温室气体的大量释放和对全球环境的负面影响,已成为世界各国日益重视的问题。在所有温室气体中,二氧化碳是最突出且人为可控的。针对全球温室气体减排目标,作为一种有效地治理全球温室气体变化相关问题的市场机制--碳交易市场应运而生。准确预测碳价格,有利于我们把握和理解碳交易价格波动规律,有利于政府制定有效的市场稳定机制和应对气候变化的法制法规,也有利于投资者规避风险,实现碳资产保值。有鉴于此,准确预测碳价格至关重要。碳价序列是一种典型的时间序列,波动大,不稳定。传统的统计模型和单一的人工智能模型由于其固有的缺陷,在预测方面误差较大。因此,本文基于现有的研究成果,为提高碳价序列的短期预测精度做了大量的工作,在理论分析的基础上,提出了一个基于鲸鱼优化算法和神经网络的组合模型。首先,数据预处理部分采用ICEEMDAN技术分解原始序列,剔除数据噪声,获得若干个结构更加稳定,更易于建模的子序列,之后为了提高预测效率,降低随机误差,用样本熵方法衡量序列复杂性,将样本熵值相近的子序列重构;随后,随机森林算法能测定历史序列的重要性评分,为神经网络选择合适的历史数据;然后再将子序列分别输入单一模型预测;最后鲸鱼优化算法决定各个单一模型的最优权值,并通过所获得的权值对单一预测结果进行线性相加,得出了该预测的最终结果。其中,单一模型包括BPNN、ELM和ENN。为了验证提出组合模型ICEEMDAN-WOA优越的预测性能,本文选取湖北和广东两个地区的碳交易价格为样本。在预测之前,本文基于试错法多次实验确定神经网络模型的最佳参数,以求得最好的预测结果。在仿真实验中,根据五个评价指标,综合不同的评价角度,与单一模型、基于ICEEMDAN的其他组合模型以及基于其他数据预处理技术的组合模型比较。实验结果表明,ICEEMDAN-WOA方法在所有评价指标上获得了最优值或接近最优值,整体预测效果最佳。另外,本文最后从其他四个方面,包括模型的评估和检验、不同的加权方法、WOA的测试性能和预测稳定性进一步探讨了模型的预测能力。所有的结果显示,ICEEMDAN-WOA组合模型确实能够显著提高短期碳价预测的能力,为碳市场的运行和投资提供一种预测精度很高的工具。与大多数文献相比,本文的主要贡献在于为碳价序列的短期预测研究提供了新方法,也为其他时间序列领域预测提供了新的思路,主要包括以下三个方面:第一,ICEEMDAN与样本熵混合的数据预处理技术,既能去除信号噪声又能一定程度上提高预测效率;第二,基于随机森林的特征选择方法,有考量地选取碳价序列滞后项作为神经网络的输入,降低人为选择造成的误差;第三,选择智能算法-鲸鱼优化算法作为权重确定方法,能有效综合各个单一模型的预测效果。