检索结果-维普期刊中文期刊服务平台

基于多尺度分解集成组合模型的碳价格预测研究被引量：6: 1; 作者王喜平于一丁《分布式能源》 2022年第1期1-11,共11页; 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... 展开更多; 关键词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; 在线阅读下载PDF 职称材料

基于EMD-GA-BP与EMD-PSO-LSSVM的中国碳市场价格预测被引量：51: 2; 作者崔焕影窦祥胜《运筹与管理》 CSSCI CSCD 北大核心 2018年第7期133-143,共11页; 由于碳交易市场价格的波动性大及相互影响关系的复杂性,本文试图构建碳价格长期和短期的最优预测模型。考虑到碳交易价格波动的趋势性和周期性特点,基于经验模态分解算法(EMD)、遗传算法(GA)—神经网络(BP)模型、粒子群算法(PSO)—最小... 展开更多; 关键词碳价格预测经验模态分解算法遗传算法—神经网络粒子群算法-最小二乘支持向量机宏观经济因素; 在线阅读下载PDF 职称材料

一种基于局部回归的多尺度碳市场价格预测模型研究被引量：3: 3; 作者秦全德黄兆荣黄凯珊《运筹与管理》 CSSCI CSCD 北大核心 2022年第1期107-114,共8页; 碳市场价格呈现非线性、非平稳的复杂特性,准确预测具有较大的挑战。基于“分而治之”的思想,提出了一种基于局部回归的多尺度碳市场价格预测模型。提出的模型利用集成经验模态分解(EEMD)对碳市场价格时间序列进行分解。启发于EEMD局部... 展开更多; 关键词碳市场价格预测多尺度预测局部回归集成经验模态分解; 在线阅读下载PDF 职称材料

利用ARIMA-SSA-LSTM组合模型的碳排放交易价格预测被引量：6: 4; 作者炊婉冰吕学斌《西安科技大学学报》 CAS 北大核心 2023年第5期1025-1034,共10页; 单一的预测方法在不同方面各有优劣,为了提高碳排放交易价格预测的精确度,从智能算法出发提出ARIMA-SSA-LSTM组合碳排放交易价格预测模型。该模型通过结合非线性规划局部搜索的优势和遗传算法全局搜索的优势使用非线性规划遗传算法分配... 展开更多; 关键词应用统计碳排放交易价格预测加权组合非线性规划遗传算法麻雀算法 LSTM模型 ARIMA模型; 在线阅读下载PDF 职称材料

基于CS-BP神经网络模型的碳排放权价格预测被引量：1: 5; 作者毛涵申《信息技术与信息化》 2023年第9期52-55,共4页; 针对传统BP神经网络容易产生局部极值和过于依赖权值的问题,提出了一种基于CS(CuckooSearch)算法优化设计BP神经网络的预测模型。该优化方法主要利用CS算法的全局搜索能力为BP神经网络寻找最优的权值和阈值,解决了BP神经网络由于参数随... 展开更多; 关键词 BP神经网络布谷鸟搜索算法碳排放权价格预测; 在线阅读下载PDF 职称材料

题名基于多尺度分解集成组合模型的碳价格预测研究被引量：6: 1; 作者王喜平于一丁; 机构华北电力大学经济管理系; 出处《分布式能源》 2022年第1期1-11,共11页; 基金河北省社会科学基金项目(HB19YJ011)。; 文摘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。; 关键词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; Keywords carbon price forecasting long-short term memory(LSTM)model threshold generalized auto-regressive conditional heteroscedasticity(TGARCH)model improved complete ensemble empirical mode decomposition with adaptive noise(ICEEMDAN)decomposition hyper-parameters optimization; 分类号 TM73 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于EMD-GA-BP与EMD-PSO-LSSVM的中国碳市场价格预测被引量：51: 2; 作者崔焕影窦祥胜; 机构西南交通大学经济管理学院; 出处《运筹与管理》 CSSCI CSCD 北大核心 2018年第7期133-143,共11页; 基金国家社会科学基金项目"西部地区低碳经济发展道路模式与机制研究"(10XJY004); 文摘由于碳交易市场价格的波动性大及相互影响关系的复杂性,本文试图构建碳价格长期和短期的最优预测模型。考虑到碳交易价格波动的趋势性和周期性特点,基于经验模态分解算法(EMD)、遗传算法(GA)—神经网络(BP)模型、粒子群算法(PSO)—最小二乘支持向量机(LSSVM)模型及由它们构建的组合预测模型,对中国碳市场交易价格进行短期预测和长期预测。实证分析中将影响碳交易价格的不同宏观经济因素和碳价格时间序列因素做为输入变量,分别代入组合模型进行预测。研究结果表明,在短期预测中,EMD-GA-BP模型预测效果优于GABP模型和PSO-LSSVM模型;而在长期预测中,组合模型EMD-PSO-LSSVM模型预测效果优于只考虑碳价格波动趋势性或周期性预测效果。; 关键词碳价格预测经验模态分解算法遗传算法—神经网络粒子群算法-最小二乘支持向量机宏观经济因素; Keywords carbon price forecasting empirical mode decomposition genetic algorithm and back propagation neural net particle swarm optimization and least squares support vector machines macroeconomic factors; 分类号 F224 [经济管理—国民经济]; 在线阅读下载PDF 职称材料

