基于CNN-LSTM组合模型的碳价预测方法
2023-06-10分类号：X196;F832.5
【部门】新能源电力与低碳发展研究北京市重点实验室 华北电力大学经济与管理学院 国网上海市电力公司
【摘要】对碳价波动的特征进行分析，说明碳价预测的意义；然后，基于卷积神经网络（convolutional neural network,CNN）与长短期记忆网络（long short-term memory, LSTM）提出一种CNN-LSTM组合模型的碳价预测方法，充分考虑碳价的时序特性，通过改善相关模型，从时序数据中提取特征的能力从而提高预测准确性；最后，通过欧洲能源交易所及我国广州碳市场的碳价实例验证，将CNN-LSTM模型的预测结果与其他常用预测模型对比，结果表明CNN-LSTM模型在碳价预测中具有更高的预测准确性。
【关键词】碳价预测 长短时记忆网络 卷积神经网络 组合模型
【基金】国家社会科学基金重大项目“面向国家能源安全的智慧能源创新模式与政策协同机制研究”（19ZDA081）
【所属期刊栏目】科技管理研究
文献传递
