商参与碳交易的可行性探究

9

作者 梁可曼 聂景琦 +1 位作者 刘第舒 王玉玮 《现代工业经济和信息化》 2023年第8期200-204,220,共6页

通过数据收集和文献研读,结合分布式鲁棒优化的方法,利用Matlab等工具,以我国目前综合能源及碳交易发展程度较高的5个城市为研究重点,以2014—2021年的交易数据为样本构建了碳价格预测模型及碳交易信息体系,而后根据碳交易的盈利机制建... 通过数据收集和文献研读,结合分布式鲁棒优化的方法,利用Matlab等工具,以我国目前综合能源及碳交易发展程度较高的5个城市为研究重点,以2014—2021年的交易数据为样本构建了碳价格预测模型及碳交易信息体系,而后根据碳交易的盈利机制建立了综合能源服务商参与碳交易的经济性评估模型。最后,利用建立的模型对碳价格预测和碳交易经济性评价两个方面进行了实证研究和可行性分析,并分别从立法行政机关、碳交易市场监管机构和综合能源服务商三个主体角度给出了一些改善建议。 展开更多

关键词 综合能源服务 碳交易 分布式鲁棒优化 碳价格预测 经济性评价

下载PDF 职称材料

文本数据驱动的碳交易价格区间二层分解预测方法

10

作者 刘金培 张了丹 +1 位作者 陈意 陈华友 《管理评论》 北大核心 2023年第12期31-39,共9页

新闻文本数据所包含的情感信息影响着管理者与投资者的决策过程,因而可为碳价预测提供额外信息。本文提出了一种文本数据驱动的碳价区间二层分解预测模型,首先爬取碳排放网上相关新闻文本并计算其情感得分,接着对碳价区间与情感数据进行... 新闻文本数据所包含的情感信息影响着管理者与投资者的决策过程,因而可为碳价预测提供额外信息。本文提出了一种文本数据驱动的碳价区间二层分解预测模型,首先爬取碳排放网上相关新闻文本并计算其情感得分,接着对碳价区间与情感数据进行EMD-WTS二层分解,并基于SE算法将分解结果重构为对应时序的高、低频及趋势项,最后运用LSTM网络对所得序列开展预测,叠加集成后得到最终预测结果。实证实验及对比实验发现,上述模型在有效利用多源信息的同时充分挖掘了碳价区间复杂波动时序中的细节特征,预测效果更为显著。 展开更多

关键词 碳价格预测 文本数据 二层分解 区间预测 LSTM

原文传递

基于信号分解算法的碳价格混合预测模型

11

作者 任冠宇 栾皓轮 +2 位作者 万剑雄 李雷孝 王晓磊 《内蒙古工业大学学报（自然科学版）》 2023年第4期355-362,共8页

对碳价格的准确预测,有助于碳中和方案的制定和碳排放权交易市场的稳定发展。目前的碳价格预测模型,没有考虑碳价格数据中隐含的未来数据信息,也没有针对不同地区碳价格进行自适应的参数优化。深度学习通过引入非线性因素,可以对非线性... 对碳价格的准确预测,有助于碳中和方案的制定和碳排放权交易市场的稳定发展。目前的碳价格预测模型,没有考虑碳价格数据中隐含的未来数据信息,也没有针对不同地区碳价格进行自适应的参数优化。深度学习通过引入非线性因素,可以对非线性的碳价格数据进行有效预测。为此在深度学习的基础上,充分利用双向长短期记忆模型双向处理上下文信息以及变分模态分解算法对于非线性和非平稳数据适用性良好等特点,对变分模态分解算法进行参数优化,提出一种基于信号分解算法的碳价格混合预测模型。首先,使用变分模态分解算法作为分解算法,以最小化平均近似熵为目标,使用遗传算法对变分模态分解算法的主要参数进行优化;接着,使用优化参数后的分解算法,对原始碳价格进行分解;之后,使用双向长短期记忆模型对分解结果分别进行预测,再将各个预测结果聚合,得到最终预测价格。基于深圳市历史碳价格数据的实验结果表明,该模型可以有效预测碳价格,并且相较于其他模型,该模型预测准确率更高。 展开更多

