声明：文章是从本人公众号中复制而来，因此，想最新最快了解各类智能优化算法及其改进的朋友，可关注我的公众号：强盛机器学习，不定期会有很多免费代码分享~
目录
今天为大家带来一期利用区间预测全家桶！里面包含各种区间预测模型，一次性解决你的区间预测烦恼！
之前推出过两期关于区间预测的推文，如下：
尚未发表的创新点！基于QRBiGRU的多变量回归区间预测！直接替换Excel数据即可用！
先用先发！24年新算法CPO-ELM结合改进自适应核密度估计实现区间概率预测！原理讲解！尚未发表！适合新手小白
有小伙伴觉得不够过瘾！因此今天为大家总结一期区间预测的各种方法，并且把清单里所有的区间模型汇总到一起！
区间预测方法汇总
不确定性预测主要包括基于误差分布的概率性功率预测和基于实测数据的区间上下限预测两种方式。
一、概率性预测
概率性预测可以分为参数化与非参数化两类方法。
参数化方法，如高斯分布、Beta分布、混合高斯或t分布等，计算简单快速，适用于某一时段内预测误差服从特定概率分布的场合。
非参数化方法，包括Bootstrap重采样法、分位点回归技术(Quantileregression, QR)、云模型理论(Cloudmodel, CM)、证据理论(Evidencetheory, ET)、非参数核密度(Non-parametric kerneldensity, NPKD)、高斯过程等。该方法计算不同置信度下的预测区间，需要较多的历史预测误差数据，可以避免因假设误差分布函数而导致的认知不确定性。
目前我们代码里的模型，基本都是采用的非参数化方法！
二、直接构造上下限
直接构造预测区间上下限，不需要预测误差数据，可以避免讨论误差数据而引入的认知不确定性，直接得到不同置信度下预测结果的上下限，为实时调度带来快速的参考结果。
基于实测数据的不确定性预测，首先给定预测区间名义置信度(Prediction interval normalized confidence, PINC)，然后将预测模型输出数目设置为两个输出，分别对应为预测功率的上下限，具有无需任何先验知识和功率预测误差分布假设的优点。该方法的关键在于损失函数的选取，合适的损失函数既可满足预测区间覆盖率(Prediction interval coverage probability, PICP)的同时，又能够降低预测区间平均宽度(Prediction interval normalized average width, PINAW)。
三、各种方法优缺点
因为推文里没法做表格，我这里通过截图形式整理给大家！
代码目录
以下所有代码，输入格式均为Excel，可以说是非常方便，非常适合新手小白了!
1.Bootstrap区间预测 为您的点预测提供置信区间 可直接运行 适合作为创新点 增加工作量~Malab
2.先用先发！24年新算法CPO-ELM-ABKDE结合改进自适应核密度估计实现区间概率预测！原理讲解！尚未发表！适合新手小白
3.区间预测QRLasso分位数回归区间预测 可直接运行 可作为创新点 注释清晰适合新手小白~Matlab语言
4.区间预测高斯过程回归QRGPR时序/回归区间预测 可直接运行 matlab代码 适合新手小白～
5.区间预测QRBiLSTM基于分位数回归的双向长短期记忆网络回归预测 可直接运行 适合新手小白 matlab代码
6.区间预测QRLSTM基于分位数回归的长短期记忆网络回归预测 可直接运行 适合新手小白 matlab代码
7.区间预测QRGRU基于分位数回归的门控循环单元回归预测 可直接运行 适合新手小白 matlab代码
8.区间预测QRBiGRU基于分位数回归的双向门控循环单元多变量回归区间预测！直接替换Excel数据即可用！
更重要的是，购买后如果以后推出其他区间预测模型，可直接免费下载，无需再次付费！
但如果你之后再买，一旦推出新模型，价格肯定是会上涨的！所以需要创新的小伙伴请抓紧！！
目前提供了8种区间预测模型，如果小伙伴有想要跟自己的预测模型结合起来，比如BiTCN-BiGRU-Attention这类高级的模型形成区间预测，都是没有问题的！可以私信我定制！（额外付费，不包含全家桶内，目的是为了保护个人的模型隐私与创新性，不会对外公开！）
结果展示
这边随便挑选几种模型进行展示：
QRBiGRU实现功率区间预测：
CPO-ELM-ABKDE实现功率区间预测：
代码获取
点击下方小卡片，后台回复关键字，不区分大小写：
区间预测全家桶
其他更多需求或想要的代码均可点击下方小卡片后后台私信，看到后会秒回~
更多代码链接：更多代码链接
162
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
