基于初始条件优化的GM(1,1)幂模型及其应用

针对GM（1,1）幂模型幂指数和初始条件优化问题,提出了一种基于初始条件和幂指数协同优化的方法。根据新信息优先原理,通过引入权重信息控制函数优化初始条件,表现新旧信息在初始条件构建中作用大小的变化规律,最大限度提取小样本序列中的有效信息,反应新旧信息共同对系统趋势变化的影响;以平均相对误差最小化为目标,参数间约束关系作为条件,构建非线性优化模型,实现GM（1,1）幂模型的幂指数和初始条件协同优化。最后,通过我国网络购物用户规模预测实例研究表明,优化的模型实现模型平均相对误差在理论上的最小化,其建模效果要优于其他对比模型,并将其用于2016-2020年网购用户规模预测,表明本文模型的实用性和有效性。     

基于PSO-SVR模型的能源需求预测

本文将支持向量回归机(support vector regression,SVR)与粒子群算法(Particle Swarm Optimizat ion,PSO)相结合,选取1 985~2008年的能源需求量及其影响因素作为学习样本,利用粒子群算法对支持向量机参数进行优化,通过训练、测试得到具有良好学习与推广能力的PSO-SVR能源需求预测模型。建立BP神经网络模型,并将两者的预测值进行对比,结果表明,PSO-SVR模型预测精度优于BP神经网络模型。     

基于二次分解策略和模糊时间序列模型的航空客运需求预测研究

提高航空客运需求预测的准确性对于航空公司以及整个航空运输系统的发展都具有重要的现实意义。以往研究普遍采用单一分解策略去处理航空客运需求时序中存在的复杂特征,以此提升组合模型的预测性能。然而传统的分解策略存在着特征提取不完全、分解方法带有固有缺陷等问题,导致组合模型预测效果不能得到充分的提升。为此,本文提出一种基于二次分解策略和模糊时间序列模型的航空客运需求预测方法。该方法首先利用季节调整模型（X12-ARIMA）将原始时序分解成季节成分序列与季节调整后序列,继而利用改进的自适应噪声集成经验模态分解方法（ICEEMDAN）将季节调整后序列分解成一系列不同时间尺度的本征模态函数（IMF）和残差序列（Residue）。然后使用基于模糊C均值算法（FCM）划分论域区间的FTS模型对季节成分序列、各IMF分量以及残差序列分别进行预测。最后将各分量序列的预测结果进行集成,重构出航空客运需求的预测值。实证结果表明,本文所提出的二次分解策略表现显著优于传统的分解策略,并且本文所提出模型对于航空客运需求预测有着较高的准确性。     

基于EMD和SVMs的原油价格预测方法

针对原油价格预测问题,提出一种基于EMD(经验模式分解)和SVMs(支持向量机)的非线性组合预测方法.该方法运用EMD技术将原油价格序列分解成若干个不同频率的分量,根据频率高低将各分量分组叠加得到3个新序列,分别代表市场波动价格、重大事件价格、趋势价格;针对此3个序列,构建不同SVMs模型分别进行预测,得到各序列预测值;用SVMs针对各序列预测值构建组合模型得到最终预测值.采用WTI和Brent原油现货价格数据验证本方法的有效性,结果表明,此方法与单一的SVMs模型和人工神经网络模型相比,具有较高的预测精度.     

粒子群优化灰色模型在负荷预测中的应用

针对电力系统负荷特性,分析灰色模型GM(1,1)的应用局限性,引入向量α改进灰色模型背景值序列的计算公式,从而构建了适应性更强的GM(1,1,α)模型。应用粒子群优化算法非线性全局寻优能力来求解最优α值,提出了基于粒子群优化算法的灰色模型PSOGM,并给出了电力负荷预测的应用实例。实例证明PSOGM模型具有较高的预测精度和较广的应用范围。     

