Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Buchtitelbild

2018 | OriginalPaper | Buchkapitel

Research on Price Forecasting Method of China’s Carbon Trading Market Based on PSO-RBF Algorithm

verfasst von : Yuansheng Huang, Hui Liu

Erschienen in: Bio-inspired Computing: Theories and Applications

Verlag: Springer Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

The forecasting of carbon emissions trading market price is the basis for improving risk management in the carbon trading market and strengthening the enthusiasm of market participants. This paper will apply machine learning methods to forecast the price of China’s carbon trading market. Firstly, the daily average transaction prices of the carbon trading market in Hubei and Shenzhen are collected, and these data are preprocessed by PCAF approach. Secondly, a prediction model based on Radical Basis Function (RBF) neural network is established and it parameters are optimized by Particle Swarm Optimization (PSO). Finally, the PSO-RBF model is validated by actual data and proved that the PSO-RBF model has better prediction effect than BP or RBF neural network in China’s carbon prices prediction, indicating that it has more significant rationality and applicability and deserves further popularization.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Nächstes Kapitel An Efficient Restart-Enhanced Genetic Algorithm for the Coalition Formation Problem
Literatur
1.
Zhu, Z.B., Wei, Y.: Carbon price prediction based on integration of GMDH, particle swarm optimization and least squares support vector machines. Syst. Eng.-Theory Pract. 31(12), 2264–2271 (2011)
2.
Zhu, B.: A novel multiscale ensemble carbon price prediction model integrating empirical mode decomposition, genetic algorithm and artificial neural network. Energies 5(2), 163–170 (2012)CrossRef
3.
Gao, Y., Li, J.: International carbon finance market price prediction based on EMD-PSO-SVM error correction model. China Popul. Resour. Environ. 24, 163–170 (2014)
4.
Fan, X., Li, S., Tian, L.: Chaotic Characteristic Identification for Carbon Price and an Multilayer Perceptron Network Prediction Model. Pergamon Press, Inc., Oxford (2015)
5.
Jiang, L., Wu, P.: International carbon market price forecasting using an integration model based on SVR. In: International Conference on Engineering Management, Engineering Education and Information Technology (2015)
6.
Sun, G., Chen, T., Wei, Z., Sun, Y., Zang, H., Chen, S.: A carbon price forecasting model based on variational mode decomposition and spiking neural networks. Energies 9(1), 54 (2016)CrossRef
7.
Zhang, L., Zhang, J., Xiong, T., Su, C.: Interval forecasting of carbon futures prices using a novel hybrid approach with exogenous variables. Discrete Dyn. Nat. Soc. 2017, 1–12 (2017)MathSciNet
8.
Jiang, F., Peng, Z.J.: Forecasting of carbon price based on BP neural network optimized by chaotic PSO algorithm. Stat. Inf. Forum (2018)
9.
Gu, Q., Chen, G., Zhu, L.L., Wu, Y.: Short-term marginal price forecasting based on genetic algorithm and radial basis function neural network. Power Syst. Technol. 30(7), 18–22 (2006)
10.
Zhang, Y., Zhou, Q., Sun, C., Lei, S., Liu, Y., Song, Y.: RBF neural network and ANFIS-based short-term load forecasting approach in real-time price environment. IEEE Trans. Power Syst. 23(3), 853–858 (2008)CrossRef
11.
Coelho, L.D.S., Santos, A.A.P.: A RBF neural network model with GARCH errors: application to electricity price forecasting. Electr. Power Syst. Res. 81(1), 74–83 (2011)MathSciNetCrossRef
12.
Shen, W., Guo, X., Wu, C., Wu, D.: Forecasting stock indices using radial basis function neural networks optimized by artificial fish swarm algorithm. Knowl.-Based Syst. 24(3), 378–385 (2011)CrossRef
13.
Cecati, C., Kolbusz, J., Rozycki, P., Siano, P., Wilamowski, B.M.: A novel RBF training algorithm for short-term electric load forecasting and comparative studies. IEEE Trans. Ind. Electron. 62(10), 6519–6529 (2015)CrossRef
14.
Moody, J., Darken, C.J.: Fast learning in networks of locally-tuned processing units. Neural Comput. 1(2), 281–294 (2014)CrossRef
15.
Kennedy, J., Eberhart, R.: Particle swarm optimization. In: Proceedings of IEEE International Conference on Neural Networks, pp. 1942–1948. IEEE Press, New York (2002)
Metadaten
Titel
Research on Price Forecasting Method of China’s Carbon Trading Market Based on PSO-RBF Algorithm
verfasst von
Yuansheng Huang
Hui Liu
Copyright-Jahr
2018
Verlag
Springer Singapore
Buch
Bio-inspired Computing: Theories and Applications

Print ISBN: 978-981-13-2825-1

Electronic ISBN: 978-981-13-2826-8

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-981-13-2826-8_1

Premium Partner

    Bildnachweise