论文部分内容阅读
长期以来,人类对化石能源的需求量的不断扩大导致了以二氧化碳为主的温室气体过度排放。在加速全球气候的异常变化以及全球变暖进程的同时,也使得缓解温室气体排放解决日益恶化的气候环境问题成为世界各国面临的严峻挑战。随着《联合国气候变化框架公约》、《京都议定书》的颁布,碳交易逐渐成为温室气体减排中普遍认可的有效手段与机制之一。在碳交易市场中,由于碳交易价格的变动趋势对市场相关参与者的决策具有基础性的作用,使得科学的碳交易价格预测成为市场参与者和学者关注的热点问题。同时,由于碳交易价格的影响因素复杂、固有的非线性以及非平稳特征又使得准确的碳交易价格预测成为统计预测领域的难点问题。近年来,国内外学者对碳交易价格预测模型进行了大量的研究,大致可分为两大类:基于碳交易价格变量历史值的预测模型和基于多因素的碳交易价格预测模型。虽然现有的碳交易价格预测模型可以获得较好的预测结果,但仍存在一些问题:首先是未充分认识机器学习模型对提高碳交易价格预测性能的巨大潜力;其次,多数研究只是使用传统单目标优化算法,但元启发式优化算法易陷入局部最优解,且以往的多数预测模型由于偏重于使用单目标优化算法来提高预测精度,忽视了预测稳定性的重要性,导致多目标优化算法涉及不多;再次是没有考虑特征选择在预测模型中的重要性,一定程度上降低了预测精度和预测效率;此外,多数研究忽略了碳交易价格特征分析对改善预测性能的重要性;另外,多数研究多侧重于点预测与单步预测,忽略了区间预测与多步预测,而区间预测与多步预测可为碳交易市场提供更多有价值的信息;最后,多数基于多因素的预测模型仅考虑对碳交易价格数据的预处理,忽略了对其它外部影响变量进行数据预处理的重要性。针对已有研究存在问题,本文引入两种解决传统人工智能模型缺陷的机器学习模型作为基础预测模型,包括拓展于极限学习机理论的机器学习预测模型和拓展于模糊推理系统理论的机器学习预测模型,融合数据预处理算法、人工智能优化算法、特征选择算法等,从不同角度开展碳交易价格预测模型的建立与应用,以弥补现有研究存在的缺陷。具体地,本文的研究内容主要分为七部分:第一章介绍了选题背景与研究意义、国内外研究现状、主要研究内容以及主要创新与不足;第二章论述了碳交易价格以及本文引入的基础碳交易价格预测模型的基本理论;第三章对本文构建的预测模型评价体系进行介绍;第四章、第五章和第六章分别提出了基于两阶段特征选择和多目标优化的碳交易价格预测模型、基于混沌理论和混合优化算法的碳交易价格预测模型和基于多因素的碳交易价格预测模型,并应用于实际碳交易市场。实验表明,本文提出的碳交易价格预测模型可获得更好的预测精度;第七章是全文的总结及对未来研究方向的展望。本文的工作主要集中于碳交易价格预测模型的构建与应用:（1）针对以往的多数碳交易价格预测研究未考虑特征选择、只关注模型预测精度、很少考虑预测结果稳定性等提出了基于两阶段特征选择和多目标优化的碳交易价格预测模型。该模型体现了机器学习模型、数据预处理算法、特征选择、多目标优化算法等的优势有效结合。具体地,该模型首先利用分解-重构策略对原始碳交易价格数据进行数据预处理,有效降低噪声对预测性能的影响。之后,利用提出的两阶段特征选择算法确定预测模型的最佳输入变量。此外,为同时获得具有较好的预测精度和预测稳定性的预测结果,利用多目标蝗虫优化算法对加权正则化极限学习机进行优化,并将其对分解-重构后的序列进行预测。最后,加总各子序列的结果获得最终的预测结果。（2）针对现有的碳交易价格预测多考虑点预测、缺乏对碳交易价格特征进行分析以及区间预测模型的研究等问题构建了基于混沌理论和混合优化算法的碳交易价格预测模型,该模型包括分析模块与预测模块。在分析模块中,对原始碳交易价格数据进行混沌分析和最优分布函数的确定,可以有效分析碳交易价格特征并为准确建立预测模型奠定基础。