基于信号分解算法的碳价格混合预测模型

摘要：

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.

关键词：碳价格预测、变分模态分解、双向长短期记忆模型

所属期刊栏目：42

分类号：TP391(计算技术、计算机技术)

资助基金：内蒙古自治区重点研发与成果转化计划项目;内蒙古自治区重点研发与成果转化计划项目;内蒙古自治区高等学校青年科技英才支持计划

在线出版日期：2023-08-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：355-362