《表4 预测结果对比表：基于多尺度集成模型预测碳交易价格——以广州碳排放交易中心为例》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于多尺度集成模型预测碳交易价格——以广州碳排放交易中心为例》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在上述四种模型中，SVM的MAE达到了7.6800，是BP神经网络的近11倍，EMD-BP-DNN混合模型的近20倍，除此之外，其MAPE(0.1485）以及RMSE(2.7713）均远大于其余模型，说明SVM对于碳交易价格序列的预测并不适用。相较于单一的BP神经网络模型，多尺度的混合模型EMD-BP-DNN无论在预测的拟合程度还是减小误差方面均有较大的优势。从表中可以看出，混合模型的MAE仅有0.3900，为BP神经网络模型的60%，在三组模型中为最小。除此之外，EMD-BP-DNN混合模型的RMSE(0.5533）值和MAPE(0.0221）值均小于单一模型的0.7339和0.0331，且相较于单一模型分别下降了近25%和33%，这可以说明该模型提升了预测的准确性。综上所述，与SVM、BP和LSTM模型相比，EMD-BP-DNN混合模型预测误差较小，预测结果更准确。