针对传统碳价格预测模型存在的过拟合和无法有效提取相关特征的问题，提出了一种混合预测模型。首先，通过改进的完全自适应噪声集成经验模态分解算法对原始序列进行分解，以降低数据的波动性和复杂性；然后，用模糊熵对剩余子序列进行重构；此后，利用偏自相关函数和随机森林对子序列进行双尺度特征选择，确定最佳输入维度，以减少不相关特征的输入；最后，通过时间卷积网络进行预测。实验结果表明，与对比模型相比，所提出的模型具有优越性和鲁棒性。该研究结果可为碳市场发展和减排路径相关研究提供有意义的参考。
科研之友
微信
新浪微博
Facebook
分享链接