基于EEMD-LSTM的农产品价格短期预测模型研究

本文将集成经验模态分解(EEMD)方法与长短期记忆网络(LSTM)相结合，构建了一个端到端的农产品价格短期预测模型。首先，对原始价格信号进行EEMD分解，得到若干IMF子序列和一个残差序列；然后，运用Fine-to-coarse高低频重构方法对IMF子序列进行高频—低频重构；最后将原始价格序列、高频项、低频项和残差趋势项作为特征，输入到LSTM网络进行训练得到预测模型。本文以广州市江南农副产品市场的富士苹果日价格为例进行实证分析，结果表明，本文提出的EEMD-LSTM模型在农产品价格短期预测问题上具有一定的性能优势。     

我国碳排放增长率的运行机理及预测

碳排放是气候变暖的重要原因之一,研究和预测碳排放增长率能为低碳政策的制定提供理论指导。利用经验模态分解方法,本文将我国碳排放增长率序列分解为短期波动项和趋势项两个序列,并分析了国家政策、国内宏观经济变化、金融危机对短期波动项和趋势项的影响。在此基础上,利用动态神经网络分别对趋势项和短期波动项进行预测,并将二者之和作为最终的碳排放增长率的预测值。最后,从误差序列绝对值的最大值、最小值、均值和标准差四个角度来比较该预测方法与单独以碳排放量和碳排放增长率为输入变量的神经网络模型的优劣,并得出本文提出的模型具有预测有效性的结论。     

我国建筑业碳关联效应及其结构分解

借鉴投入产出结构分解技术，构建建筑业碳关联效应结构分解模型，测算并分析2007—2017年我国建筑业与其他产业部门间的碳关联效应并对其进行分解。结果表明：建筑业与其他产业的碳排放关联效应呈现下降趋势，碳排放溢出效应是主导建筑业碳排放总效应的关键，其他产业的碳排放总效应受碳排放乘数效应的影响较大，其他产业对建筑业碳排放的溢出性影响较小；建筑业对工业的碳排放溢出效应最大，其次为服务业、第一产业；建筑业对煤炭开采和洗选、非金属矿物制品、金属冶炼及压延加工等8个行业的碳排放溢出效应远超其他行业。     

基于新型核与灰度序列的MGM(1,m,N)模型及其应用

雾霾是空气质量重要评判标准之一，对其进行准确预测能为相关政府部门及时做出正确决策提供理论支持，因此预测雾霾具有实际意义。本文针对区间灰数分布信息已知的序列，构建多个影响因素作用于多个系统行为变量的灰色MGM(1,m,N)模型。首先根据可能度函数计算得到区间灰数的新型核与灰度序列，然后对新型核与灰度序列分别建立MGM(1,m,N)模型以求得模拟值和预测值，最后通过还原得到区间灰数序列的上、下界。为进一步验证该模型的可行性，本文将该模型应用于雾霾相关数据并与基于传统核与灰度序列的MGM(1,m,N)模型进行比较，结果表明本文构建的新模型的模拟预测精度都较传统模型更好。     

基于支持向量机的中国股指期货回归预测研究

本文针对股指期货预测的特点,选择对股指期货指数有重要影响的相关指标,首次提出用支持向量机(SVM)方法对其进行回归预测,并用遗传算法(GA)和粒子群算法(PSO)分别优化四种不同核函数的支持向量机,构建了八种不同的中国股指期货回归预测方案,用实证研究的方法对这八种方案的准确性和时效性进行了比较。实验结果表明粒子群算法优化的线性核函数支持向量机作为中国股指期货回归预测的模型,具有更好的预测效果。     

智能组合预测方法及其应用

由于具有能以任意精度逼近任意复杂非线性函数的优良性能,神经网络在灰色系统预测中得到了较大的应用。在已有的研究基础上,针对灰色神经网络进化时容易陷入局部最优,参数修正受阻的问题,建立基于遗传粒子群混合算法优化的新型灰色神经网络模型。首先将灰色神经网络进行数学建模,以便于优化算法的应用;其次,综合遗传算法与粒子群算法的优点,构造一种混合算法,运用混合算法对灰色神经网络进行优化;最后通过日本入华游客数量预测的算例研究,比较新型灰色神经网络与灰色神经网络、单一算法优化的灰色神经网络的预测精度。所得结果表明,混合算法优化的新灰色神经网络具有更好的预测性能,在社会经济领域有着广泛的应用前景。     

