预测值不会改变

Question

我正在使用神经网络并使用Keras。
只是为了解释我的问题： predicted and real data

创建模型：

model = Sequential()
model.add(LSTM(
         input_shape=(sequence_length, nb_features),
         units=100,
         return_sequences=True))
model.add(Dropout(0.1))
model.add(LSTM(
          units=50,
          return_sequences=False))
model.add(Dropout(0.1))
model.add(Dense(units=1))
model.add(Activation("linear"))
model.compile(loss='mean_squared_error', optimizer='adam', metrics=['mae', r2_keras])

适合功能：

history = model.fit(seq, label_array, epochs=epochs, batch_size=batch_size, validation_split=0.2, verbose=2,
          callbacks = [#keras.callbacks.EarlyStopping(monitor='val_loss', min_delta=0, patience=10, verbose=0, mode='min'),
                       keras.callbacks.ModelCheckpoint(model_path, monitor='val_loss', save_best_only=True, mode='min', verbose=0)]
          )

我知道很难说错误到底在哪里，但也许有一些简单的东西可以解释为什么预测值总是相同的。
P.S输入数据！首先，我在pd.DataFrame(min_max_scaler.fit_transform(array_x))之后使用generate_sequences(array_x)，最后使用estimator.predict(np.array(array_x))。