“可持续发展和环境保护”是21世纪的主题,但是随着这些年人们对于生态环境的破坏、日常生产生活所产生排放的大量废气的排放以及全球人口的迅速增长,这些因素都导致全球气候开始变暖,全球变暖对人类生活构成了非常严重的威胁。气候变暖是世界性问题,世界各国都在为环境保护做出努力,我国更是把对于环境的保护作为长久以来一直坚持的基本国策。根据统计数据显示,大气污染是我国最主要的环境问题,工业的高速发展、人口的急剧增多等一系列原因都导致了我国大气污染程度加剧,绿地沙漠化、雾霾天气的肆虐、夏季洪水的易发,这些都是由于环境受到污染所导致的。在导致环境污染的原因中,最主要的就是碳排放,所以控制碳排放成为了环保的一项重要措施。碳交易是全球控制温室气体排放所采取的一种交易措施,通过对碳交易采取监控以及约束,能够对温室气体的排放进行有效地控制,从而使全球变暖的情况得到抑制和改善。我国目前碳交易市场分别有北京、福建、广东、湖北、上海、深圳、天津和重庆。本文在中国碳交易网站（http://k.tanjiaoyi.com）通过Python获取了碳交易价格相关数据,从2020年的数据可以看出,在碳交易总额和碳交易总量两方面,广东省都是居于全国八个碳交易市场的首位,所以本文选取广东省2020年的碳交易价格进行预测分析。由于复杂动态市场中碳交易价格时间序列数据呈现出波动性、不规则和非平稳等特征,若是直接采用预测方法对其进行预测,结果不是很理想,因此为了获取更加精确的预测值,本文采用一种“先分解后集成”的处理方法。本文首先采取EMD经验模态分解方法对所获取的广东省碳交易价格数据进行分解,分解后会形成若干个IMF分量和一个Res分量,然后计算每个IMF分量的平均值,根据平均值是否在0附近的方法来区分高频和低频,将均值在0附近的分量相加重组为高频序列,将均值不在0附近的分量相加获得低频序列;接下来利用四种单项预测方法（指数平滑法、ARIMA（差分整合移动平均自回归）、LSTM（长短期神经网络）以及SVM（支持向量机））分别对分解重组后的不同频率的序列数据进行预测,将所得到的不同频率序列的预测值进行求和,可以得到四种新的单项预测方法的预测值;然后以LP范数为最优准则,构建了两种特殊值下的基于LP范数碳交易价格的定权系数组合预测模型,在此基础上,考虑到在各个时间点上,每个单项预测方法的预测效果参差不齐,因此引入信息集结算子,分别将误差绝对值之和、误差平方和开方作为最优准则,构建基于IOWA算子的误差平方和开方的变权系数组合预测模型和基于IOWGA算子的误差绝对值之和的变权系数组合预测模型;最后将所构建的定权系数组合预测模型和基于信息集结算子的变权系数组合预测模型应用于2020年广东省碳交易价格数据中,实证结果表明:所构建的定权系数组合预测模型和基于信息集结算子的变权系数组合预测模型预测效果都优于单项预测方法,对时间序列的拟合程度较高,并且组合预测模型都是优性组合预测。