程序平台：适用于MATLAB 2023版及以上版本。

代码说明：基于能量谷优化算法（EVO）、卷积神经网络（CNN）和长短期记忆网络（LSTM）融合多头自注意力机制的超前24步多变量时间序列回归预测算法。

能量谷优化算法（Energy valley optimizer，EVO）是2023年提出的一种新颖的元启发式算法。EVO算法的灵感来自于宇宙中粒子的行为，特别是这些粒子的稳定性和衰变过程。大多数粒子不稳定，倾向于通过分解或衰变来释放能量，而少数粒子则能无限期地保持稳定。该算法提出时间很短，目前还没有套用这个算法的文献

我们利用该新鲜出炉的算法对我们的CNN-LSTM-Attention时序和空间特征结合-融合注意力机制的回归预测程序代码中的超参数进行优化，构成KOA-CNN-LSTM-Attention多变量回归预测模型。

功能：

1、多变量特征输入，单序列变量输出，输入前一天的特征，实现后一天的预测，超前24步预测。

2、通过开普勒优化算法优化学习率、卷积核大小、神经元个数3个关键参数，以最小MAPE为目标函数。

3、提供损失、RMSE迭代变化极坐标图；网络的特征可视化图；测试对比图；适应度曲线。

4、提供MAPE、RMSE、MAE等计算结果展示。

适用领域：

风速预测、光伏功率预测、发电功率预测、碳价预测等多种应用。

数据格式：前一天18个气象特征，采样时间为24小时，输出为第二天的24小时的功率出力，也就是18×24输入，1×24输出，一共有75个这样的样本

预测值与实际值对比

训练误差曲线的极坐标形式（误差由内到外越来越接近0）；适应度曲线（误差逐渐下降）

EVO-CNN-LSTM-Attention适应度曲线