改良されたスパロウ検索アルゴリズムによって最適化された双方向の長期メモリネットワークに基づく炭素価格予測のための特徴抽出を伴う新しいハイブリッド学習パラダイム

効率的な炭素取引市場は、過剰な炭素排出量を効果的に抑制し、地球温暖化のペースを遅くすることができ、炭素価格予測の精度を改善する必要性を高めます。常に一元配置ニューラルネットワークでデータを常に訓練し、データを順番に伝播する以前の予測モデルの衰弱を克服するために、このペーパーでは、ウェーブレットパケット分解（WPD）を組み合わせた新しいハイブリッド学習パラダイムWPD-ISSA-BILSTMを提案し、スパロー検索の改善アルゴリズム（ISSA）、および炭素価格の深い特徴調査のための双方向の長期メモリネットワーク。第一に、WPDは元の炭素価格シリーズを分解して再構築し、いくつかの独立したサブシリーに再構築します。次に、すべてのサブセリーの入力機能はランダムフォレストでフィルタリングされ、予測モデルに最適な入力機能を選択します。最後に、ISSAによって最適化された双方向の長期記憶ネットワークが炭素価格の本質的な進化的傾向を深く描写するために採用されており、すべてのサブシリーの予測結果は、最終的な炭素価格予測結果を得るために互いに重ねられています。実際の炭素排出量取引価格はモデルへの入力として収集され、実験結果は、提案されたモデルのRMSE値が、それぞれ軽度および重度の揮発性シナリオで0.2516および0.2962であることを示しています。提案されたモデルは、比較モデルといくつかの既存のモデルと比較して優位性と堅牢性を持ち、履歴炭素価格データ間の本質的な相関をよりよく理解しています。この研究の結果は、炭素市場の開発と排出削減経路の意味のある参照を提供できます。

An efficient carbon trading market can effectively curb excessive carbon emissions and thus slow down the pace of global warming, which heightens the necessity of improving the accuracy of carbon price forecasting. In order to overcome the weakness of previous prediction model that always trained data in one-way neural networks and propagated the data sequentially, this paper proposes a novel hybrid learning paradigm WPD-ISSA-BiLSTM combining wavelet packet decomposition (WPD), improved sparrow search algorithm (ISSA), and Bi-directional long short-term memory network for deep feature exploration of carbon prices. Firstly, WPD decomposes and reconstructs the original carbon price series into several independent subseries. Then, the input features of the all subseries are filtered with random forest to select the best input features for the prediction model. Finally, a Bi-directional long short-term memory network optimized by the ISSA is employed to deeply delineate the intrinsic evolutionary trends of carbon prices, and the prediction results of all subseries are superimposed on each other to obtain the final carbon price prediction results. The actual carbon emission trading prices are collected as input to the model, and the experimental results show that the RMSE values of the proposed model are 0.2516 and 0.2962 under the mild and severe volatility scenarios, respectively. The proposed model has superiority and robustness compared to the comparison model and several existing models and better understands the intrinsic correlation between historical carbon price data. The results of this study can provide meaningful references for the carbon market development and emission reduction pathways.