使用LSTM模型预测任意数量的时间步长

Question

我正在关注Jason Brownlee（https://machinelearningmastery.com/how-to-develop-lstm-models-for-multi-step-time-series-forecasting-of-household-power-consumption/）使用LSTM模型进行时间序列预测的教程系列。

我的原始数据是单变量的，所以只有时间戳和目标值。像这样：

if form.is_valid():
    obj = form.save(commit=False)
    obj.ip_address = get_client_ip(request)
    obj.save()

我目前以ds y 01-01-2019 01:00 1.24 01-01-2019 02:00 1.32 的格式重塑，其中features = 1（因为单变量），n_timesteps是窗口大小。

使用tensorflow keras实现。因此，模型（以最简单的形式）看起来像：

[n_samples, n_timesteps, n_features]

这些教程很好地介绍了如何使用滑动窗口方法始终使用固定大小的窗口来预测下一个（也许是不同的）固定大小的窗口，因此可以理解固定大小的多步预测。

但是我的目标是开发一种没有滑动窗口方法的LSTM模型，该模型能够预测任意数量的时间步，类似于fbpropphet（https://facebook.github.io/prophet/）之类的库可以完成的工作。

那么如何修改数据（重塑？）并定义和拟合模型并将其用于预测。