Fugu-MT 論文翻訳(概要): A hybrid deep learning approach for purchasing strategy of carbon emission rights -- Based on Shanghai pilot market

論文の概要: A hybrid deep learning approach for purchasing strategy of carbon emission rights -- Based on Shanghai pilot market

arxiv url: http://arxiv.org/abs/2201.13235v1
Date: Mon, 24 Jan 2022 03:10:01 GMT
ステータス: 処理完了
システム内更新日: 2022-02-06 08:33:09.539600
Title: A hybrid deep learning approach for purchasing strategy of carbon emission rights -- Based on Shanghai pilot market
Title（参考訳）: ハイブリッド深層学習による炭素排出権購入戦略--上海のパイロット市場を事例として
Authors: Jiayue Xu
Abstract要約: 本稿では,企業を対象とした二酸化炭素購入戦略を策定し,二酸化炭素価格予測モデルを確立することを目的とする。一般化自己回帰ヘテロスケダスティック(GARCH)をゲートリカレントユニット(GRU)モデルに組み込んだハイブリッドディープラーニングモデルを構築した。シミュレーションでは,GARCH-GRUモデルに基づく購入戦略を最小コストで実行した。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The price of carbon emission rights play a crucial role in carbon trading markets. Therefore, accurate prediction of the price is critical. Taking the Shanghai pilot market as an example, this paper attempted to design a carbon emission purchasing strategy for enterprises, and establish a carbon emission price prediction model to help them reduce the purchasing cost. To make predictions more precise, we built a hybrid deep learning model by embedding Generalized Autoregressive Conditional Heteroskedastic (GARCH) into the Gate Recurrent Unit (GRU) model, and compared the performance with those of other models. Then, based on the Iceberg Order Theory and the predicted price, we proposed the purchasing strategy of carbon emission rights. As a result, the prediction errors of the GARCH-GRU model with a 5-day sliding time window were the minimum values of all six models. And in the simulation, the purchasing strategy based on the GARCH-GRU model was executed with the least cost as well. The carbon emission purchasing strategy constructed by the hybrid deep learning method can accurately send out timing signals, and help enterprises reduce the purchasing cost of carbon emission permits.
Abstract（参考訳）: 炭素排出権の価格は、炭素取引市場において重要な役割を果たす。そのため、正確な価格予測が重要である。上海のパイロット市場を例として、企業における二酸化炭素購入戦略の設計と、購買コストの低減を支援する炭素排出価格予測モデルの構築を試みた。予測をより正確にするために,一般化された自己回帰条件付きヘテロスケクタスティック(garch)をゲートリカレントユニット(gru)モデルに組み込んだハイブリッドディープラーニングモデルを構築し,他のモデルと比較した。そこで,氷山秩序理論と予測価格に基づいて,炭素排出権の購入戦略を提案した。その結果、GARCH-GRUモデルの5日間のスライディング時間ウインドウによる予測誤差は、全6モデルの最小値であった。また,シミュレーションでは,GARCH-GRUモデルに基づく購入戦略を最小コストで実行した。ハイブリッド深層学習法によって構築された炭素排出購入戦略は、正確なタイミング信号を送信でき、企業は炭素排出許可の購入コストを削減できる。

