Question

模特：

def buildModel(neurons= 5, batch_size= 1, timestep=1, features=1):
    model = Sequential()
    model.add(LSTM(neurons, 
                   batch_input_shape=(batch_size, timestep, features), 
                   #return_sequences= True,
                   stateful=True))

    model.add(Dense(1))
    model.compile(loss='mean_squared_error', optimizer='adam',  
                  metrics=[metrics.MAPE, 'accuracy'])
    return model

测试RMSE：0.104 测试MAPE：14.040

但是当逐步运行多步骤预测时，结果会迅速增加，然后在一定范围内稳定。

时间序列是单变量的有关模型或时间序列预测问题的任何建议吗？

Answer 1

neurons = 5，这是一个容量非常低的模型。可能不足以模拟目标时间序列函数。

timesteps = 1，这是时间序列，因此在进行正确的预测之前，输出必须依赖于一定数量的timesteps。 timesteps = 1表示您的输出仅取决于1 timestep。

batch_size = 1，这需要一段时间才能收敛。通常，这应该是2的幂（16,32,64,128,256,512）。

Keras LSTM用于时间序列错误预测和融合到不可变的值范围

1 个答案: