典型文献
利用智能机器学习方法对区域碳排放权交易价格预测研究——基于湖北碳市场数据的分析
文献摘要：
碳价是碳排放权交易市场的核心要素,对碳价的准确预测有助于政府科学制定碳市场政策;也有利于企业在碳市场中的有效决策,实现碳减排成本的最小化.本文基于CEEMDAN和Transformers模型提出一种全新的碳价预测方法,首先,从理论层面分析了影响碳价预测的主要因素,并运用皮尔森相关系数法识别出影响湖北碳价的关键因素;其次,考虑到碳价序列具有的非线性、非平稳性和多尺度特征,运用CEEMDAN模型对湖北碳价原始序列进行分解,得到7个子序列;最后,运用Transformers模型对7个碳价子序列分别进行预测,并将预测结果进行叠加,从而得到湖北碳价的最终预测结果.预测结果表明:运用该方法对湖北碳价预测的MAPE值为1.67％,是所有对比模型中预测效果最好的.基于此,要关注影响碳价的关键因素,建立碳价预测体系、开发碳价预测工具,科学设定碳配额量.
文献关键词：
碳价预测;Transformers模型;CEEMDAN模型;湖北碳市场
中图分类号：
作者姓名：
高长征;李东伟;王秀娜;郭森
作者机构：
中电联电力发展研究院;华北电力大学经济与管理学院
文献出处：
引用格式：
[1]高长征;李东伟;王秀娜;郭森-.利用智能机器学习方法对区域碳排放权交易价格预测研究——基于湖北碳市场数据的分析)[J].价格理论与实践,2022(04):89-93,205
A类：
B类：
智能机器,机器学习方法,区域碳排放,碳排放权交易价格,价格预测,预测研究,湖北碳市场,碳排放权交易市场,准确预测,定碳,有效决策,减排成本,CEEMDAN,Transformers,碳价预测,皮尔森相关系数,相关系数法,非平稳性,多尺度特征,子序列,MAPE,对比模型,预测体系,碳配额
AB值：
0.261067
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。
