MATLAB
实现基于
NGO-Transformer-LSTM
北方苍鹰算法（
NGO）优化Transformer-LSTM
组合模型多变量回归预测的详细项目实例
更多详细内容可直接联系博主本人
或者访问对应标题的完整博客或者文档下载页面（含完整的程序，
GUI设计和代码详解）
随着人工智能技术的快速发展，深度学习在时间序列预测任务中取得了显著成果。
Transformer
和LSTM
作为当前最具代表性的两种深度学习架构，分别擅长处理长序列依赖与时间序列信息。然而，在多变量回归预测任务中，仅依赖单一模型往往难以获得最佳预测效果。为此，融合多模型的结构逐渐受到研究者青睐。
Transformer
的自注意力机制能够精准捕捉序列全局依赖关系，而
LSTM
具备良好的时间序列记忆能力，将二者结合，有望实现优势互补，提高预测精度。与此同时，模型超参数的优化问题成为影响预测性能的关键因素。传统网格搜索或贝叶斯优化存在计算效率低、陷入局部最优的风险。北方苍鹰优化算法（
Northern Goshawk Optimization, NGO
）作为一种新兴的群体智能优化算法，具有较强的全局搜索能力 ...