- 1、本文档共48页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
中文摘要
摘要
温室气体的过量排放造成全球变暖加剧,自然灾害问题频繁发生。为应对气候
变化,世界各国开始采取措施限制碳排放以遏制全球变暖,作为能够有效减少碳排
放的工具,碳排放权与碳排放权交易市场在此过程中应运而生。我国目前也在逐步
推进碳排放权交易市场的建设。在碳排放权交易市场的建立与发展过程中,准确掌
握碳排放权价格的走势具有十分重要的意义。但是由于我国的碳排放权交易市场不
够成熟,导致碳价波动剧烈,碳价变化趋势难以把控,有必要找到能够精准捕获碳
价序列特征和预测碳价的模型与方法。
本文在理论分析部分梳理了碳排放权交易价格的研究文献以及相关资料,介绍
了碳排放权价格、预测方法和碳排放权交易的相关理论。在实证分析部分本文分析
了我国碳排放权交易市场的建设推进情况,在八大试点市场中选取了具有代表性的
广东市场作为研究对象进行实证分析。在获取广东市场的碳排放权日收盘价序列
后选用深度学习方法对碳价进行建模预测,使用了循环经网络(RecurrentNeural
Network,RNN)模型与长短期记忆网络(LongShort-TermMemory,LSTM)模型预测
碳价序列,并在此基础上基于分解-集成的思想加入了经验模态分解(EmpiricalMode
Decomposition,EMD)和变分模态分解(VariationalModeDecomposition,VMD)处
理不平稳碳价序列,将原始序列分解成不同子序列之后分别预测,最后加和各子序
列的预测值得到最终的预测结果。随后本文在使用VMD方法分解碳价序列的基础
上改变了子序列的集成方法,使用深度学习方法集成子序列的预测结果,采用此想
法构建了四种混合预测模型。在与其余十个模型比较之后,发现提出的混合预测方
法在预测精度上具有一定优势,可以较为准确地预测碳价序列。并且构建的四个混
合模型中,在广东试点碳排放权交易市场碳价数据上表现最好的是VMD-RNN-RNN
模型。
结果表明,提出的混合预测方法能够较为准确地预测碳价,丰富了碳价预测方
法的同时也为分解-集成模型提供了新的思路。
关键词:碳排放权交易价格,深度学习,分解-集成
I
Abstract
Abstract
Excessiveemissionsofgreenhousegaseshavecausedglobalwarmingtoincrease
andnaturaldisasterstooccurfrequently.Inresponsetoclimatechange,countriesaround
theworldhavestartedtotakemeasurestolimitcarbonemissionsinordertocurbglobal
warming,andasatooltoeectivelyreducecarbonemissions,carbonemissionrightsand
carbonemissiontradingmarketshaveemergedinthisprocess.Chinaisalsogradually
promotingtheconstructionofthecarbonemissiontradingmarket.Intheprocessofestab-
lishinganddevelopingcarbonemissiontradingmarket,itisveryimportanttoaccurately
graspthetrendofcarbonemissionprice.However,duetothelackofmaturityofChina’s
carbonemissiontradingmarket,c
1亿VIP精品文档
相关文档
最近下载
- 拓普康自动跟踪全站仪使用手册自动跟踪全站仪MS05AMS1A手动全.PDF
- 邮储银行小额贷款信贷员上岗培训考试试题及答案.docx
- 黄河宁夏段二期防洪工程混凝土四脚体预制工程施工细则.docx VIP
- 3篇2024第二批主题教育专题组织生活会对照检查材料(对照四个方面).docx VIP
- 提高护士输液时PDA的扫描率.pptx
- 统编教材三年级上册语文第二单元作业设计.docx
- 6-8 巍峨的雪山 少儿美术课件.pptx VIP
- 湖南长沙长郡教育集团2021-2022学年七年级下学期期末考试历史试卷(文字版含答案).docx
- 雷士灯具检测报告.pdf
- 河南农业大学2021-2022学年第1学期《高等数学(上)》期末考试试卷(A卷)及标准答案.pdf
文档评论(0)