关键词 碳价格预测 变分模态分解 双向长短期记忆模型

下载PDF 职称材料

基于同步多分解集成预测方法的中国碳价格预测

12

作者 王建平 《甘肃金融》 2023年第12期35-40,8,共7页

本文采用奇异谱分解(SSA)、经验模态分解(EMD)和改进的变分模态分解(OVMD)三种不同的分解方法对北京、深圳、湖北三个碳交易所的碳价格数据进行同步的多通路分解,再通过K均值聚类方法重构分解得到的子序列,对重构后的序列利用Adaboost-E... 本文采用奇异谱分解(SSA)、经验模态分解(EMD)和改进的变分模态分解(OVMD)三种不同的分解方法对北京、深圳、湖北三个碳交易所的碳价格数据进行同步的多通路分解,再通过K均值聚类方法重构分解得到的子序列,对重构后的序列利用Adaboost-ELMAN方法进行预测,最后借用BP神经网络对预测结果进行非线性集成。结果显示,该模型的预测精度优于基准模型,并验证了多通路分解方法能够有效地提高分解—集成预测框架下我国碳价格预测的预测效果。 展开更多

关键词 奇异谱分解 经验模态分解 改进的变分模态分解 碳价格预测

下载PDF 职称材料

基于EMD-PSO-SVM误差校正模型的国际碳金融市场价格预测 被引量：37

13

作者 高杨 李健 《中国人口·资源与环境》 CSSCI 北大核心 2014年第6期163-170,共8页

国际碳金融市场价格预测是制定碳金融市场政策和提高风险管理能力的基础。近年来国际碳市场价格呈现出非平稳、非线性等不规律特性,传统应用于社会经济时间序列的统计模型已经越来越难以满足日渐复杂的社会经济系统的需要。基于此本文... 国际碳金融市场价格预测是制定碳金融市场政策和提高风险管理能力的基础。近年来国际碳市场价格呈现出非平稳、非线性等不规律特性,传统应用于社会经济时间序列的统计模型已经越来越难以满足日渐复杂的社会经济系统的需要。基于此本文建立了基于经验模态分解(EMD)-粒子群算法(PSO)-支持向量机(SVM)的国际碳金融市场价格误差校正预测模型。数据选取2008年3月-2013年9月ICE碳排放期货交易所的CER期货(DEC12)和EUA期货(DEC12)的日交易结算价格作为考察样本进行仿真验证。结果显示:①引入EMD方法可以有效解决误差序列随机性强、相邻频带的干扰可能造成误差序列无法体现反映全部系统动力信息的缺陷;②校正后的预测值与误差预测值的趋势具有较高的一致性,预测结果滞后性和拐点误差大的问题得到了很好的解决;③预测结果较其他常用的国际碳金融价格预测模型进行了比较分析,预测精度有了明显提高。本研究提出的预测模型可以为我国针对目前国际碳价格市场所呈现的波动特征下的碳金融市场价格预测提供新的方法和借鉴。 展开更多

