基于改进果蝇算法优化GRNN的碳排放权价格研究

• 作 者: 彭紫君
• 机 构: 中南财经政法大学统计与数学学院
• 出 处: 中南财经政法大学研究生学报
• 发表日期: 2018年1期
• 关键词: 碳排放 果蝇优化算法 广义回归神经网络 Carbon Emissions Fruit Fly Optimization Algorithm Generalize
• 基金项目: 2017年中南财经政法大学“研究生创新教育计划”研究生实践创新课题：基于改进果蝇算法优化GRNN的碳排放权价格研究（项目编号：201711317）.本文系部分研究成果.

随着国内外碳排放交易机制的不断发展，研究国际碳市场排放权的价格对我国碳市场价格的研究具有重要意义。为了提高国际碳价的预测精度，首先用自适应Lasso算法进行变量选择和参数估计，接着用改进的果蝇优化算法（IF-OA）优化广义回归神经网络（GRNN）的平滑参数来预测国际碳价。仿真结果表明，该模型的收敛速度和预测精度优于传统的GRNN和FOA优化的GRNN模型，说明基于IFOA优化的GRNN算法可以有效降低平滑参数设置的盲目低效性，改善原模型易陷入局部极值的问题，从而提高国际碳价的预测精度。