首页|期刊导航|哈尔滨商业大学学报(自然科学版)|广东碳排放权价格GA-VMD-Transformer-LSTM预测研究

广东碳排放权价格GA-VMD-Transformer-LSTM预测研究OA

中文摘要

为提高广东省碳排放权价格预测的准确性和稳定性,针对碳价时间序列非线性、非平稳的复杂特性,选取广东碳市场2014年3月11日~2025年4月7日2447个交易日数据进行数据分析,使用一种融合遗传算法(GA)、变分模态分解(VMD)、Transformer和长短期记忆网络(LSTM)的组合预测模型——GA-VMD-Transformer-LSTM.采用GA优化VMD的分解模态数和惩罚因子,对原始碳价序列进行自适应分解,得到多个本征模态函数(IMF)分量;通过FFT频谱分析各IMF分量的频率特征,揭示碳价波动的多尺度规律.构建单特征(仅碳价)和多特征(开盘价、最高价、最低价、成交量、成交额)两种输入模式,分别基于GA-VMD-Transformer-LSTM、VMD-Transformer-LSTM、Transformer-LSTM和LSTM四种模型进行预测.通过平均绝对误差(MAE)、均方误差(MSE)、均方根误差(RMSE)、平均绝对误差百分比(MAPE)和R^(2)等指标评估模型性能.实证结果表明,GA-VMD能有效分解碳价序列的多尺度特征,度收敛曲线验证了参数优化的有效性;多特征输入的GA-VMD-TRANSFORMER-LSTM模型预测效果最优,其MAE、MSE、RMSE和MAPE均显著低于其他对比模型,R^(2)更接近1,具备更强的碳价预测能力和稳定性,可为碳市场参与者提供决策参考.

张恒

杭州电子科技大学经济学院,杭州310018

信息技术与安全科学

碳排放权价格预测模型遗传算法变分模态分解Transformer长短期记忆网络

《哈尔滨商业大学学报(自然科学版)》 2026 (5)

P.619-631,13

评论