基于BP神經網絡模型的碳權交易分析

陳　逸，朱娜娜

(對外經濟貿易大學，北京　100029)

?

基于BP神經網絡模型的碳權交易分析

陳逸，朱娜娜

(對外經濟貿易大學，北京100029)

[摘要]文章以北京環境交易所控制下的碳排放權交易數據為研究對象，運用統計分析和信息經濟學為主要研究方法，對我國碳排放權交易展開理論分析，從碳排放權交易的成交量、成交價格的動態一致性角度入手，以月份均值和平均絕對誤差為基準數據，建立高精確度的BP神經網絡模型，通過碳排放權交易價格與成交量的趨勢分析，得到碳排放權交易的形成機制。

[關鍵詞]碳排放；交易價格；神經網絡

[DOI]10.13939/j.cnki.zgsc.2016.02.079

1國內外碳排放交易市場概況

《京都議定書》(以下簡稱“《議定書》”)是具有法律約束力的國際協議，使各國二氧化碳等溫室氣體的排放受到限制，從而碳排放權成為一種具有流動性的稀缺資源，進一步推動了碳排放權交易市場的發展。碳排放權交易市場相繼在英國、日本、歐盟、美國、加拿大等國家形成，并迅速地發展壯大。

按照市場主體的交易意愿，可將碳排放權交易市場分為自愿交易市場體系和規范交易市場體系兩類。自愿交易市場的買賣雙方是自愿作出減排承諾的政府、企業或者個人。規范交易市場的主體通常是在《議定書》約束下履行減排義務的國家或法律實體。

碳排放權交易作為一種有效的減排手段，在當前我國國內市場的交易經驗幾乎空白，國內碳排放權交易市場也僅處于起步的探索階段。由于我國的清潔發展機制市場尚不成熟，在飛速的發展中也暴露了許多問題。

綜上所述，建設我國國內的碳排放權交易體系，既有助于促進我國經濟發展方式轉型、加快低碳型社會建設，又有利于我國在國際碳排放權交易市場贏得一席之地，提升我國企業在未來國際碳排放權交易市場的競爭實力。本文即在此現實背景下對我國的碳排放權交易展開研究，對北京環境交易的價格和成交數據利用神經網絡模型進行分析，以期為我國的碳排放權交易體系的創建提供相關的理論依據。

2模型的建立與求解

2.1符號的說明

X=(x1, x2, …, xn)；輸入向量bo；輸出層各神經元的閾值Ck；輸出層輸出向量bh；隱含層各神經元的閾值do=(d1, d2, …, dq)；期望輸出向量Wih；輸入層與中間層的連接權值Who；隱含層與輸出層的連接權值hi=(hi1, hi2, …, hip)；隱含層輸入向量ho=(ho1, ho2, …, hop);隱含層輸入向量yi=(yi1, yi2, …, yiq);輸出層輸入向量。

2.2模型的建立

在問題中把研究對象作為一個系統，按照分解、比較判斷、綜合的思維方式進行決策,因此，利用北京環境交易所的基本交易原理，分析建設我國國內的碳排放權交易體系，建立BP神經網絡模型(指確定單一分析源)；依據以上碳排放權交易市場分析建立下的BP神經網絡模型。

由上面的分析，首先將各項物質進行量化。然后進行網絡值初始化,給各連接權值分別賦一個區間(0，1)內的隨機數，設定誤差函數e，給定計算精度值和最大學習次數M=5000。隨機選取第k個輸入樣本及對應期望輸出：

x(k)=[x1(k), x2(k), …, xn(k)]

(1)

do(k)=[d1(k), d2(k), …, dq(k)]

(2)

再計算隱含層各神經元的輸入和輸出：

(3)

hoh(k)=f(hih(k))h=1, 2, …, p

(4)

(5)

yoo(k)=f(yio(k))o=1, 2, …, q

(6)

利用網絡期望輸出和實際輸出，計算誤差函數對輸出層的各神經元的偏導數δo(k)。

(7)

(8)

利用隱含層到輸出層的連接權值、輸出層的δo(k)和隱含層的輸出計算誤差函數對隱含層各神經元的偏導數δo(k)。

(9)

利用輸出層各神經元的δo(k)和隱含層各神經元的輸出來修正連接權值who(k)。

(10)

利用隱含層各神經元的δh(k)和輸入層各神經元的輸入修正連接權。

計算全局誤差：

(11)

2.3模型的分析

利用neural network對碳權交易數據進行(下轉P81)