一种基于WT-BAS-BPNN的碳交易价格预测方法

本发明涉及碳交易，具体为一种基于wt-bas-bpnn的碳交易价格预测方法。

背景技术：

1、碳交易市场价格呈现非周期性变化，且存在尖峰较多、波动率集聚的特征；而对于碳交易价格波动预测多数集中于应用单一模型进行研究，存在局部最优解、模型收敛速度慢等问题。所以就需要一种基于wt-bas-bpnn的碳交易价格预测方法。

2、

技术实现思路

1、本发明的目的在于提供一种基于wt-bas-bpnn的碳交易价格预测方法；

2、本发明是这样实现的，本发明提供一种基于wt-bas-bpnn的碳交易价格预测方法；具体按以下步骤执行；

3、s1:首先对碳交易价格数据进行降噪处理；利用天牛须搜索算法对bp神经网络进行优化；

4、s2:利用bas-bp神经网络算法建立碳交易价格预测模型；

5、s3:对经小波降噪后的数据进行训练测试，并利用模型性能评价指标；

6、s3:将测试结果与单一bp神经网络输出结果进行对比。

7、进一步，在步骤s1中，

8、s1.1:设g(t)∈l2(r)，g(t)是一个满足容许性条件的平方可积函数，可称其为一个基本小波函数，如式(1)：

9、

10、s1.2:通过利用mallat算法实现对原始信号的分解，假设原始信号为s0(n)，调整平移因子和伸缩因子将原始信号分解成一组正交基，即近似分量ai和细节分量di，如式(2)：

11、

12、其中，ai+1、di+1分别为第i+1层近似和细节分量；p、q分别为低频和高频分解滤波器；m、k为平移伸缩因子，其中，近似分量ai代表原始信号的低频部分，包含着原始信号的主要信息；细节分量di则代表高频部分，包含着原始信号的噪声、尖峰等细节信息，由此可利用mallat算法实现对原始信号的降噪，随着对原始信号分解层数的增加，对噪声的抑制程度越高，包含的原始信息越少。

13、s1.3:利用mallat算法实现对原始信号的降噪，随着对原始信号分解层数的增加，对噪声的抑制程度越高，包含的原始信息越少。

14、进一步，步骤s1.4，天牛算法确定初始朝向，假设rnd(·)表示随机函数，则天牛个体在d维空间内的朝向为随机方向向量如式(3)；

15、

16、对左右须位置坐标创建，设左右须的位置分别为yr和yl，质心与触角间的距离为l，则左右须之间关系和左右须位置坐标可表示为式(4)、式(5)；

17、yr-yl＝2l·d  式(4)

18、

19、式(5)中，t为当前迭代次数；t为总迭代次数，yt为天牛第t次迭代时的质心坐标；

20、s1.5:设置步长因子；

21、天牛须的搜索范围通常由其步长因子ξ0决定，为扩大搜索区域，选取较大初始值，则步长因子ξ0设置如式(6)：

22、ξt+1＝etaξt  式(6)

23、式(6)中，eta为递减因子，取值为[0,1]；

24、s1.6:计算适应度函数

25、适应度函数可以用来判断当前天牛须所在空间位置的适应度值，则左右须适应度函数fr、fl可表示为式(7)：

26、

27、s1.7:更新天牛位置

28、对左右须适应度值大小进行比较，当fr大于fl时，天牛向右移动；反之则向左移动，其位置更新公式如式(8)：

29、yt+1＝yt+ξt+1·d·sign(fr-fl)  式(8)

30、式(8)中，sign(·)为符号函数。

31、s1.8:利用天牛须搜索算法对bp神经网络中权值和阈值进行优化；各模型初始化参数设置为：天牛须搜索算法初始朝向随机向量维度n＝70，初始步长step＝10，步长变化率eta＝0.8，迭代次数t1＝100，左右须初始距离d0＝1。单隐含层bp神经网络输入层节点n1＝7，输出层节点n2＝1，隐含层节点数根据经验函数:n3＝2×n1+1可确定为n3＝15，激励函数为双曲正切sigmoid函数，学习概率i＝0.01，训练目标g＝0.001，迭代次数t2＝1000。

