LSTM能否解决我目前遇到的特定问题

Question

据我所知，LSTM可以根据时间序列数据进行回归/分类分析。我想知道

time  feature1 feature2 feature3 output
day1 ....................................
day2.....................................
day3....................................
day4...................................
day5...................................
...
...
day30.................................

假设我从实验中获得了数据，并以上述格式总共收集了30天的数据。只要使用LSTM，只要在第31天获得输入（在这种情况下为功能1至3），我就可以肯定地预测31天的输出。我的问题是，我是否错过了从第31天到50天的实验输入数据（太忙了而无法做实验），我还能使用LSTM预测51天的产量吗？ （我可能有时间在第51天^。^再次做实验）。

该问题本质上不同于通常可以通过LSTM分析的库存预测问题。由于在库存预测问题中，可以将时间t的输出视为时间t + 1的输入。但是，在这个特定问题中，输入（功能1到3）不能直接链接到输出。

任何人都可以帮助澄清/解决吗？

非常感谢您。

Answer 1

我建议您使用单层感知器。我有一个示例代码。您可以通过clicking here来获取 Architecture of model

第一个参数是day，其他参数是要素的发生状态。模型调整参数以正确预测输出。     如果您更详细地说明您的问题，我可以为您提供更好的帮助。

Answer 2

是的，您可以使用LSTM进行多地平线预测。您可以通过Amazon here找到类似的架构。

PS：这类问题似乎更适合https://datascience.stackexchange.com。