关键词 碳金融价格预测 误差预测 经验模态分解 粒子群算法 支持向量机

下载PDF 职称材料

一种基于局部回归的多尺度碳市场价格预测模型研究 被引量：3

14

作者 秦全德 黄兆荣 黄凯珊 《运筹与管理》 CSSCI CSCD 北大核心 2022年第1期107-114,共8页

碳市场价格呈现非线性、非平稳的复杂特性,准确预测具有较大的挑战。基于“分而治之”的思想,提出了一种基于局部回归的多尺度碳市场价格预测模型。提出的模型利用集成经验模态分解(EEMD)对碳市场价格时间序列进行分解。启发于EEMD局部... 碳市场价格呈现非线性、非平稳的复杂特性,准确预测具有较大的挑战。基于“分而治之”的思想,提出了一种基于局部回归的多尺度碳市场价格预测模型。提出的模型利用集成经验模态分解(EEMD)对碳市场价格时间序列进行分解。启发于EEMD局部特征分解的特点,对分解后的分量采用局部回归方法进行预测,然后将分量预测结果进行集成。采用的局部回归方法包括局部线性回归(LLP)、局部多项式回归、局部岭回归、局部主成分回归、局部偏最小二乘回归和局部套索回归。实验结果表明基于局部回归的多尺度预测模型具有优异的预测性能。在提出的模型中,EEMD-LLP结构简单且性能更为突出,进一步对EEMD-LLP参数的适应性进行探讨。与新近提出模型的对比结果表明了EEMD-LLP在碳市场价格预测中的有效性。 展开更多

关键词 碳市场价格预测 多尺度预测 局部回归 集成经验模态分解

下载PDF 职称材料

基于二次分解和自适应鲸鱼优化算法的碳价格混合预测研究

15

作者 孙薇 杨众志 《电力科学与工程》 2023年第9期71-78,共8页

为提高碳交易价格预测精度,提出了一种混合预测模型。将二次分解的方法引入碳价格预测中。该模型结合了改进的完全自适应噪声集合经验模态分解、变分模式分解、自适应权重鲸鱼优化算法和极限学习机算法。为验证模型的有效性,以某碳市场... 为提高碳交易价格预测精度,提出了一种混合预测模型。将二次分解的方法引入碳价格预测中。该模型结合了改进的完全自适应噪声集合经验模态分解、变分模式分解、自适应权重鲸鱼优化算法和极限学习机算法。为验证模型的有效性,以某碳市场的数据为算例,结合多个对比模型进行了实证分析。分析结果表明,所提出混合预测模型的预测结果最优;同时发现二次分解的方法简化了碳价数据,可显著提高预测精度。 展开更多

关键词 碳交易价格预测 预测分析 二次分解 优化模型 极限学习机

下载PDF 职称材料

基于非结构化数据的碳价格组合预测研究

16

作者 王木子妍 罗瑞 +4 位作者 刘金培 石倩 刘泊尧 邹青青 姜安琪 《武汉理工大学学报（信息与管理工程版）》 CAS 2023年第3期410-415,421,共7页

针对现有碳交易价格预测模型均不能反映非结构化数据的实时影响,存在滞后性缺陷,且传统分解方法难以充分提取多尺度特征等问题,提出了基于改进的自适应噪声完备集合经验模态分解(ICEEMDAN)和非结构化数据的碳价格组合预测模型。首先,对... 针对现有碳交易价格预测模型均不能反映非结构化数据的实时影响,存在滞后性缺陷,且传统分解方法难以充分提取多尺度特征等问题,提出了基于改进的自适应噪声完备集合经验模态分解(ICEEMDAN)和非结构化数据的碳价格组合预测模型。首先,对预处理后的非结构化数据进行ICEEMDAN分解,采用Fine-to-coarse方法将不同的本征模函数重构为高频分量、低频分量和趋势项。其次,针对高频分量、低频分量和趋势项,分别采用双向长短期记忆神经网络(Bi-LSTM)、极端梯度提升(XGBoost)和Holt指数平滑法进行预测。最后,通过灰狼优化集成预测结果。仿真实验结果表明:与其他预测模型相比,所提出的组合模型通过引入ICEEMDAN和XGBoost等处理结构化和非结构化数据,减少了信息冗余,预测精确度更高,稳定性更强。 展开更多

