1.基于大数据的碳交易市场风险预警系统，其特征在于，包括数据采集模块、数据预处理模块、风险评估模块、模型更新模块和预警模块；所述数据采集模块连接所述数据预处理模块，所述数据预处理模块连接所述风险评估模块，所述风险评估模块连接所述预警模块，所述模型更新模块连接所述风险评估模块；

所述数据采集模块用于采集第一交易数据；

所述数据预处理模块用于对所述第一交易数据进行数据清洗，得到第二交易数据；

所述风险评估模块包括风险评估模型，所述风险评估模型用于对所述第二交易数据进行风险评估，得到风险评估结果；

所述模型更新模块用于对所述风险评估模型进行更新优化；

所述预警模块中设有可调节的风险阈值，当所述风险评估结果超过所述风险阈值时，则向用户发出预警，反之则不发出预警；

在所述风险评估模块中，所述风险评估模型包括随机森林模型和引入残差连接的长短期记忆神经网络模型，其中，所述随机森林模型对所述第二交易数据进行预测并得到第一预测结果，所述长短期记忆神经网络模型对第二交易数据进行预测并得到第二预测结果，所述第一预测结果和第二预测结果进行加权平均求和得到风险评估结果；

所述随机森林模型对所述第二交易数据进行预测的过程如下：

步骤A1：构建决策树模型，具体是，将第二交易数据划分为训练集和测试集，从训练集中有放回地随机抽取一定数量的样本，形成多个随机子集，对每个随机子集的特征进行随机选择，得到多个特征子集，对特征子集采用分类与回归树算法构建决策树模型，每个特征子集对应一个独立的决策树模型；

步骤A2：构建随机森林模型，具体是，将构建的多个决策树模型组合，得到随机森林模型，将测试集中的样本输入每个决策树模型，得到决策树模型预测结果，所有决策树模型预测结果的平均值即为第一预测结果；

在步骤A2中，还包括对随机森林模型进行优化的过程，具体是：计算均方根误差作为优化指标，基于所述优化指标调整决策树模型的深度和最小样本数，或者是调整随机森林模型中决策树模型的数量和特征子集的大小；均方根误差表达式如下：d

其中，RMSE表示均方根误差，N表示样本个数，ypre 表示样本的预测值，ytrue表示样本的真实值；

所述长短期记忆神经网络模型对第二交易数据进行预测的过程如下：

步骤B1：构建长短期记忆神经网络模型，具体是，将第二交易数据划分为训练集、验证集和测试集，定义长短期记忆神经网络模型的输入层、隐藏层、输入层节点、隐藏层节点和激活函数，并在隐藏层之间添加残差连接；采用均方差作为损失函数，采用反向传播算法和ADam优化算法对所述长短期记忆神经网络模型进行训练，得到训练模型；

步骤B2：模型验证，具体是，将验证集输入到训练模型中，得到预测值，根据预测值和真实标签计算评估指标；

步骤B3：模型调优，具体是，根据评估指标对训练模型进行调优，所述调优包括调整训练模型的输入层、隐藏层、输入层节点和隐藏层节点，使用交叉验证的方式选择输入层、隐藏层、输入层节点和隐藏层节点的最佳组合，得到预测模型；

步骤B4：数据预测，具体是，将测试集输入到预测模型中，通过预测模型的前向传播过程计算得到第二预测结果。

2.根据权利要求1所述的碳交易市场风险预警系统，其特征在于，在所述数据采集模块中，所述第一交易数据包括碳交易市场中的交易数据。

3.根据权利要求1所述的碳交易市场风险预警系统，其特征在于，在所述数据预处理模块中，所述数据清洗包括处理缺失值、处理异常值和处理重复值。

4.根据权利要求1所述的碳交易市场风险预警系统，其特征在于，在所述预警模块中，所述预警模块持续监控用户的反馈，如果用户在接收到预警后没有采取任何措施，则再次对用户发出预警。

5.根据权利要求1所述的碳交易市场风险预警系统，其特征在于，还包括数据可视化模块，用于向用户实时展示风险评估结果。

6.基于大数据的碳交易市场风险预警方法，其特征在于，应用如权利要求1‑5任意一项所述的碳交易市场风险预警系统实现碳交易市场风险预警方法，所述方法的步骤如下：步骤S1：数据采集，具体是，数据采集模块采集第一交易数据，将所述第一交易数据传输到数据预处理模块；

步骤S2：数据清洗，具体是，处理第一交易数据中的缺失值、异常值和重复值，然后将第一交易数据进行特征选取以及归一化处理，得到第二交易数据，将所述第二交易数据传输到风险评估模块；

步骤S3：风险评估，具体是，将第二交易数据输入到风险评估模块中的风险评估模型，得到风险评估结果，将所述风险评估结果传输到预警模块；

步骤S4：风险预警，具体是，预警模块检测风险评估结果是否超过预先设置的风险阈值，当所述风险评估结果超过所述风险阈值时，则向用户发出预警，反之则不发出预警。