[1] 崔连标, 范英, 朱磊, 等. 碳排放交易对实现我国“十二五”减排目标的成本节约效应研究[J]. 中国管理科学, 2013, 21(1): 37 − 46. doi: 10.16381/j.cnki.issn1003-207x.2013.01.007
[2] 赵领娣, 王海霞. 碳交易价格预测研究-以深圳市为例[J]. 价格理论与实践, 2019(2): 76 − 79.
[3] 魏宇, 张佳豪, 陈晓丹. 基于DMS和DMA的我国碳排放权交易价格预测方法-来自湖北碳市场的经验证据[J]. 系统工程, 2022, 40(4): 1 − 16.
[4] 王娜. 基于Boosting-ARMA的碳价预测[J]. 统计与信息论坛, 2017, 32(3): 28 − 34.
[5] LI W, LU C. The research on setting a unified interval of carbon price benchmark in the national carbon trading market of China[J]. Applied energy, 2015, 155: 728 − 739. doi: 10.1016/j.apenergy.2015.06.018
[6] ZHU B Z, HAN D, WANG P, et al. Forecasting carbon price using empirical mode decomposition and evolutionary least squares support vector regression[J]. Applied energy, 2017, 191: 521 − 530. doi: 10.1016/j.apenergy.2017.01.076
[7] JIANG L B, WU P. International Carbon Market Price Forecasting Research Based on ARIMA-RF Model[C]. International Conference on Strategic Management, 2016, 1081-1084.
[8] LI H J, HUANG X Y, ZHOU D H, et al. Forecasting Carbon Price in China: A Multimodel Comparison[J]. International Journal of Environmental Research and Public Health, 2022, 19(10): 6217. doi: 10.3390/ijerph19106217
[9] 高长征, 李东伟, 王秀娜, 等. 利用智能机器学习方法对区域碳排放权交易价格预测研究-基于湖北碳市场数据的分析[J]. 价格理论与实践, 2022, 4: 89 − 93.
[10] ZHANG, F, WEN, N. Carbon price forecasting: a novel deep learning approach. Environ Sci Pollut Res 29, 54782–54795 (2022).
[11] 欧阳迪, 崔佳. 碳中和战略下哈尔滨市空气污染物时空动态研究——基于Holt-Winters时间序列模型[J]. 环境保护科学, 2023, 49(2): 112 − 119.
[12] 杨丽, 吴雨茜, 王俊丽, 等. 循环神经网络研究综述[J]. 计算机应用, 2018, 38(增2): 1 − 6.
[13] 赵海龙, 张丹丹, 黄松, 等. 基于皮尔逊相关系数的海南省地闪密度与雷击故障关系分析[J]. 高压电器, 2019, 55(8): 186 − 192.
[14] 孔宇, 王海起, 张浩然, 等. 基于集成学习算法的PM2.5浓度值预测[J]. 环境保护科学, 2021, 47(4): 17 − 23.
[15] 李文, 邓升, 段妍, 等. 时间序列预测与深度学习: 文献综述与应用实例[J]. 计算机应用与软件, 2020, 37(10): 64 − 70.
[16] 付凌晖, 王惠文. 多项式回归的建模方法比较研究[J]. 数理统计与管理, 2004, 23(1): 48 − 52.
[17] 杨丽, 吴雨茜, 王俊丽, 等. 循环神经网络研究综述[J]. 计算机应用, 2018, 38(S2): 1 − 6.
[18] 王秀. 基于WD-ARIMA-LSTM的短期风速预测[D]. 北京: 华北电力大学, 2021.