Carbon price forecasting with a novel hybrid ARIMA and least squares support vector machines methodology

In general, due to inherently high complexity, carbon prices simultaneously contain linear and nonlinear patterns. Although the traditional autoregressive integrated moving average (ARIMA) model has been one of the most popular linear models in time series forecasting, the ARIMA model cannot capture nonlinear patterns. The least squares support vector machine (LSSVM), a novel neural network technique, has been successfully applied in solving nonlinear regression estimation problems. Therefore, we propose a novel hybrid methodology that exploits the unique strength of the ARIMA and LSSVM models in forecasting carbon prices. Additionally, particle swarm optimization (PSO) is used to find the optimal parameters of LSSVM in order to improve the prediction accuracy. For verification and testing, two main future carbon prices under the EU ETS were used to examine the forecasting ability of the proposed hybrid methodology. The empirical results obtained demonstrate the appeal of the proposed hybrid methodology for carbon price forecasting.     

考虑双重异质性的碳配额分配及交易机制研究

构建包含政府-企业-消费者三方的碳配额分配及交易减排供应链,其中消费者基于自身低碳偏好进行产品选购,政府基于行业社会福利最优进行企业配额分配和碳指导价设定,企业基于利润最优进行生产和销售。通过建立混合博弈模型,对比分析了考虑企业和消费者双重异质性的配额分配及交易机制对政府、企业最优决策行为的影响。研究结果表明：该减排机制能在保持社会福利最优的基础上更好地提升消费者和企业的参与积极性,实现对异质企业的双向和持续性减排激励。消费者低碳偏好和单位碳排差异度是影响减排机制实施方案和实施绩效的关键因素,其中,消费者低碳偏好决定了行业最优碳价和配额分配规则,且在主动和被动两个层面影响企业决策和产品价格;单位碳排差异度是影响企业利润、消费者主动支付倾向和减排绩效的重要因素,严格的差异度划分有利于形成正向激励;差异化的配额率易于形成减排激励,其与自主配额率间的差异是造成碳价波动的原因之一;研究也表明,过低的单位碳排差异度不适合进行企业异质性划分,在减排机制设计中应弱化“碳收益激励”目的。     

考虑不同碳排放处理模式的动态供应商选择及采购批量问题研究

不同的碳排放处理模式及不确定的市场需求等因素影响下,如何选择供应商并确定采购批量直接影响企业的运营和效益。本文在多时间周期、多产品种类、多供应商及随机需求情形下,同时考虑不同碳排放处理模式,分析动态供应商选择及采购批量等最优决策问题,构建混合整数非线性规划模型。通过设计变异算子和扰动因子来改进粒子群算法,力求在短时间内求解大规模决策问题。针对不同规模供应商选择及采购批量决策问题,采用精确方法、近似方法和改进粒子群算法求解。数值实验验证了模型及改进粒子群算法的有效性和可行性,分析了碳税、碳交易价格及碳限额对供应链管理的影响,并给出了供应商选择及碳排放处理的决策参考建议。     

基于历史排放参照的碳配额分配机制研究

将行业内企业按单位产品碳排放水平分为高排企业和低排企业两类,并将"共同但有区别的责任原则"引入行业内部,构建基于双寡头竞争市场的碳配额分配策略。通过建立基于分配策略的古诺模型,研究减排目标、分配策略和单位产品碳排放水平对企业的利润差、产量和碳排放的影响。研究结果表明,减排策略对单位产品碳排放水平具有较强的敏感性;当行业中的企业存在单位产品碳排放水平差异时,对低排企业宽松的碳配额分配策略具有更强的减排激励效用,利于企业主动实施低碳技术改造;阶段式递进减排机制对"共同但有区别责任原则"在行业内应用,企业低碳技术改造的激励效用以及减排政策的稳步推进有积极的作用;同时研究表明准确核实企业单位产品碳排放水平的重要性。     

