【三变量联合分布函数copula】利用AIC BIC确定单变量最优拟合函数、利用AIC确定三变量联合最优copula函数、计算联合概率（Matlab代码实现）

     💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

 ⛳️赠与读者

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码、数据

---

 ⛳️赠与读者

👨‍💻做科研，涉及到一个深在的思想系统，需要科研者逻辑缜密，踏实认真，但是不能只是努力，很多时候借力比努力更重要，然后还要有仰望星空的创新点和启发点。当哲学课上老师问你什么是科学，什么是电的时候，不要觉得这些问题搞笑。哲学是科学之母，哲学就是追究终极问题，寻找那些不言自明只有小孩子会问的但是你却回答不出来的问题。建议读者按目录次序逐一浏览，免得骤然跌入幽暗的迷宫找不到来时的路，它不足为你揭示全部问题的答案，但若能让人胸中升起一朵朵疑云，也未尝不会酿成晚霞斑斓的别一番景致，万一它居然给你带来了一场精神世界的苦雨，那就借机洗刷一下原来存放在那儿的“躺平”上的尘埃吧。

     或许，雨过云收，神驰的天地更清朗.......🔎🔎🔎

💥1 概述

三变量联合分布函数copula 

1.利用AIC BIC确定单变量最优拟合函数

2.利用AIC确定三变量联合最优copula函数

3.计算联合概率

为了使用AIC（Akaike信息准则）和BIC（贝叶斯信息准则）确定单变量的最优拟合函数，并利用AIC确定三变量的最优copula函数，以下是一个详细的步骤指南：

步骤1：单变量最优拟合函数

1. **数据预处理**
    - 收集并清洗三变量数据集。
    - 对每个变量单独进行描述性统计分析，检查其分布类型。

2. **拟合不同的单变量分布**
    - 选择多个候选分布（如正态分布、对数正态分布、伽玛分布、指数分布等）。
    - 对每个变量分别拟合这些候选分布。

3. **计算AIC和BIC**
    - 计算每个候选分布的AIC和BIC值。
    - 选择AIC和BIC值最小的分布作为最优单变量拟合分布。

步骤2：三变量联合分布的copula选择

1. **构建copula模型**
    - 选择多个候选的copula函数（如Gaussian copula、t copula、Clayton copula、Gumbel copula等）。
    - 使用前面步骤确定的最优单变量分布进行边缘分布的标准化处理。

2. **拟合copula模型**
    - 对三变量数据进行copula模型的拟合。
    - 计算每个copula模型的AIC值。

3. **选择最优copula**
    - 选择AIC值最小的copula作为最优三变量联合分布模型。

在确定单变量最优拟合函数时，可以使用AIC（Akaike Information Criterion）或者BIC（Bayesian Information Criterion）来进行比较。这两种准则都是用来评估模型的拟合程度和复杂性，通过在不同模型之间进行比较来选择最佳模型。

对于三变量联合分布函数copula的选择，可以利用AIC来确定最优的copula函数。首先需要拟合各个边缘分布，然后通过copula函数将它们联系起来。在确定copula函数时，可以使用不同的copula家族（如Gaussian copula、t copula等）来进行比较，然后选择AIC值最小的copula函数作为最优模型。

在确定了最优的copula函数之后，就可以计算联合概率。通过联合分布函数copula，可以根据各个边缘分布以及copula函数来确定联合概率。具体计算方法可以根据所选的copula函数来进行相应的计算，以得到三个变量的联合概率。

📚2 运行结果

部分代码：

%% 削减后的场景三维图
subplot(1,3,1)
bar3(P_wt')
l2 = xlabel('t/h');
set(l2, 'Fontname', 'Times New Roman', 'FontSize', 20)
ylabel('场景编号');
zlabel('风电出力');

subplot(1,3,2)
bar3(P_pv')
l2 = xlabel('t/h');
set(l2, 'Fontname', 'Times New Roman', 'FontSize', 20)
ylabel('场景编号');
zlabel('光伏出力');
subplot(1,3,3)
bar3(P_sum')
l2 = xlabel('t/h');
set(l2, 'Fontname', 'Times New Roman', 'FontSize', 20)
ylabel('场景编号');
zlabel('负荷');