题名一种基于局部回归的多尺度碳市场价格预测模型研究被引量：3: 3; 作者秦全德黄兆荣黄凯珊; 机构深圳大学管理学院深圳大学大湾区国际创新学院; 出处《运筹与管理》 CSSCI CSCD 北大核心 2022年第1期107-114,共8页; 基金国家自然科学基金资助项目(71871146) 教育部人文规划基金项目(18YJA630090)。; 文摘碳市场价格呈现非线性、非平稳的复杂特性,准确预测具有较大的挑战。基于“分而治之”的思想,提出了一种基于局部回归的多尺度碳市场价格预测模型。提出的模型利用集成经验模态分解(EEMD)对碳市场价格时间序列进行分解。启发于EEMD局部特征分解的特点,对分解后的分量采用局部回归方法进行预测,然后将分量预测结果进行集成。采用的局部回归方法包括局部线性回归(LLP)、局部多项式回归、局部岭回归、局部主成分回归、局部偏最小二乘回归和局部套索回归。实验结果表明基于局部回归的多尺度预测模型具有优异的预测性能。在提出的模型中,EEMD-LLP结构简单且性能更为突出,进一步对EEMD-LLP参数的适应性进行探讨。与新近提出模型的对比结果表明了EEMD-LLP在碳市场价格预测中的有效性。; 关键词碳市场价格预测多尺度预测局部回归集成经验模态分解; Keywords carbon price forecasting multi-scale forecasting local regression ensemble empirical mode decomposition; 分类号 F272.1 [经济管理—企业管理]; 在线阅读下载PDF 职称材料

题名利用ARIMA-SSA-LSTM组合模型的碳排放交易价格预测被引量：6: 4; 作者炊婉冰吕学斌; 机构南京工业大学数理科学学院; 出处《西安科技大学学报》 CAS 北大核心 2023年第5期1025-1034,共10页; 基金国家自然科学基金项目(12071071)。; 文摘单一的预测方法在不同方面各有优劣,为了提高碳排放交易价格预测的精确度,从智能算法出发提出ARIMA-SSA-LSTM组合碳排放交易价格预测模型。该模型通过结合非线性规划局部搜索的优势和遗传算法全局搜索的优势使用非线性规划遗传算法分配差分整合移动平均自回归(ARIMA)模型和麻雀搜索算法优化后的长短时记忆(LSTM)模型(SSA-LSTM)的权重,通过加权得到最终的碳排放交易价格预测结果。运用ARIMA-SSA-LSTM组合模型,ARIMA模型,LSTM模型和SSA-LSTM模型分别对湖北省与广东省碳排放交易价格进行短期和长期预测。实证结果表明,相比单一的ARIMA模型、LSTM模型、SSA-LSTM模型,ARIMA-SSA-LSTM组合模型三个预测精度评价指标均为最小,碳排放交易价格预测精度最优。相比于传统ARIMA模型,机器学习LSTM模型具有更精确的预测结果,并且趋势预测更优。引入智能算法后,权重分配结果更加准确,LSTM模型的预测性能得到提升,印证了智能算法在碳排放交易价格预测领域的有效性。; 关键词应用统计碳排放交易价格预测加权组合非线性规划遗传算法麻雀算法 LSTM模型 ARIMA模型; Keywords applied statistics carbon emissions trading price prediction weighted combination nonlinear programming genetic algorithm sparrow search algorithm LSTM model ARIMA model; 分类号 F224 [经济管理—国民经济]; 在线阅读下载PDF 职称材料

题名基于CS-BP神经网络模型的碳排放权价格预测被引量：1: 5; 作者毛涵申; 机构重庆理工大学经济金融学院; 出处《信息技术与信息化》 2023年第9期52-55,共4页; 文摘针对传统BP神经网络容易产生局部极值和过于依赖权值的问题,提出了一种基于CS(CuckooSearch)算法优化设计BP神经网络的预测模型。该优化方法主要利用CS算法的全局搜索能力为BP神经网络寻找最优的权值和阈值,解决了BP神经网络由于参数随机取值引起的局部最优的问题,提高了模型的预测能力。为了验证算法的泛化性,利用广东省和湖北省的碳排放权价格进行预测实验,并与BP神经网络模型和粒子群算法优化神经网络模型(POS-BP)的预测结果进行比较,实验结果表明,CS-BP的平均绝对误差(MAE)、均方根误差(RMSE)和平均绝对百分比误差(MAPE)明显优于其他两种算法,具有较好的预测能力。; 关键词 BP神经网络布谷鸟搜索算法碳排放权价格预测; 分类号 X196 [环境科学与工程—环境科学] F832.5 [经济管理—金融学] TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于多尺度分解集成组合模型的碳价格预测研究	王喜平于一丁	《分布式能源》	2022	6	在线阅读下载PDF 职称材料
2	基于EMD-GA-BP与EMD-PSO-LSSVM的中国碳市场价格预测	崔焕影窦祥胜	《运筹与管理》 CSSCI CSCD 北大核心	2018	51	在线阅读下载PDF 职称材料
3	一种基于局部回归的多尺度碳市场价格预测模型研究	秦全德黄兆荣黄凯珊	《运筹与管理》 CSSCI CSCD 北大核心	2022	3	在线阅读下载PDF 职称材料
4	利用ARIMA-SSA-LSTM组合模型的碳排放交易价格预测	炊婉冰吕学斌	《西安科技大学学报》 CAS 北大核心	2023	6	在线阅读下载PDF 职称材料
5	基于CS-BP神经网络模型的碳排放权价格预测	毛涵申	《信息技术与信息化》	2023	1	在线阅读下载PDF 职称材料