基于两阶段博弈模型的钢铁行业碳强度减排机制研究

减少温室气体排放,高耗能行业将承担主要的减排任务,不同的减排机制对减排任务在不同技术水平的企业间分配和减排成本影响不同,而且对企业竞争力和社会福利有影响。本文构造了一个两阶段动态博弈模型,以两个代表性钢铁企业(东部和西部)为研究对象,来考察在完成一定减排目标前提下,政府设置统一碳税和差异化碳税对减排成本、社会经济福利、企业竞争力等的影响。实证结果表明:统一碳税下,钢铁行业产量降幅较小,行业减排任务分解的更加平均,西部钢铁企业竞争力损失较小;差异税下,实现既定减排目标的减排成本较小;社会经济福利损失较小,且随着减排目标的不断升高,两种碳税下社会经济福利损失之差有拉大的趋势;东部钢铁企业竞争力提高幅度较大,但对西部钢铁企业的负面影响十分明显。因此,在碳税机制设计时应充分考虑不同税率模式对减排任务分解、钢铁行业产量、社会经济福利以及企业竞争力的具体影响,需要在社会成本较低和个体企业的竞争力受影响较小之间进行权衡。     

工业化过程中碳排放消费建设比的演变规律研究

本文从历史发展角度动态地考察了由投资和消费引发CO₂排放的变化规律,提出了碳排放中的消费型排放、建设型排放和消费建设比的概念,利用环境投入产出分析模型(EE-IOA)估计了处于不同工业化发展阶段的32个国家86组数据的消费型排放和建设型排放,得到了消费建设比在工业化过程中(包括后工业化时期)的演变规律。实证结果表明:随着工业化水平的提高,消费建设比呈上升趋势;应根据消费型排放和建设型排放的减排潜力,科学制定减排目标,更加注重引导消费者行为向绿色消费转变、依靠消费者力量促进企业节能减排。本研究对正确评价不同工业化发展阶段国家的排放水平和减排潜力,科学制定减排政策和目标具有重要意义。     

基于系统动力学的京津冀碳排放交易政策影响研究

随着经济的快速发展,环境问题日益严重,京津冀地区低碳协同发展成为关注的焦点。碳排放权交易机制作为一种市场驱动的碳减排政策,能有效地减缓气候变化,降低二氧化碳排放量。对此,本文基于系统动力学,构建京津冀碳排放交易政策仿真模型,探索不同的碳交易机制设计对京津冀地区经济和环境的影响。实证研究结果表明:(1)总体上,碳交易机制能有效地促进京津冀地区的碳减排进程,即使对经济会产生微小的负向冲击;(2)在碳交易机制设计方面,减少碳配额总量,减少免费配额发放,以及提高碳交易价格均会增大碳减排力度,并同时加剧对经济的抑制作用。     

基于阶段划分的企业主动碳减排创新策略实施研究

基于环境策略在被动阶段和主动阶段的不同,且一些企业已启动主动减排阶段的产品创新策略。本文在碳减排阶段划分的基础上,对企业主动碳减排创新策略实施进行研究,引入碳排放交易制度及政府补贴激励,构建了政策驱动下的企业主动碳减排成本收益模型和行业成本收益模型。以矩阵正定性判定企业碳减排是否存在最优策略,同时探讨该最优策略能否实现行业帕累托最优以及如何实现。研究表明,企业主动碳减排创新策略存在最优,企业对碳减排策略的投入随着其相应减排效果系数、减排收益系数与碳排放交易下政府超额补贴系数的增加而加大;行业实现帕累托最优需要政府激励政策引导,且碳排放交易下政府超额补贴系数为行业内定值,随行业内各企业减排效果与创新收益的增加而减少。此外,根据实地调研和相关文献的数据,对模型中的各项参数进行赋值,并以水泥企业为例,通过典型算例分析和关键参数灵敏度分析进行模型有效性验证。算例分析结果证实了创新收益和政府碳排放交易下的补贴激励是企业主动碳减排的关键因素。本文从阶段划分的视角对碳减排问题进行尝试性研究,可为企业主动碳减排创新策略的实施提供决策依据,同时也为政府政策制定提供参考。此外在政府引导企业碳减排帕累托改进过程中,应保障企业碳减排效率在同一水平,创新力较强的企业,减排量相应较大,从而实现碳减排的帕累托最优。