关键词 碳价格组合预测 非结构化数据 ICEEMDAN Bi-LSTM XGBoost

下载PDF 职称材料

基于相空间重构和最小二乘支持向量回归模型参数同步优化的碳市场价格预测 被引量：13

17

作者 石雪涛 朱帮助 《系统科学与数学》 CSCD 北大核心 2017年第2期562-572,共11页

为提高碳市场价格预测的准确性,提出了一种基于相空间重构(PSR)和最小二乘支持向量回归(LSSVR)模型参数同步优化的碳市场价格预测模型(PSO-PSR-LSSVR).该模型基于碳市场价格数据特征,利用PSO算法自适应同步优化PSR和LSSVR参数,有效克服... 为提高碳市场价格预测的准确性,提出了一种基于相空间重构(PSR)和最小二乘支持向量回归(LSSVR)模型参数同步优化的碳市场价格预测模型(PSO-PSR-LSSVR).该模型基于碳市场价格数据特征,利用PSO算法自适应同步优化PSR和LSSVR参数,有效克服了模型参数单独优化和轮流优化的缺陷,保证了参数组合的整体最优.以欧盟碳排放交易体系(EU ETS)下两个碳期货价格为研究对象,实证结果表明,相比常用的预测方法,该模型能够获得更高的预测精度. 展开更多

关键词 关键词碳市场价格预测 欧盟碳排放交易体系 最小二乘支持向量回归 粒子群优化算法 同步优化

原文传递

基于CS-BP神经网络模型的碳排放权价格预测

18

作者 毛涵申 《信息技术与信息化》 2023年第9期52-55,共4页

针对传统BP神经网络容易产生局部极值和过于依赖权值的问题,提出了一种基于CS(CuckooSearch)算法优化设计BP神经网络的预测模型。该优化方法主要利用CS算法的全局搜索能力为BP神经网络寻找最优的权值和阈值,解决了BP神经网络由于参数随... 针对传统BP神经网络容易产生局部极值和过于依赖权值的问题,提出了一种基于CS(CuckooSearch)算法优化设计BP神经网络的预测模型。该优化方法主要利用CS算法的全局搜索能力为BP神经网络寻找最优的权值和阈值,解决了BP神经网络由于参数随机取值引起的局部最优的问题,提高了模型的预测能力。为了验证算法的泛化性,利用广东省和湖北省的碳排放权价格进行预测实验,并与BP神经网络模型和粒子群算法优化神经网络模型(POS-BP)的预测结果进行比较,实验结果表明,CS-BP的平均绝对误差(MAE)、均方根误差(RMSE)和平均绝对百分比误差(MAPE)明显优于其他两种算法,具有较好的预测能力。 展开更多

关键词 BP神经网络 布谷鸟搜索算法 碳排放权价格预测

下载PDF 职称材料

利用ARIMA-SSA-LSTM组合模型的碳排放交易价格预测

19

作者 炊婉冰 吕学斌 《西安科技大学学报》 CAS 北大核心 2023年第5期1025-1034,共10页

单一的预测方法在不同方面各有优劣,为了提高碳排放交易价格预测的精确度,从智能算法出发提出ARIMA-SSA-LSTM组合碳排放交易价格预测模型。该模型通过结合非线性规划局部搜索的优势和遗传算法全局搜索的优势使用非线性规划遗传算法分配... 单一的预测方法在不同方面各有优劣,为了提高碳排放交易价格预测的精确度,从智能算法出发提出ARIMA-SSA-LSTM组合碳排放交易价格预测模型。该模型通过结合非线性规划局部搜索的优势和遗传算法全局搜索的优势使用非线性规划遗传算法分配差分整合移动平均自回归(ARIMA)模型和麻雀搜索算法优化后的长短时记忆(LSTM)模型(SSA-LSTM)的权重,通过加权得到最终的碳排放交易价格预测结果。运用ARIMA-SSA-LSTM组合模型,ARIMA模型,LSTM模型和SSA-LSTM模型分别对湖北省与广东省碳排放交易价格进行短期和长期预测。实证结果表明,相比单一的ARIMA模型、LSTM模型、SSA-LSTM模型,ARIMA-SSA-LSTM组合模型三个预测精度评价指标均为最小,碳排放交易价格预测精度最优。相比于传统ARIMA模型,机器学习LSTM模型具有更精确的预测结果,并且趋势预测更优。引入智能算法后,权重分配结果更加准确,LSTM模型的预测性能得到提升,印证了智能算法在碳排放交易价格预测领域的有效性。 展开更多

关键词 应用统计 碳排放交易价格预测 加权组合 非线性规划遗传算法 麻雀算法 LSTM模型 ARIMA模型

下载PDF 职称材料