时间序列数据预测中Keras中多步LSTM的参数

Question

假设我每10分钟实时收到一个数据（只有一个变量）。

我在过去2周中积累了数据点。因此，我已经有2 * 7 * 24 * 6 = 2016个数据点，可用于训练预测模型。

我的目标是利用5个最接近的历史数据点来预测未来的未来2个数据点。

如随附的描述图像中所示，

enter image description here

我将利用V1，V2，V3，V4和V5来预测V6和V7；然后，一旦收到V6，就将使用V2，V3，V4，V5和V6来预测V7和V8；然后，当我收到V7时，将使用V3，V4，V5，V6和V7来预测V8和V9，然后继续进行预测。

最近的5个历史数据将变为“ 5个数据点滑动窗口”，该窗口每10分钟不断向前移动一次，以便继续预测接下来的两个数据点。

我使用Keras的“多步LSTM”方法来解决此问题。我基本上会关注其他人的分享帖子。但是，我仍然对如何设置以下参数感到困惑：

• time_step =？ （是训练数据点的数量，即 2016年？ ）
• batch_size =？ （不太确定）
• 我应该在哪里设置滑动窗口的宽度？ （5个数据点）？
• 我应该在哪里设置预测窗口的宽度（将来增加2个数据点）？我认为可能是使用model.add（Dense（n_output）），我将n_output设置为2。