典型文献
基于多模式分解的碳交易价格组合预测模型
文献摘要：
针对碳交易过程中碳价序列的非线性和非平稳性,提出一种基于多模式分解、样本熵、鲸鱼优化(whale optimization algorithm,WOA)和长短期记忆神经网络(long short-term memory,LSTM)的组合预测模型.首先,使用奇异谱分解、变分模态分解和完全集合经验模态分解,分别分解原始碳价序列,降低原始序列的复杂度和非平稳性,实现不同模式模态分量规律的互补;然后,使用样本熵算法将熵值接近分量重构为一个新的分量,以提高预测效率;最后,使用WOA-LSTM组合预测网络建立历史碳价之间的时间特征关系,在时空相关性分析的基础上得到碳价预测值.实验结果表明,该组合预测模型可以有效地提高碳交易价格的预测准确率.
文献关键词：
碳交易价格;多模式分解;样本熵;鲸鱼优化;LSTM神经网络;组合预测
中图分类号：
作者姓名：
赵鑫;陈臣鹏;毕贵红;陈仕龙;谢旭
作者机构：
昆明理工大学 电力工程学院,云南 昆明 650500
文献出处：
引用格式：
[1]赵鑫;陈臣鹏;毕贵红;陈仕龙;谢旭-.基于多模式分解的碳交易价格组合预测模型)[J].电力科学与工程,2022(02):52-59
A类：
多模式分解
B类：
碳交易价格,组合预测模型,交易过程,中碳,非平稳性,样本熵,鲸鱼优化,whale,optimization,algorithm,WOA,长短期记忆神经网络,long,short,term,memory,奇异谱分解,变分模态分解,完全集合经验模态分解,不同模式,模态分量,量规,预测网络,时间特征,特征关系,时空相关性,上得,碳价预测,该组,高碳,预测准确率
AB值：
0.27899
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。
