如何在Keras中将多变量时间序列拟合到另一个？

Question

我有一个多变量的时间序列传感器数据。我想使用Keras训练LSTM，14个变量是浮点数的传感器数据，16个变量是表示状态liker警报的二进制信号。我的目标是通过查看传感器数据，神经网络在一个或N个时间步之前预测警报。 我的数据如下： x_train.shape（1100,14） y_train.shape（1100,15）#shifted为一个用于预测。

model = Sequential()
model.add(Dense(14, input_dim=14, activation='relu'))
model.add(Dense(14, activation='relu'))
model.add(LSTM(14, activation='relu'))

第一次LSTM后出现以下错误：ValueError：输入0与图层lstm_5不兼容：预期ndim = 3，发现ndim = 2

代码的最后一部分是：

model.add(Dense(15, activation='softmax'))

model.compile(loss='categorical_crossentropy', optimizer='adam',metrics=['accuracy'])
model.fit(x_train, y_train, batch_size=100, epochs=50)