递归神经网络-时间序列预测：关于输出神经元的数量和序列长度

Question

上下文

我目前正在使用门控循环单元进行时间序列预测。无论如何，我的问题应适用于所有此类递归网络。

在我的数据中，我有15分钟的时间戳，这意味着96个数据点代表一天。目的是预测时间序列接下来两天的进度，即96 * 2 = 192个数据点。

我的问题

就目前为止我所知道的，为了预测这192个数据点，我必须在体系结构的末尾设置192个输出神经元，每个神经元代表一个数据点（例如，使用Keras，这将是一个密集层，其中有192个神经元GRU层的顶部）。

Keras中具有tensorflow-backend的示例模型如下所示：

model = Sequential()
model.add(GRU(100, dropout=0.2, recurrent_dropout=0.1, activation='relu', 
                input_shape=(158, 192), #158 Training instances with sequence length 192
                batch_size=1)
            )        
model.add(Dense( 192 ))
model.compile(optimizer=Adam(), loss=loss)

现在的问题是：

1. 是使用192个输出神经元的唯一机会，还是在递归网络中是否存在某种“滑动”功能，例如，我可以用来连续预测每天（意思是第一个数据点为96个数据点，然后为96个数据点进行预测）第二天）
2. 如果我必须使用192个输出神经元，那么是否最适合将我的时间序列分成192个数据点的序列，以使我的输入数据与输出的值相同？