【摘要】准确的碳价预测可为碳排放权交易市场监管者和投资者提供决策依据与参考。本文提出了基于GA-VMD降噪分解及CNN-BiLSTM-Attention混合模型的碳价预测方法，并选取湖北碳市场2014年4月2日到2022年6月15日1857个交易日的数据进行分析：首先通过遗传算法改进变分模态分解（GA-VMD）将原始碳价序列分解为平稳的本征模态函数（IMF）分量，降低数据噪音；随后构建CNN-BiLSTM-Attention混合模型对各IMF分量进行预测。其中，卷积神经网络（CNN）可提取影响碳价多个特征，双向长短期记忆网络（BiLSTM）可实现时间序列信息提取，注意力机制（Attention）可突出某个关键输入对输出的影响。本文将预测出的各IMF分量集合成碳价序列，并提出12个模型，分为3个组进行剥离分析，结果显示GA-VMD-CNN-BiLSTM-Attention的预测结果最好。另外，为给市场参与者提供更多信息，本文在确定性预测的基础上加入区间预测，以便提前测量碳市场的波动性。