使用Tensorflow中的RNN预测未来时间段的时间序列值

Question

我很擅长深度学习及其时间序列预测方法。最近我发现了一篇关于time series predicting using Recurrent Neural Networks (RNN) in Tensorflow的文章。

在该文章中，测试集是最后20个值，模型也预测y_pred数据集的最后20个值，然后计算y_test和y_pred的MSE。我的问题是：如何扩展模型以接收未来下一个时期的预测（实际预测）？

提前致谢！

Answer 1

在第一步中，您应该使用真实值。然后使用预测值替换最后一个值。 希望以下代码可以帮助您。

with tf.Session() as sess:
    saver.restore(sess, './model_saved')
    preds = []
    X_batch = last_n_steps_value
    X_batch = X_batch.reshape(-1, n_steps, 1)
    for i in range(number_you_want_to_predict):
        pred = sess.run(outputs, feed_dict={X: X_batch})
        preds.append(pred.reshape(7)[-1])
        X_batch = X_batch[:, 1:]
        # Using predict value to replace real value
        X_batch = np.append(X_batch, pred[:, -1])
        X_batch = X_batch.reshape(-1, n_steps, 1)