针对覆冰厚度预测中因随机性和波动性导致的预测精度不高问题，基于覆冰厚度数据的时序信息，提出一种基于改进北方苍鹰算法优化的覆冰厚度预测方法。利用变分模态分解降低原始覆冰厚度时间序列的不稳定性。采用INGO分别对支持向量机、误差反向传播神经网络、深度混合核极限学习机的参数进行优化，对各模态分量分别建立预测模型，并将结果叠加得到覆冰厚度的点预测值。在点预测的基础上，利用非参数核密度估计及正态分布方法计算不同置信水平下的预测区间，并优化权重从而获得一个综合的区间预测结果。通过比较区间覆盖概率和预测区间平均宽度的结果显示，所提模型能够显著提高覆冰预测的准确性。