我一直在使用matlab神经网络工具包。我在这里使用NARX网络。我有一个数据集，包括一个对象的价格以及一段时间内购买的对象的数量。该网络必不可少的是一步预测，数学定义如下：
y（t）= f（y（t -1），y（t -2），...，y（t -ny），x（t -1），x（t -2），.... ..，x（t -nx））
这里y（t）是时间t的价格，x是金额。所以我使用的输入功能是价格和金额，目标是时间t + 1的价格。假设我有100个这样的交易记录，每个交易都包含价格和数量。那么基本上我的神经网络可以预测第101次交易的价格。这适用于一步预测。但是，如果我想进行多步预测，那么我想预测前面的10个交易（第110个交易），那么我假设我对价格进行了一步预测，然后将其反馈到神经网络中。我一直这样做，直到我达到第110预测。然而，在这种情况下，在我预测第101个价格之后，我可以将这个价格提供给神经网络以预测第102个价格，但是，我不知道第101个交易的对象数量。我该怎么做？我正在考虑将我的目标设置为当前交易的10个交易的价格，因此当我预测第101个交易时，我基本上预测了第110个交易的价格。这是一个可行的解决方案还是我以完全错误的方式解决这个问题。在此先感谢您的任何帮助
答案 0 :(得分：1)
与kostas所说的类似，一旦你有预测的101价格，你就可以用你所有的数据来预测101的金额，然后用它来预测102的价格，然后用102的价格来预测102的金额，等等但是，这会对每个变量的预测中出现任何错误。为了缓解这种情况，您可以添加其他一些功能，例如对过去值的逐渐减少折扣或在预测中使用的误差度量（在强化学习领域中搜索temporal difference learning类似的想法）。
答案 1 :(得分：0)
我猜你可以使用一个单独的神经网络对x进行时间序列预测，以便生成x（t + 1）到x（t + 10），然后使用这些值来提供另一个ANN来预测y（吨）。