概率密度预测方法是基于统计学及概率论相关知识的一种方法,在统计学和概率论中有着科学的理论依据。通过完整的概率密度曲线图,不仅可以获得较为准确的点预测值,给管理决策提供更精准定量依据；同时也可以获得预测对象的完整连续的概率密度曲线以及其概率密度函数。通过分析预测的随机变量概率密度曲线图,可以为管理决策提供更多准确有用信息。本文通过神经网络分位数回归方法,不仅克服最小二乘回归的缺点,同时可以结合神经网络方法自适应和强大非线性的优点。通过设置不同的分位点,来预测随机变量不同分位点下对应的分位数,这样可以更加细致刻画被解释变量在不同分位点上受解释变量的影响以及他们之间的关系。通过神经网络分位数回归方法先求出预测对象的不同分位点上对应的分位数,然后再用确定好的核密度估计形式与最优窗宽选择方法,运用核密度估计方法思想,我们得出预测对象的完整连续的概率密度曲线图。通过加入不同的因素、以及选择不同的核密度估计形式和最优窗宽选择方法,我们可以比较在加入不同考虑因素和采用不同核密度估计形式和最优窗宽选择方法时,可以得出预测对象概率密度曲线以及获得的预测误差有很大差别。本文在综合神经网络分位数回归以及核密度估计方法的基础上,提出了基于神经网络分位数回归及核密度估计的概率密度预测方法,然后在电网企业的用电负荷概率密度预测实证研究和股票价格概率密度实证研究中使用了此方法,对基于神经网络分位数回归及核密度估计的概率密度方法进行深入的研究和探索,较好的丰富和发展了预测理论与方法体系。