【技术实现步骤摘要】
本申请涉及碳市场预测，尤其是涉及一种碳交易价格预测方法及系统。
技术介绍
1、气候变化已成为世界面临的严峻挑战，各国正在积极寻求应对策略。碳排放是气候变化的主要原因之一，其中二氧化碳作为主要的温室气体之一，会滞留在大气中，导致全球气温升高。碳排放交易已成为应对气候变化的重要手段，旨在通过合理配置大气排放能力来缓解气候问题。碳交易市场数据具有非平稳性、强随机性、极端波动性的特点，给碳价预测带来很大困难。
2、因此，研究一种高效实用的碳交易价格预测方法，对及时把握碳交易市场变化，优化碳减排资源配置和促进绿色低碳发展有着十分重要的理论价值和实际意义。
技术实现思路
1、为了实现精确对碳价进行预测，本申请提供一种碳交易价格预测方法及系统。
2、第一方面，本申请提供的一种碳交易价格预测方法采用如下的技术方案：
3、一种碳交易价格预测方法，包括：
4、获取预设碳价格数据集并通过提取时间特征以确定时间序列；
5、将所述时间序列进行边界填充和中值池化平滑处理以生成目标序列；
6、计算所述目标序列对应的斜率信息并根据所述斜率信息确定高频信号、低频信号以及中频信号；
7、在所述中频信号中根据斜率均值进行动态调整以划分为高频信号和/或低频信号；
8、获取当前所有高频信号和低频信号并作为输出信息；
9、引入自注意力机制并结合所述输出信息进行增强交互学习以输出对应的预测结果。
10、可选的
11、采用反射填充模式对所述时间序列进行左右填充；
12、通过中值化操作对填充后的时间序列进行平滑处理：
13、xp＝pad(x,w)
14、xs＝medianpool1d(xp,w)
15、其中，xp表示经过填充后的输入序列x；xs表示经过中值池化后的平滑信号，w表示窗口大小。
16、可选的，所述计算所述目标序列对应的斜率信息并根据所述斜率信息确定高频信号、低频信号以及中频信号的步骤，包括：
17、采用一阶差分方法来计算所述目标序列对应的斜率信息，信号变化速率dx计算公式为：
18、dxt＝xs,t+1-xs,t；
19、使用采样率r对差分进行归一化处理以得到斜率信息：
20、st＝|dxt|×r
21、其中，st表示第t个时间步的局部斜率；
22、获取预设阈值信息，并通过所述预设阈值信息确定高频信号、低频信号以及中频信号。
23、可选的，所述获取预设阈值信息，并通过所述预设阈值信息确定高频信号、低频信号以及中频信号的步骤，包括：
24、获取预设阈值信息，其中所述预设阈值信息包括高频阈值thigh和低频阈值tlow；
25、将信号斜率超过所述高频阈值的部分归类为高频信号，低于低频阈值的部分被归类为低频信号，介于两者之间的部分则为中频信号：
26、
27、其中，mhigh表示为高频信号，mlow表示低频信号；mmid表示为中频信号；s表示为斜率。
28、可选的，所述在所述中频信号中根据斜率均值进行动态调整以划分为高频信号和/或低频信号的步骤，包括：
29、计算中频信号斜率的均值，并根据中频信号的斜率与所述均值进行对比以划分为高频信号和/或低频信号：
30、mdhigh＝mmid&(s>smean)
31、mdlow＝mmid&(s≤smean)
32、其中，mdhigh表示为动态高频信号；mdlow表示动态低频信号；smean表示为中频信号的斜率平均值，s表示为中频信号的斜率。
33、可选的，所述引入自注意力机制并结合所述输出信息进行增强交互学习以输出对应的预测结果的步骤，包括：
34、在输出信息中将子序列f映射到query(q)、key(k)和value(v)三个特征空间：
35、
36、其中，分别是输入序列f的query、key和value的线性变换，wq,wk,wv表示为参数矩阵，d表示为特征维度；
37、获取经过自注意力机制更新后的序列f中的高频子序列和低频子序列并将高频子序列和低频子序列映射到隐藏状态，并转换为指数形式；
38、将高频子序和低频子序列与另一个原始子序列fhigh和flow进行元素乘积以进行缩放转换；
39、
40、通过两个一维卷积模块ρ和η进行线性变换将两个缩放特征和经过自注意力集之后投影到另外两个隐藏状态变为和
41、将这两个隐藏状态在和上进行加法或减法操作，通过自注意力机制和交互操作得到更新后的两个子特征f'high和f'low
42、
43、可选的，采用平均绝对误差来作为损失函数：
