基于多尺度分解集成组合模型的碳价格预测研究

• 作者: 王喜平 于一丁
• 来源期刊: 分布式能源
• 学科: 工学
• 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
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 学术研究|Basic Research
• 页码范围: 1-11
• 页数: 11页
• 分类号: TM73
• 语种: 中文
• DOI: 10.16513/j.2096-2185.DE.2207101

摘要

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.