基于TTBiGRUA的碳价预测研究

摘要

碳价格具有非线性、非平稳等复杂特征，其预测颇具挑战性.为了提高预测精度，提出一种结合时变滤波经验模态分解(Time-Varying Filter Empirical Mode Decomposition, TVFEMD)、样本熵(Sample Entropy, SE)、双向门控循环单元(Bidirectional Gated Recurrent Unit, BiGRU)和差分整合移动平均自回归(Autoregressive Integrated Moving Average Model, ARIMA)的碳价预测模型TTBiGRUA.首先，通过TVFEMD将碳价格分解为不同频率的模态分量.其次，利用样本熵评估各分量复杂度，并采用K-means算法进行重构.随后，对重构后波动性最强的模态分量运用TVFEMD二次分解，以进一步提取特征并减少模态混叠.根据样本熵划分高频分量和低频分量.高频分量由BiGRU预测，低频分量则由ARIMA预测，最后将分量预测结果叠加得到碳价格最终预测结果.应用广东和湖北碳市场的实际碳价数据，使用5个评价指标和Diebold Mariano(DM)检验评估模型预测的有效性和鲁棒性.结果表明，所提出模型预测精度优于其他基准对比模型.

关键词

碳价格预测 / 二次分解 / 时变滤波经验模态分解 / 样本熵 / 双向门控循环单元 / 差分整合移动平均自回归