基于 VMD-Attention-LSTM 模型收盘价预测深度学习模型
一、数据处理
1.基本数据处理
原数据分为全国七个碳交易试点日交易价格数据（北京、
上海、深圳、湖北、广东、天降、重庆、福建）与全国数据，
因为福建省的数据时间与其他数据时间差距较大所以舍弃，全
国数据过于笼统，不符合我们预测湖北收盘价的需求，我们也
将其舍弃，并取出剩下各省份的收盘价整理出一份《处理后的
数据表.CSV》。
因为使用的模型主要为 Attention-LSTM，参数设计较大，
我们需要更多的数据量，我们在原数据处理上，我们以 1135
条数据量的北京市收盘价为基准特征，将北京、深圳、广东、
上海、湖北的数据组成输入 VMD 分解的特征（1135 组*5 个
每组一个时间步，共 5675 个数据），此步骤主要是避免因为
其他省份数据组合后数据过少与选取的数据中出现 Nan 值。
2. VMD 特征分解
在 utilt 目录中设计 VMD 类与 VMD 分解后特征对原数据
点对应处理函数 vmd_sp_lis、vmd_lis；根据 VMD 分解的原著 论文设计出 VMD 特征分解类，在参数设置上经过多次实验， K 为 3、alpha=2000、tau=0.6 时模型效果最佳。
