本内容试读结束
下载后可阅读完整内容，立即下载
为更好地挖掘大量采集数据中蕴含的有效信息，提高碳交易量预测精度，文中提出一种基于小波变换和卷积神经网络(CNN)、门控循环单元(GRU)模型的碳交易量组合预测方法。首先利用小波变换算法对上海市历史碳交易量数据进行去噪处理，接着将去噪后数据序列输入到CNN-GRU模型中进行预测，最终将预测结果与使用原始数据的GRU模型和CNN-GRU模型的预测结果进行对比，结果表明使用小波变换和CNN-GRU的组合预测方法可有效提高碳交易量预测的精度。
