基于开普勒优化算法（KOA）优化CNN-BiGRU-Attention混合网络的时间序列预测模型，MATLAB代码时间序列预测（如气象、环境、电力负荷等）对精度要求日益提高，传统统计方法和单一深度学习模型难以充分捕捉序列的局部特征与长期依赖。近年来，卷积神经网络（CNN）与双向门控循环单元（BiGRU）结合注意力机制的混合模型展现出优越性能，但超参数（学习率、卷积核尺寸、神经元数等）人工调参耗时且易陷入次优。为此，引入新型元启发式算法——开普勒优化算法（KOA），模拟行星运动规律自动搜索最优超参数，提升预测性能。