公开(公告)号：CN117787487A

公开(公告)日：2024-03-29

申请号：CN202311812269.5

申请日：2023-12-27

Applicant: 华南农业大学

Inventor： 张大斌 ,  范晓莹 ,  张博婷 ,  周京 ,  洪霓 ,  黄均杰

IPC: G06Q10/04 ,  G06N3/0442 ,  G06F18/15 ,  G06F18/241 ,  G06N3/006

Abstract: 本发明公开了一种基于多变量筛选策略的碳价预测方法、系统及存储介质，方法为：在一段时间内采集碳排放权交易中心的碳价时间序列数据并获取碳价潜在影响因素的时间序列数据；进行数据清洗；利用皮尔逊相关性分析法做初次筛选；使用基于随机森林的交叉验证递归特征消除算法对初次筛选后的潜在影响因素进行筛选得到最优因素组合；输入采用布谷鸟算法进行参数优化得到的最优CS‑LSTM模型中进行碳价预测，得到预测结果。本申请引入随机森林捕捉碳价潜在影响因素之间的联系，减少异常值和噪声的影响；同时结合交叉验证递归特征消除法保留重要变量，选出最优因素组合降低人为选择的影响；最后基于布谷鸟算法的LSTM模型来对碳价进行预测，提高效率和准确性。

公开(公告)号：CN119989086A

公开(公告)日：2025-05-13

申请号：CN202510074988.4

申请日：2025-01-17

Applicant: 华南农业大学

Inventor： 周京 ,  洪霓 ,  曾冬 ,  廖涵嘉 ,  欧阳俊龄

IPC: G06F18/241 ,  G06N3/0442 ,  G06N3/084 ,  G06N3/126 ,  G06N3/096 ,  G06Q50/06

Abstract: 本发明公开了一种基于分解集成和BiLSTM模型的组合碳价预测方法，首先采集碳排放权中心的碳价时间序列数据并进行数据清洗；然后采用变分模态分解方法将清洗后的碳价时间序列数据分解为高频子序列和低频子序列；同时利用皮尔逊相关性分析法分析高频子序列和低频子序列的相关系数和平均周期，对变分模态分解方法的分解结果进行验证；最后根据不同子序列的波动形式选择不同DLUBE神经网络模型进行碳价预测，得到组合碳价区间预测结果。本申请通过引入分解集成策略，将原始时间序列分解成低频序列和高频序列并根据其不同的波动形式和数据特征进行组合预测，减少异常值混合噪声的影响，提高了效率和准确性。