预测模块包括点预测与区间预测:点预测中,该模型利用相空间重构方法确定预测模型的最优输入-输出特征,并利用本文提出的混合蝴蝶优化算法-正弦余弦算法对自适应神经模糊推理系统进行训练;区间预测中,利用分析模块确定的碳交易价格序列的最优分布函数以及点预测结果,获得了区间预测结果。（3）针对多数现有研究中未考虑特征选择、对外部影响变量进行数据预处理、改进多目标优化算法、多步预测等在碳交易价格预测中的重要性提出了基于多因素的碳交易价格预测模型。具体地,首先利用先进的数据预处理技术对碳交易价格序列及其外生影响变量数据进行预处理,有效解决了噪声的负面影响。接下来,利用有效的特征选择算法确定预测模型的最佳输入特征,改善了模型的预测性能并为碳交易市场相关参与者提供更多有价值的信息。此外,为了克服极限学习机和人工神经网络模型的局限性,基于本文新提出的多目标混沌正弦余弦算法建立了具有良好泛化能力和稳定性的最优核极限学习机模型。最后,基于建立的预测模型验证其单步预测与多步预测性能。总的来说,本文的主要创新有:（1）基于机器学习方法、人工智能优化算法、特征选择算法、先进的数据预处理算法等,并充分融合各算法的优点搭建了碳交易价格预测方法的理论框架;（2）不同于现有研究只构建一个碳交易价格预测模型,本文多角度构建多个碳交易价格预测模型,具有更强的应用价值。此外,为验证提出模型的优良性,构建了包括模型预测精度评价、模型预测有效性评价以及模型预测显著性评价的碳交易价格预测模型综合评价体系;（3）提出基于两阶段特征选择和多目标优化的碳交易价格预测模型:模型中提出的两阶段特征选择算法,为确定最优输入特征提供选择;模型采用多目标优化算法对加权正则化极限学习机进行优化,可同时提高预测精度以及预测结果的稳定性;（4）提出基于混沌理论和混合优化算法的碳交易价格预测模型:在模型中,提出一个新颖的混合优化算法,为解决优化问题提供了新的可行性选择;提出了一种改进的自适应神经模糊推理系统模型,并将其首次应用于碳交易价格预测;所提出的建模前对碳交易价格的特征进行分析,为准确建模奠定了基础;构建的预测模块同时考虑点预测和区间预测,可同时量化确定性及不确定性;（5）提出基于多因素的碳交易价格预测模型:该模型对碳交易价格数据及其外部影响变量均利用先进的数据预处理技术进行预处理,有效减少噪声对预测性能的影响;利用有效的特征选择算法确定预测模型的最优输入特征;成功提出了一种新的多目标优化算法:多目标混沌正弦余弦算法,为处理多目标优化问题提供了新的选择;采用具有良好泛化能力的最优核极限学习机模型进行预测,可有效提高预测能力;构建的预测模型可同时提高单步预测与多步预测的性能,为碳交易市场提供充足的信息。本文的研究具有重要的理论意义与现实意义:从理论意义来讲,基于机器学习、数据预处理算法、特征选择、人工智能优化算法等理论提出多个改进的碳交易价格预测模型,可以从理论上弥补现有碳交易价格预测研究的不足;从现实意义来看,精确的碳交易价格预测有助于理解碳交易价格的变动特征及掌握碳交易价格的波动规律,为建立稳定的价格定价机制奠定基础;准确的碳交易价格预测对于碳交易市场中的相关参与者具有重要的指导作用;此外,准确的碳交易价格预测还有助于把握碳交易市场动态,为改变碳排放量的上限值提供理论参考。本文的主要不足之处有:（1）所提出的碳交易价格预测模型中仍然存在一些参数需要人工预定义的问题,在未来研究中,预测模型中相关参数设置的问题需要进一步改进;（2）由于所提出的预测模型将多种算法进行融合,故可能造成模型计算时间的增加。但随着科学技术的发展,相信该问题在一定程度上可以解决;（3）本文没有考虑深度学习在碳交易价格预测中的应用,在今后的研究中,将进一步探索深度学习在碳交易价格预测研究中的应用。