基于BP-LSTM混合神經網絡的碳價預測研究

摘要：碳排放權交易價格是影響碳排放交易的決定性因素，準確預測碳價可以幫助政府更好地應對氣候變化。基于BP混合LSTM神經網絡模型，提出了一種精度高的碳價預測方法。首先，在理論分析基礎上對影響碳價的因素進行皮爾遜相關系數分析，篩選出影響湖北碳價的關鍵因素；接著，考慮歷史碳價的數據特征對碳價預測的影響，將其與篩選出的關鍵因素結合輸入預測模型；最后，使用BP-LSTM神經網絡模型得到湖北碳價預測的結果。預測結果表明：BP-LSTM神經網絡模型在預測集上表現相對良好，MSE誤差為0.82。基于研究過程性結論及結果展示，提出要在完善碳價交易體系的基礎上，關注碳排放影響因素動態性變化，更新和優化碳價預測模型。

關鍵詞：碳價預測模型；BP神經網絡；LSTM神經網絡；RNN神經網絡

中圖分類號：X22 文獻標志碼：A

前言

中共中央、國務院于2021年10月印發《關于完整準確全面貫徹新發展理念做好碳達峰碳中和工作的意見》，文件中指出實現碳達峰、碳中和，是以習近平同志為核心的黨中央統籌國內國際兩個大局作出的重大戰略決策，是全面貫徹新發展理念的必然選擇、是中國解決世界性資源環境突出問題的大國責任。作為極具潛力成為全球覆蓋溫室氣體排放量規模最大的碳市場的中國，建設并完善碳排放交易體系是對整個社會低碳轉型的綠色追求、是政府對國際社會作出“力爭2030年前碳達峰、2060年實現碳中和”承諾的回應。

自2010年中國首次提出建立碳交易市場以來，中國碳排放交易體系已經歷了超過十年的發展歷程。2011年，北京、天津、上海、重慶、湖北、廣東、深圳七省市作為第一批試點省市開展碳排放權交易市場。經歷了概念提出、試點運行一系列過程后于2017年7月實現全國碳市場正式啟動上線交易。碳排放權交易是以碳排放額為交易內容，以科學碳交易機制下供需比計算的碳交易價格（下稱碳價）作為交易價格。如何提高碳價預測的準確性，減少碳價波動對企業帶來的風險，并更好發揮市場機制的減排作用，是當前學術研究的熱點和產業界關注的重要問題。

1相關研究文獻評述

目前，國內外學者主要針對碳價影響因素和預測模型這兩方面展開相關研究。

針對碳價影響因素的研究，吳慧娟等（2021）從機理和各試點實情上研究發現政策、經濟與環保因素造成碳價格的時間波動及區域差異；夏睿瞳（2022）通過理論分析和實證研究發現能源價格、極端天氣、宏觀經濟對碳價具有顯著的影響；王小燕等（2022）針對廣州碳排放權交易的配額收盤價，從指標、國內能源指標、氣候環境和宏觀政策這6個維度構建指標體系用于研究碳價影響因素；張玲等（2023）通過實證分析發現環境規制水平對碳價具有抑制作用，地理距離的變化會改善環境規制水平對碳價的抑制效應。

針對碳價預測模型，國內外大部分學者選擇使用多種模型混合的組合模型來優化模型，同時提升預測精度。金林等（2020）應用Lasso回歸方法對變量進行篩選，建立灰色BP神經網絡對碳價進行預測。該預測模型在短期預測中MAPE小于4%，預測精度較高；呼雪芳（2021）基于CEEMDAN分解算法提出LSTM-LSTM-LGBM的組合預測模型，通過廣東試點交易價格進行仿真分析，進而證明預測模型效果較好；趙峰等（2022）基于碳價本身建立了CEEMDAN-ARIMA-指數平滑模型，同時考慮碳價的經濟和技術等指標建立了THHO-ELM模型，最終通過三個地區實證分析驗證了組合模型的可靠性；朱亮亮等（2023）分別運用ARIMA模型、多項式回歸算法和LSTM模型構建了全國碳交易市場的碳價預測模型，通過實證分析得出PCC-LSTM模型的預測精度相對較高。

分析可得，目前在碳價影響因素以及碳價預測方法方面研究成果顯著，但仍然有可以完善的地方。針對碳價影響因素方面：國內外關于碳價影響因素的研究主要集中在社會經濟、宏觀政策、自然環境和市場交易機制等方面。研究方面涉及廣而雜，因素相對零散，且偏重于理論分析，缺少結合實證分析加以支撐。針對碳價預測模型方面：現有組合模型對碳影響因素分解以及碳價預測模型對碳價預測的精度相對較高，但預測過程相對復雜，有待進一步提升。文章使用BP混合LSTM神經網絡組合模型，可以加強神經網絡對時序數據的反應能力，使得預測結果與真實結果的擬合度達到更高的水準。

2碳價預測影響因素的相關性分析

根據已有文獻，總結出中國碳價主要受以下三類因素影響：一是社會經濟類影響因素，包括國際碳價、宏觀經濟和石油、煤炭等能源價格；二是自然環境類影響因素，包括溫度、濕度等；三是宏觀政策類影響因素，包括環境規制強度和環境規制水平。

文章運用皮爾遜相關系數法對碳市場交易價格與上述提到的影響因素進行分析，篩選出影響碳價的關鍵因素，進而方便展開后續分析。其中，國際碳價使用歐洲碳交易市場的價格；能源價格包括WIT原油期貨價格、秦皇島港動力煤價（Q5500K）以及天然氣的期貨價格；自然環境包括溫度、濕度、風速等；宏觀經濟選擇采用股市的滬深300指數；政策因素中環境規制強度用政府工作報告中相關內容關鍵詞的詞頻指代，環境規制水平使用各項指標衡量數據選取地區工業污染治理投資完成情況。數據描述性統計見表1。