具有seq2seq LSTM的多步时间序列预测

Question

我正在尝试使用带有LSTM层的编码器/解码器来预测时间序列数据。到目前为止，我使用20点过去的数据来预测20个未来点。对于20个过去数据点的每个样本，预测序列中的第1个值非常接近每个序列中的真实第1个值：predicting 1 step into the future

但是，对于每个序列中的第二个值（未来2个步骤），预测值看起来像是＆＃34;移位＆＃34;：predicting 2 steps into the future

这＆＃34;转移＆＃34;自然对于预测序列的所有值都是正确的，随着我进一步进入预测序列，移位增加。这是我的模型的代码：

model = Sequential()
model.add(LSTM(input_dim = 1, output_dim=128, 
return_sequences=False))
model.add(RepeatVector(20)) 
model.add(LSTM(output_dim=128, return_sequences=True))
model.add(TimeDistributed(Dense(1)))

与RepeatVector有关吗？任何帮助将不胜感激。