基于分解集成和BiLSTM模型的组合碳价预测方法

本发明公开了一种基于分解集成和BiLSTM模型的组合碳价预测方法，首先采集碳排放权中心的碳价时间序列数据并进行数据清洗；然后采用变分模态分解方法将清洗后的碳价时间序列数据分解为高频子序列和低频子序列；同时利用皮尔逊相关性分析法分析高频子序列和低频子序列的相关系数和平均周期，对变分模态分解方法的分解结果进行验证；最后根据不同子序列的波动形式选择不同DLUBE神经网络模型进行碳价预测，得到组合碳价区间预测结果。本申请通过引入分解集成策略，将原始时间序列分解成低频序列和高频序列并根据其不同的波动形式和数据特征进行组合预测，减少异常值混合噪声的影响，提高了效率和准确性。