32、引入误差评价指标平均绝对误差(mae)、均方根误差(rmse)、平均绝对百分比误差(mape)和误差平方和(sse)以及模型运行时间(t)，其中，mae、mape、sse的定义如式(9)-式(11)：

33、

34、

35、

36、式中，n为样本个数，φ(j)表示第j个样本点对应原始值，φ'(j)表示为第j个样本点对应的预测值。rmse、r越小则效果越好，snr越大则精确度越高。

37、s1.9:对bp神经网络权值和阈值进行赋值；运用训练集训练网络，运用测试集测试网络，并输出结果。

38、进一步，本发明提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被主控制器执行时实现如上述中任一项所述的方法。

39、与现有技术相比，本发明的有益效果是：

40、1、提出基于小波变换的降噪模型，对碳交易价格数据进行降噪处理；其次利用天牛须搜索算法对bp神经网络进行优化，建立碳交易价格预测模型；最后以北京市碳交易市场为例进行仿真实验，并将其预测效果与bp神经网络的预测效果进行对比。以期能为国家更好地探究碳交易价格变化规律，调节管控碳市场价格提供一定理论支持和数据支撑，助力全国碳交易市场建设。

41、2、利用小波变换对碳交易价格历史数据的降噪模型进行研究，发现当小波基函数为db6，分解层数m＝1时降噪效果最好。因此，碳交易价格虽然呈现非周期性且多尖峰特征，但包含的干扰信息较少，其价格呈现小范围内。国家应针对碳交易价格的波动特征，针对性对市场进行管控，积极引导碳交易市场规范平稳发展。利用bas-bp神经网络算法建立的碳交易价格预测模型相较于单一bp神经网络对于碳交易价格预测具有较好的精确性与有效性，对经降噪后的数据预测误差百分比基本可控制在3％以内，可以为全国碳交易价格波动研究提供理论参考。

技术特征：

1.一种基于wt-bas-bpnn的碳交易价格预测方法，其特征在于，具体按以下步骤执行；

2.根据权利要求1所述的一种基于wt-bas-bpnn的碳交易价格预测方法，其特征在于，在步骤s1中，

3.根据权利要求1所述的一种基于wt-bas-bpnn的碳交易价格预测方法，其特征在于，步骤s1.4，天牛算法确定初始朝向，假设rnd(·)表示随机函数，则天牛个体在d维空间内的朝向为随机方向向量如式(3)；

4.根据权利要求1所述的一种基于wt-bas-bpnn的碳交易价格预测方法，其特征在于，

5.根据权利要求4所述的一种基于wt-bas-bpnn的碳交易价格预测方法，其特征在于，在步骤s1.8中，引入误差评价指标平均绝对误差(mae)、均方根误差(rmse)、平均绝对百分比误差(mape)和误差平方和(sse)以及模型运行时间(t)，其中，mae、mape、sse的定义如式(9)-式(11)：

6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被主控制器执行时实现如权利要求1-5中任一项所述的方法。

技术总结
本发明涉及碳交易技术领域，包括一种基于WT‑BAS‑BPNN的碳交易价格预测方法；首先对碳交易价格数据进行降噪处理；利用天牛须搜索算法对BP神经网络进行优化；利用BAS‑BP神经网络算法建立碳交易价格预测模型；对经小波降噪后的数据进行训练测试，并利用模型性能评价指标；将测试结果与单一BP神经网络输出结果进行对比。本发明利用BAS‑BP神经网络算法建立的碳交易价格预测模型相较于单一BP神经网络对于碳交易价格预测具有较好的精确性与有效性，对经降噪后的数据预测误差百分比基本可控制在3％以内，可以为全国碳交易价格波动研究提供理论参考。

技术研发人员：王庆华,朱彦恺,高丹,房方,刘吉臻
受保护的技术使用者：华北电力大学
技术研发日：
技术公布日：2024/1/14