関連論文リスト

Carbon Market Simulation with Adaptive Mechanism Design [55.25103894620696]
炭素市場(英: carbon market)は、個人の利益をグローバルユーティリティーと整合させる経済エージェントをインセンティブとする、市場ベースのツールである。階層型モデルフリーマルチエージェント強化学習(MARL)を用いて市場をシミュレートする適応機構設計フレームワークを提案する。 MARLは、政府エージェントが生産性、平等、二酸化炭素排出のバランスをとることができることを示している。
論文参考訳（メタデータ） (2024-06-12T05:08:51Z)
CarbonSense: A Multimodal Dataset and Baseline for Carbon Flux Modelling [9.05128569357374]
データ駆動型カーボンフラックスモデリングのための、最初の機械学習対応データセットであるCarbonSenseを紹介する。我々の実験は、マルチモーダルなディープラーニング技術がこの領域にもたらす可能性を示している。
論文参考訳（メタデータ） (2024-06-07T13:47:40Z)
Generative AI for Low-Carbon Artificial Intelligence of Things with Large Language Models [67.0243099823109]
ジェネレーティブAI(GAI)は、AIoT(Artificial Intelligence of Things)の二酸化炭素排出量を減らす大きな可能性を秘めている本稿では, 炭素排出量削減のためのGAIの可能性について検討し, 低炭素AIoTのための新しいGAI対応ソリューションを提案する。本稿では,Large Language Model (LLM) を利用したCO_2排出最適化フレームワークを提案し,このフレームワークにより,プラグ可能なLLMとRetrieval Augmented Generation (RAG) モジュールを設計する。
論文参考訳（メタデータ） (2024-04-28T05:46:28Z)
FedGreen: Carbon-aware Federated Learning with Model Size Adaptation [36.283273000969636]
フェデレートラーニング(FL)は、分散クライアントからモデルを構築するための有望な協調フレームワークを提供する。 FLクライアントをホストするクラウドとエッジサーバは、さまざまな電力源を持つ地理的な場所の影響を受け、多様な炭素フットプリントを示す可能性がある。我々は、クライアントと共有する適応型モデルサイズを採用することにより、モデルを効率的に訓練するための、炭素を意識したFLアプローチであるFedGreenを提案する。
論文参考訳（メタデータ） (2024-04-23T20:37:26Z)
COPlanner: Plan to Roll Out Conservatively but to Explore Optimistically for Model-Based RL [50.385005413810084]
ダイナスタイルのモデルベース強化学習には、ポリシー学習と実環境探索のためのサンプルを生成するモデルロールアウトという2つのフェーズが含まれる。 $textttCOPlanner$は、不正確な学習された動的モデル問題に対処するモデルベースのメソッドのための計画駆動フレームワークである。
論文参考訳（メタデータ） (2023-10-11T06:10:07Z)
Carbon Price Forecasting with Quantile Regression and Feature Selection [4.973858621819144]
いくつかの新しい手法で炭素価格予測を改善することを提案する。商品価格、石油や天然ガスなどの輸出量、繁栄指標など、さまざまな影響要因を収集する。 Sparse Quantile Group Lasso と Adaptive Sparse Quantile Group Lasso を用いて価格予測を行う。
論文参考訳（メタデータ） (2023-05-05T01:02:08Z)
Towards Carbon-Neutral Edge Computing: Greening Edge AI by Harnessing Spot and Future Carbon Markets [24.462679595118672]
我々は、CERを複数の時間スケールで購入し、機械学習タスクをオフロードする場所を決定するオンラインアルゴリズムを提案する。さらに,$T$-slot問題のNP硬度を考慮し,資源制限付きランダム化依存ラウンドリングアルゴリズムを提案する。実炭素強度トレースによって駆動される理論解析と広範囲なシミュレーション結果は,提案アルゴリズムの優れた性能を示す。
論文参考訳（メタデータ） (2023-04-22T11:14:16Z)
(Private)-Retroactive Carbon Pricing [(P)ReCaP]: A Market-based Approach for Climate Finance and Risk Assessment [64.83786252406105]
Retrospective Social Cost of Carbon Updating (ReSCCU) は、実験的に測定された証拠を収集して制限を補正する新しいメカニズムである。炭素税の文脈でReSCCUを実装するために,Retroactive Carbon Pricing (ReCaP)を提案する。組織的リスクを緩和し、政府の関与を最小限に抑えるため、我々はPrivate ReCaP(Private ReCaP)予測市場を導入する。
論文参考訳（メタデータ） (2022-05-02T06:02:13Z)
Hybrid Modelling Approaches for Forecasting Energy Spot Prices in EPEC market [62.997667081978825]
EPEC市場におけるエネルギースポット価格予測のためのハイブリッドモデリング手法について検討する。データは2013-2014年の電力価格、2015年のテストデータで提供された。
論文参考訳（メタデータ） (2020-10-14T12:45:53Z)
Optimizing carbon tax for decentralized electricity markets using an agent-based model [69.3939291118954]
人為的気候変動の影響を避けるためには、化石燃料から低炭素技術への移行が必要である。炭素税は、この移行を支援する効率的な方法であることが示されている。 NSGA-IIの遺伝的アルゴリズムを用いて、電力混合の平均電気価格と相対炭素強度を最小化する。
論文参考訳（メタデータ） (2020-05-28T06:54:43Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。