基于多模式分解的碳交易价格组合预测模型

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.