来源：期刊VIP网 时间：
作者：乔松博;孙瑜;胡海;俞静;王伟;
单位：浙江电力交易中心有限公司;国网宁波供电公司;浙江华云信息科技有限公司;
摘要：精确预测碳排放交易价格有助于政府制定相关政策和完善市场机制，对确保电碳耦合交易的稳定性和效率具有关键作用。因此如何运用深度学习技术来提高碳排放权价格的预测能力是一个重要问题。本文提出了一种REMD-CNN-Transformer-LSTM多因素碳排放交易价格预测的组合模型。通过对2022年1月至2024年10月的全国碳市场的碳排放交易价格进行实例分析，REMD-CNN-Transformer-LSTM模型较Transformer-LSTM模型和REMD-LSTM模型在MAPE上分别降低了0.694 8%和0.412 9%，表明该模型的预测更准确，评价指标表现更好。
关键词：碳排放交易价格;;鲁棒经验模态分解;;卷积神经网络;;长短期记忆网络;;组合模型
基金资助：国网浙江省电力有限公司科技项目(B311DJ240003)
