基于开普勒算法优化卷积神经网络-双向长短期记忆网络结合多头注意力机制KOA-CNN-BILSTM-multihead-Attention多维时序预测，多变量输入模型。matlab代码，2021b及其以

%% ?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

%% ?导入数据
result1 = xlsread('数据集.xlsx');
result=result1(1:1000,:);
%% ?数据分析
num_samples = length(result); ?% 样本个数
kim = 2; ? ? ? ? ? ? ? ? ? ? ?% 延时步长（前面多行历史数据作为自变量）
zim = ?1; ? ? ? ? ? ? ? ? ? ? ?% 跨zim个时间点进行预测
nim = size(result, 2) - 1; ? ? % 原始数据的特征是数目

%% ?划分数据集
for i = 1: num_samples - kim - zim + 1
? ? res(i, :) = [reshape(result(i: i + kim - 1 + zim, 1: end - 1)', 1, ...
? ? ? ? (kim + zim) * nim), result(i + kim + zim - 1, end)];
end

%% ?数据集分析
outdim = 1; ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?% 最后一列为输出
num_size = 0.85; ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?% 训练集占数据集比例
num_train_s = round(num_size * num_samples); % 训练集样本个数
f_ = size(res, 2) - outdim; ? ? ? ? ? ? ? ? ?% 输入特征长度

%% ?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, f_ + 1: end)';
M = size(P_train, 2);

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

f_ = size(P_train, 1); ? ? ? ? ? ? ? ? ?% 输入特征维度
%% ?数据归一化
[p_train, ps_input] = mapminmax(P_train, 0, 1);
p_test = mapminmax('apply', P_test, ps_input);

[t_train, ps_output] = mapminmax(T_train, 0, 1);
t_test = mapminmax('apply', T_test, ps_output);

智能算法及其模型预测