基于BP神经网络模型的碳权交易分析

陈　逸，朱娜娜

(对外经济贸易大学，北京　100029)



基于BP神经网络模型的碳权交易分析

陈逸，朱娜娜

(对外经济贸易大学，北京100029)

[摘要]文章以北京环境交易所控制下的碳排放权交易数据为研究对象，运用统计分析和信息经济学为主要研究方法，对我国碳排放权交易展开理论分析，从碳排放权交易的成交量、成交价格的动态一致性角度入手，以月份均值和平均绝对误差为基准数据，建立高精确度的BP神经网络模型，通过碳排放权交易价格与成交量的趋势分析，得到碳排放权交易的形成机制。

[关键词]碳排放；交易价格；神经网络

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

1国内外碳排放交易市场概况

《京都议定书》(以下简称“《议定书》”)是具有法律约束力的国际协议，使各国二氧化碳等温室气体的排放受到限制，从而碳排放权成为一种具有流动性的稀缺资源，进一步推动了碳排放权交易市场的发展。碳排放权交易市场相继在英国、日本、欧盟、美国、加拿大等国家形成，并迅速地发展壮大。

按照市场主体的交易意愿，可将碳排放权交易市场分为自愿交易市场体系和规范交易市场体系两类。自愿交易市场的买卖双方是自愿作出减排承诺的政府、企业或者个人。规范交易市场的主体通常是在《议定书》约束下履行减排义务的国家或法律实体。

碳排放权交易作为一种有效的减排手段，在当前我国国内市场的交易经验几乎空白，国内碳排放权交易市场也仅处于起步的探索阶段。由于我国的清洁发展机制市场尚不成熟，在飞速的发展中也暴露了许多问题。

综上所述，建设我国国内的碳排放权交易体系，既有助于促进我国经济发展方式转型、加快低碳型社会建设，又有利于我国在国际碳排放权交易市场赢得一席之地，提升我国企业在未来国际碳排放权交易市场的竞争实力。本文即在此现实背景下对我国的碳排放权交易展开研究，对北京环境交易的价格和成交数据利用神经网络模型进行分析，以期为我国的碳排放权交易体系的创建提供相关的理论依据。

2模型的建立与求解

2.1符号的说明

X=(x1, x2, …, xn)；输入向量bo；输出层各神经元的阈值Ck；输出层输出向量bh；隐含层各神经元的阈值do=(d1, d2, …, dq)；期望输出向量Wih；输入层与中间层的连接权值Who；隐含层与输出层的连接权值hi=(hi1, hi2, …, hip)；隐含层输入向量ho=(ho1, ho2, …, hop);隐含层输入向量yi=(yi1, yi2, …, yiq);输出层输入向量。

2.2模型的建立

在问题中把研究对象作为一个系统，按照分解、比较判断、综合的思维方式进行决策,因此，利用北京环境交易所的基本交易原理，分析建设我国国内的碳排放权交易体系，建立BP神经网络模型(指确定单一分析源)；依据以上碳排放权交易市场分析建立下的BP神经网络模型。

由上面的分析，首先将各项物质进行量化。然后进行网络值初始化,给各连接权值分别赋一个区间(0，1)内的随机数，设定误差函数e，给定计算精度值和最大学习次数M=5000。随机选取第k个输入样本及对应期望输出：

x(k)=[x1(k), x2(k), …, xn(k)]

(1)

do(k)=[d1(k), d2(k), …, dq(k)]

(2)

再计算隐含层各神经元的输入和输出：

(3)

hoh(k)=f(hih(k))h=1, 2, …, p

(4)

(5)

yoo(k)=f(yio(k))o=1, 2, …, q

(6)

利用网络期望输出和实际输出，计算误差函数对输出层的各神经元的偏导数δo(k)。

(7)

(8)

利用隐含层到输出层的连接权值、输出层的δo(k)和隐含层的输出计算误差函数对隐含层各神经元的偏导数δo(k)。

(9)

利用输出层各神经元的δo(k)和隐含层各神经元的输出来修正连接权值who(k)。

(10)

利用隐含层各神经元的δh(k)和输入层各神经元的输入修正连接权。

计算全局误差：

(11)

2.3模型的分析

利用neural network对碳权交易数据进行(下转P81)