CPO-LSSVM-ABKDE区间预测，基于24年新算法冠豪猪优化算法优化最小二乘支持向量机结合自适应带宽核函数密度估计的多变量回归区间预测（点预测+概率预测+核密度估计）Matlab语言程序已调

%%  清空环境变量
warning off             % 关闭报警信息
close all               % 关闭开启的图窗
clear                   % 清空变量
clc                     % 清空命令行
addpath LSSVMlabv

res = xlsread('数据集.xlsx');
%%
num_size = 0.8;% 训练集占数据集比例
dataran = 0; %不打乱数据
%%
    %%  数据分析
    outdim = 1;                                  % 最后一列为输出
    num_samples = size(res, 1);                  % 样本个数
    num_train_s = round(num_size * num_samples); % 训练集样本个数
    AA1 = res(1:num_train_s,:);
    AA2 = res(num_train_s+1:end-1,:);
    AA3 = res(end,:);
    clear res;
    if dataran == 1 
        AA1 = AA1(randperm(size(AA1, 1)), :);         % 打乱数据集
        AA2 = AA2(randperm(size(AA2, 1)), :);         % 打乱数据集
    end
    res=[AA1;AA2;AA3];
    f_ = size(res, 2) - outdim;                  % 输入特征维度
    %%  划分训练集和测试集
    P_train = res(1: num_train_s, 1: f_)';
    T_train = res(1: num_train_s, end)';
    M = size(P_train, 2);

    P_test = res(num_train_s + 1: end, 1: f_)';
    T_test = res(num_train_s + 1: end, end)';
    N = size(P_test, 2);

智能算法及其模型预测