%% 各个场景的概率
figure(3)
bar(p)
%ylim([0, 0.30]);
xlabel('场景编号');
ylabel('概率');
set(gca, 'FontSize', 20)
no = 1;

figure(4)
[ss,gg]=meshgrid(1:n_reduction,1:24);
plot3(ss,gg,P_wt, 'linewidth', 2);
title(['考虑相关性生成的风电出力', num2str(n_reduction), '个场景'])
xlabel('场景'); ylabel('时刻');zlabel('风电出力值');
set(gca,  'FontSize', 20)
set(gca,'LineWidth',2); 

figure(5)
[ss,gg]=meshgrid(1:n_reduction,1:24);
plot3(ss,gg,P_pv, 'linewidth', 2);
title(['考虑相关性生成的光伏出力', num2str(n_reduction), '个场景'])
xlabel('场景'); ylabel('时刻');zlabel('光伏出力值');
set(gca,  'FontSize', 20)
set(gca,'LineWidth',2); 

figure(6)
[ss,gg]=meshgrid(1:n_reduction,1:24);
plot3(ss,gg,P_sum, 'linewidth', 2);
title(['考虑相关性生成的负荷', num2str(n_reduction), '个场景'])
xlabel('场景'); ylabel('时刻');zlabel('负荷值');
set(gca,'FontSize', 20)
set(gca,'LineWidth',2); 

figure(7)
subplot(1,3,1)
for i=1:10
hold on
h=cdfplot(P_wt(:,i));
set(h,'LineStyle', '-', 'LineWidth',2)
end
title('');
grid off;
%h1=legend({'1','2','3','4','5','6','7','8','9','10'},'FontSize',16);
 %xlabel('Value','FontSize',16,'fontname','Times New Roman');
 %legend('Location', 'Best');
 %set(h1, 'Box', 'off');
ylabel('Cumulative probability','FontSize',16,'fontname','Times New Roman');
set(gca,'fontname','Times New Roman','FontWeight','bold','FontSize',20);
set(gca,'LineWidth',1.5);

subplot(1,3,2)
for i=1:n_reduction
hold on
h=cdfplot(P_pv(:,i));
set(h,'LineStyle', '-', 'LineWidth',2)
end

title('');
grid off;
%h1=legend({'1','2','3','4','5','6','7','8','9','10'},'FontSize',16);
 %xlabel('Value','FontSize',16,'fontname','Times New Roman');
 %legend('Location', 'Best');
 %set(h1, 'Box', 'off');
%ylabel('Cumulative probability','FontSize',16,'fontname','Times New Roman');
set(gca,'fontname','Times New Roman','FontWeight','bold','FontSize',20);
set(gca,'LineWidth',1.5);

subplot(1,3,3)
for i=1:10
hold on
h=cdfplot(P_sum(:,i));
set(h,'LineStyle', '-', 'LineWidth',2)
end
title('');
grid off;
h1=legend({'1','2','3','4','5','6','7','8','9','10'},'FontSize',16);
 %xlabel('Value','FontSize',16,'fontname','Times New Roman');
 legend('Location', 'Best');
 set(h1, 'Box', 'off');
%ylabel('Cumulative probability','FontSize',16,'fontname','Times New Roman');
set(gca,'fontname','Times New Roman','FontWeight','bold','FontSize',20);
set(gca,'LineWidth',1.5); 

🎉3 参考文献

文章中一些内容引自网络，会注明出处或引用为参考文献，难免有未尽之处，如有不妥，请随时联系删除。

[1]高远(Ayantobo,Olusola Olaitan).干旱指标和Copula函数在干旱事件多变量频率分析中的应用[D].西北农林科技大学,2018.

[2]赵继超,袁越,傅质馨,等.基于Copula理论的风光互补发电系统可靠性评估[J].电力自动化设备, 2013, 33(001):124-129.DOI:10.3969/j.issn.1006-6047.2013.01.024.

[3]段偲默,苗世洪,霍雪松,等.基于动态Copula的风光联合出力建模及动态相关性分析[J].电力系统保护与控制, 2019, 47(5):8.DOI:10.7667/PSPC180149.

[4]付婷婷,边俐争,李嫚,等.基于Copula理论的风光互补配网经济运行联合配网重构优化[J].可再生能源, 2023, 41(1):122-128.

🌈4 Matlab代码、数据

资料获取，更多粉丝福利，MATLAB|Simulink|Python资源获取