典型文献
基于多尺度分解集成组合模型的碳价格预测研究
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
王喜平;于一丁
作者机构：
华北电力大学经济管理系,河北省 保定市 071003
文献出处：
引用格式：
[1]王喜平;于一丁-.基于多尺度分解集成组合模型的碳价格预测研究)[J].分布式能源,2022(01):1-11
A类：
B类：
多尺度分解,分解集成,成组,组合模型,碳价格预测,预测研究,准确预测,投资者,监管部门,科学决策,碳金融市场,组合预测模型,改进型,自适应白噪声,集成经验模态分解,improved,complete,ensemble,empirical,mode,decomposition,adaptive,noise,ICEEMDAN,综合贡献,贡献度,comprehensive,contribution,CCI,门限,广义自回归条件异方差,threshold,generalized,auto,regressive,conditional,heteroscedasticity,TGARCH,布谷鸟搜索,cuckoo,search,CS,算法优化,长短期记忆,long,short,term,memory,神经网络预测,集成算法,碳价预测,湖北碳市场,模型性能,企业决策,有效信息,超参数优化
AB值：
0.397404
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
