我正在尝试使用多元时间序列传感器数据来预测机器何时发生故障。我的问题是，故障之间通常有数百万个时间单位，而且我不确定如何构造用于训练的输入数据。基本上，我想使用直到时间 t 的所有数据，并预测直到故障为止的时间。
据我了解，LSTM的输入为(samples, time steps, features)。我一直在查看5,000条数据记录的一小部分，并将输入的形状定为(10, 500, 10)。这是否意味着仅使用前500个时间单位的数据进行预测？有没有好的方法可以捕获在数万个时间单位内发生的模式？