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：分布式能源, 2022, 7(01): 1-11.

DOI：10.16513/j.2096-2185.DE.2207101

• 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

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。

• 单位
  华北电力大学