使用其他已知未来值的 Tensorflow LSTM 时间序列预测答案

【问题标题】：Tensorflow LSTM time-series forecast using other known future values使用其他已知未来值的 Tensorflow LSTM 时间序列预测
【发布时间】：2022-01-12 12:00:26
【问题描述】：

不久前我开始研究 Tensorflow，并发现了使用 LSTM 预测时间序列的问题。有许多带有工作代码的简单而详细的示例。但是，在这些示例中，like this one，根据目标值的先前值对未来进行预测。我想把任务复杂一点，但我不明白怎么做。

例如，在一个用电任务中，我可以添加天气预报来修正 LSTM 预测。但我不明白该怎么做，因为我在 N * M 矩阵上训练模型，其中 N 是时间序列的数量，K 是我的预测变量的数量。当我打电话给

model.predict(...)

还需要输入N * K矩阵（但对于前一个区间），但我也有N * (K-1)矩阵中其他参数的预测数据。我可以在下面的插图中显示它。

我的目标是添加一些已知的未来参数来改进我只能使用具有先前值的 LSTM 获得的预测。

那么我如何使用其他变量的未来值来预测，例如与我拥有的未来温度预测值在同一时间序列中的用电量？

【问题讨论】：

这能回答你的问题吗？ How to include future values in a time series prediction of a RNN in Keras

标签： python tensorflow machine-learning keras lstm

【解决方案1】：

您的模型需要两个不同的细分。

第一段应该取过去，并产生一些形状可能为 (N, Tout) 的输出。

第二个部分应该获取未来的输入和第一个部分的输出，并将它们组合起来以做出最终预测。也许通过将它们连接在一起。

【讨论】：