基于混沌PSO优化BP神经网络的碳价预测

发布时间：2024-04-02 00:08

　　随着全国碳排放权交易市场的启动,碳价的预测对碳市场参与者的风险管理具有重要意义。针对BP神经网络收敛速度慢、容易陷入局部极值的弊端,结合混沌的遍历性,构建基于混沌粒子群(CPSO)算法优化BP神经网络的碳价预测模型:利用Elastic Net方法降维,筛选出碳价的主要影响因素;再用CPSO优化BP神经网络的初始权值和阈值训练模型并预测碳价,结果表明:CPSO-BP碳价预测模型的精度和稳定性明显优于传统BP神经网络、粒子群优化的BP神经网络以及果蝇算法优化的BP神经网络。

【文章页数】：6 页

【部分图文】：

图２ＣＰＳＯ－ＢＰ碳价预测模型拟合结果图

（二）碳价影响因素的筛选运用ＥｌａｓｔｉｃＮｅｔ方法对碳价影响因素进行变量选择。在进行降维前先对原始数据进行归一化处理，以消除指标量纲的影响。本文运用ＥｌａｓｔｉｃＮｅｔ方法，结合ＡＩＣ准则，给出了变量选择结果及参数估计值，见表２。表２碳价影响因素的参数估计结果表影响因素ＶＯＬＥ....

图４四种神经网络模型拟合结果图

标越小，表明模型的预测精度越高。为了对ＣＰＳＯ－ＢＰ碳价预测模型的性能进行检验，本文分别采用ＢＰ神经网络、ＦＯＡ－ＢＰ模型、ＰＳＯ－ＢＰ模型以及ＣＰＳＯ－ＢＰ模型进行模拟和误差分析，并与ＣＰＳＯ－ＢＰ相比较。四种神经网络模型的拟合结果见图４所示，四种神经网络模型的相对误差见图５所....

图３ＣＰＳＯ－ＢＰ碳价预测模型相对误差图由图２可知：ＣＰＳＯ－ＢＰ模型可准确地预测碳价

（二）碳价影响因素的筛选运用ＥｌａｓｔｉｃＮｅｔ方法对碳价影响因素进行变量选择。在进行降维前先对原始数据进行归一化处理，以消除指标量纲的影响。本文运用ＥｌａｓｔｉｃＮｅｔ方法，结合ＡＩＣ准则，给出了变量选择结果及参数估计值，见表２。表２碳价影响因素的参数估计结果表影响因素ＶＯＬＥ....

本文编号：3945514