44、
45、其中，τ为测试样本的总数；是预测值；yi是真实值。
46、第二方面本申请提供一种碳交易价格预测系统，所述碳交易价格预测系统包括：
47、数据获取模块，用于获取预设碳价格数据集并通过提取时间特征以确定时间序列；
48、目标序列模块，用于将所述时间序列进行边界填充和中值池化平滑处理以生成目标序列；
49、斜率计算模块，用于计算所述目标序列对应的斜率信息并根据所述斜率信息确定高频信号、低频信号以及中频信号；
50、动态分割模块，用于在所述中频信号中根据斜率均值进行动态调整以划分为高频信号和/或低频信号；
51、输出信息模块，用于获取当前所有高频信号和低频信号并作为输出信息；
52、预测结果模块，用于引入自注意力机制并结合所述输出信息进行增强交互学习以输出对应的预测结果。
53、第三方面，本申请提供一种计算机设备，所述设备包括：存储器、处理器，所述处理器在运行所述存储器存储的计算机指令时，执行如上文所述的方法。
54、第四方面，本申请提供一种计算机可读存储介质，包括指令，当所述指令在计算机上运行时，使得计算机执行如上文所述的方法。
55、综上描述，本申请包括以下有益技术效果：
56、本申请获取预设碳价格数据集并通过提取时间特征以确定时间序列；将所述时间序列进行边界填充和中值池化平滑处理以生成目标序列；计算所述目标序列对应的斜率信息并根据所述斜率信息确定高频信号、低频信号以及中频信号；在所述中频信号中根据斜率均值进行动态调整以划分为高频信号和/或低频信号；获取当前所有高频信号和低频信号并作为输出信息；引入自注意力机制并结合所述输出信息进行增强交互学习以输出对应的预测结果。全面地捕捉上下文信息，从提高预测能力进一步实现了精确对碳价进行预测的技术效果。
本文档来自技高网...【技术保护点】
1.一种碳交易价格预测方法，其特征在于，包括：
2.根据权利要求1所述的碳交易价格预测方法，其特征在于，所述将所述时间序列进行边界填充和中值池化平滑处理以生成目标序列的步骤，包括：
3.根据权利要求2所述的碳交易价格预测方法，其特征在于，所述计算所述目标序列对应的斜率信息并根据所述斜率信息确定高频信号、低频信号以及中频信号的步骤，包括：
4.根据权利要求3所述的碳交易价格预测方法，其特征在于，所述获取预设阈值信息，并通过所述预设阈值信息确定高频信号、低频信号以及中频信号的步骤，包括：
5.根据权利要求4所述的碳交易价格预测方法，其特征在于，所述在所述中频信号中根据斜率均值进行动态调整以划分为高频信号和/或低频信号的步骤，包括：
6.根据权利要求1所述的碳交易价格预测方法，其特征在于，所述引入自注意力机制并结合所述输出信息进行增强交互学习以输出对应的预测结果的步骤，包括：
7.根据权利要求1至6任一项所述的碳交易价格预测方法，其特征在于，采用平均绝对误差来作为损失函数：
8.一种碳交易价格预测系统，
9.一种计算机设备，其特征在于，所述设备包括：存储器、处理器，所述处理器在运行所述存储器存储的计算机指令时，执行如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，包括指令，当所述指令在计算机上运行时，使得计算机执行如权利要求1至7中任一项所述的方法。
...【技术特征摘要】
1.一种碳交易价格预测方法，其特征在于，包括：
2.根据权利要求1所述的碳交易价格预测方法，其特征在于，所述将所述时间序列进行边界填充和中值池化平滑处理以生成目标序列的步骤，包括：
3.根据权利要求2所述的碳交易价格预测方法，其特征在于，所述计算所述目标序列对应的斜率信息并根据所述斜率信息确定高频信号、低频信号以及中频信号的步骤，包括：
4.根据权利要求3所述的碳交易价格预测方法，其特征在于，所述获取预设阈值信息，并通过所述预设阈值信息确定高频信号、低频信号以及中频信号的步骤，包括：
5.根据权利要求4所述的碳交易价格预测方法，其特征在于，所述在所述中频信号中根据斜率均值进行动态调整以划分为高频信号和/或低频信号的...
【专利技术属性】
技术研发人员：覃业梅，张鎏波，胡博飓，赵慎，杨玲玲，唐悦轩，阳有泰，李桂芬，
申请(专利权)人：湖南工商大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。