越来越成为各行业决策的基础。多变量回归模型作为一种经典的预测工具，通过

考虑多个输入变量与目标输出之间的复杂关系，已广泛应用于各类预测任务中。

然而，传统的回归方法往往无法有效地捕捉复杂、非线性的关系，因此，在实际

应用中，开发能够处理复杂数据结构的智能优化算法成为了研究的热点。

年来，深度学习方法凭借其在数据学习和模式识别方面的卓越表现，成为了解

决这一问题的核心技术。长短期记忆（LSTM）网络作为一种处理时间序列数据的

神经网络架构，其突出的特点是能够捕捉长期依赖关系，因此被广泛应用于时间

序列预测任务。Transformer模型作为年来兴起的一种基于