当今世界经济飞跃发展,但环境污染问题随之也愈来愈严重,污染排放治理方式亟待加强创新。我国快速发展成为世界第二大经济体,更是承担着巨大环境污染治理压力,历年的《中国生态环境状况公报》中显示我国大气污染和水污染等虽有所缓解,但是污染现状依旧超出环境容纳能力。对此,我国在使用传统手段对环境治理的过程中,也在不断积极探索符合当前我国经济发展性质的环境政策。“排污权交易”顺势从国外引进到国内,其指的是在满足环境要求的前提条件下,明确建立合理合法的污染物排放权,并允许将这种权力如同商品被买卖,以达到治理污染物排放的环境保护目的,其形成的背后具有外部性理论、科斯定理、公地悲剧理论以及资源稀缺性等经济学理论基础。在早期排污权交易的研究与实施就广受发达国家的关注,自20世纪90年代起,我国也开始对排污权交易进行探索性实施,从个别地区排污企业间大气污染和水污染的交易成功从而确定了总量控制制度及排污许可证制度的法律地位与实际作用,发展到在政府部门主导下对排污权交易试点工作的摸索,再到现阶段由国家层面的政策推行试点深化工作,目前已有27个省份开展了排污权交易试点工作（财政部、环保部、国家发改委批复试点的11个省份及自行开展试点工作的16个省份）,充分借助排污权交易平台,使其工作的开展走向标准化与商业化的道路上。我国排污权交易的实施积累了宝贵的经验,但同时也遇到很多问题:法律法规完善性和交易制度成熟度待提升、与环保税产生冲突、各地发展极度不均衡、整体二级市场活跃度低等等。为此,健全4项主要污染物（二氧化硫SO2、氨氮NH3-N、化学需氧量COD、氮氧化物NOx）排放权交易制度已经成为各级生态环境部门工作的创新热点。本文拟从价格预测准确性的角度出发,污染物排放权的交易价格是反应排污权市场状况最为重要的指标,准确的交易价格预测为政府看清市场变动规律、推动市场发挥作用并制定明确的交易政策提供决策支持。不可忽略的是,影响排污权交易市场中动态价格数据的因子是复杂多样的,其具有非线性、动态化的特点,因此很难真正把握具体的影响因素。在这样的情况下,必须创新和完善预测方法,获得更为正确的数据预测结果,从而将有利于深入把握动态系统的发展规律、完善当前理论体系,提升商业利润收益、产生更加丰富多样的建议或意见等。现阶段,在预测交易价格的过程当中大多都借助了以下方法:统计计量法、人工智能法与分解-集成法。其中统计计量方法,充分借助随机方程的形式,对问题建立定量分析,然而对于具体的操作中,相对简洁的数学公式无法准确的分析和描述问题,同时也难以解决数据复杂性与非线性的特征;人工智能方法可以基于具体实践中的需求构建非线性数学模型,在不断的创新和完善学习算法的过程当中,有力处理各类问题,然而却造成了参数波动、拟合等缺陷,从精准度与平稳性角度上,仅仅依靠统计计量方法与人工技能方法无法同时对接非线性时序数据预测的处理结果和规范要求;另外,从分解-集成学习的混合方法出发,有效融合数据分解方法、人工智能预测方法、优化算法,在强化预测方法能力的同时,也将获得更为稳定的预测结果。针对排污权交易价格的预测,本文提出了分解-集成学习混合模型（CEEMDAN-GWO-KELM）,该模型集成了自适应噪声的完备经验模态分解方法（CEEMDAN）、灰狼优化算法（GWO）、核极限学习机（KELM）来对福建排污权交易价格进行预测:首先利用CEEMDAN算法对处理好缺失值的数据进行分解,得到若干本征模态函数（IMFs）和残差序列（Residue）,选用KELM算法作为预测方法,并采用GWO算法优化KELM算法中的正则化系数与核参数,实现了分解-集成学习模型（CEEMDAN-GWO-KELM）的建立。在文章最后的分析部分中,分别将常用于预测时序价格的单一预测模型、分解-集成预测模型的预测效果与本文所提出模型的预测效果进行对比,并进行对应指标的Friedman检验和Nemenyi检验。结果表明,在多个数据集中本文所提出的（CEEMDAN-GWO-KELM）模型对于福建省排污权交易价格的预测效果为最优的,结果有望用于预测其它各个地区的各项主要污染物排放权交易价格,为国家和企业决策者提供更多的决策信息。