我们假设我们有一个ODE系统来描述X如何影响Y：
dXdt = -k * X
dYdt = Kin *（1 - （Vmax * X）/（Km + X）） - kout * Y
我正在尝试使用神经网络输入X(0)，Y(0)和t，并输出Y(t)。我在TensorFlow中建立了一个前馈网络，并使用上述公式生成的数据对其进行训练，使用X的初始值为5和10生成的Y数据.YI的初始值保持不变，使用其稳态值（dYdt = 0且X = 0的值）。为了测试，我在我训练过的两个值之间和之外尝试了初始X值。对于所有测试，Y（0）保持不变。
中间值的测试结果非常好，外部值的结果也很好。但是，这只是在网络训练的时间段内，比如t = [0,10]。一旦我尝试预测这个时间段之后的值，预测就开始逐渐消失。
是否有更好的方法来实施网络，以便我可以预测超过训练间隔的值？理想情况下，一旦X达到0，我希望能够预测Y返回稳态。我一直在阅读有关使用RNN的信息，但我需要对稀疏数据进行训练，时间点不均匀分布的地方。我上面使用的网络能够做到这一点，至少在训练的时间间隔内。此外，我见过的大多数RNN示例（对于语言处理都不是这样）依赖于基于先前时间点预测未来时间点，而不是以我尝试使用它的方式。
我的想法是使用原始网络来预测训练时间范围内的值（其中很多都是为了创建丰富的数据集），然后将其输入RNN以预测过去的值时间范围。这是一个可行的想法，还是我可以尝试的其他方法可以更好地工作。