近几年来,随着碳市场的日益壮大,碳价格的波动引起了研究者的关注,并吸引了众多研究者的参与.然而,由于碳价格具有很强的非线性和非平稳性(属于较为复杂的时间序列),现有的方法大多不能很好地分析、预测碳价格.本文提出了一种基于独立成分分析(ICA)、变分模式分解(VMD)以及径向基函数神经网络(RBFNN)的混合分析预测模型.在此模型中,首先利用VMD技术,将所选择的碳价格数据分离为几个本征模态函数(记为IMFs).然后通过相关性分析对此模态函数进行重构,得到一组新序列(记为NIMFs).接着将ICA应用于这组新序列之上,提取独立分量(记为ICs).每一个独立分量IC被赋予相应的实际意义,即影响碳价格的因素,本文得到了四方面影响因素,包括CER价格、市场经济、重大历史事件、气候变化等,分别分析其对于碳价格波动的影响情况,并进行可行性分析.最后,利用RBFNN模型分别训练每一个IC,进行预测工作,并经过线性整合,得到最终的预测结果.数值实验结果表明,该模型的预测精度优于单一的ARIMA、RBFNN模型和混合的VMD-RBFNN、W-NN和EMD-ICA-R.BFXN模型,体现出该模型好的预测效果.论文共分为五章,具体内容如下:第1章介绍了本文所提出的碳价格分析预测模型VMD-ICA-RBFXN中涉及到的VMD、ICA以及RBFNN三种方法的基本预备知识.第2章介绍本文提出的新型的VMD-ICA-RBFNN碳价格分析、预测模型,说明了此模型的优势以及设计的出发点,给出此模型应用的基本步骤.第3章利用VMD及ICA技术对于碳价格序列进行分解工作,得到一系列独立成分ICs,对每一个IC进行统计分析,了解其统计特征,并赋予其相应的实际意义,剖析其对于碳价格波动的影响,并进行可行性分析.第4章以上一章中实验结果为基础,对于每一个IC进行RBFNN预测实验,并利用VMD及ICA原理对预测结果进行重组,从而得到最终预测结果.第5章 为了更好地证明本文所提出的VMD-ICA-RBFXN模型的预测效果,作者采用了单一模型ARIMA、RBFNN以及混合模型VMD-RBFNN、W-NN、EMD-ICA-RBFNN等预测模型与其进行对比,并利用预测评判指标对此进行评判,评判结果说明了本文模型的高精确度.